高校专区
RedCoder: 面向代码大语言模型的自动化多轮红队测试
机构 * University of California, Davis（加州大学戴维斯分校） ； University of Southern California（南加州大学）
AI总结 提出RedCoder，一个通过多轮对话诱导代码大模型生成漏洞代码的自动化红队测试智能体，采用多智能体博弈生成原型对话和攻击策略库，并微调LLM作为骨干，实验表明其优于现有单轮和多轮方法。
Comments ACL 2026
重新思考视觉隐私：一种用于严重性评估的组合隐私风险框架与VLM
机构 * University of Southern California（南加州大学） ； Meta Superintelligence Labs（Meta超级智能实验室） ； Amazon AGI（亚马逊AGI）
AI总结 提出组合隐私风险分类法（CPRT），将视觉属性按独立可识别性和组合危害潜力分级，并构建6.7K图像数据集，评估VLM在组合隐私风险评估中的表现。
稀疏层对扩展循环语言模型至关重要
机构 * USC Information Sciences Institute（美国南加州大学信息科学研究所） ； Netflix（netflix公司）
AI总结 研究比较了带循环和不带循环的MoE和标准Transformer，发现循环MoE模型在扩展性上优于标准模型，且循环模型在计算质量权衡中具有更好的早退性能。
最强的教师并不总是最好的教师：以学生为中心的答案选择
机构 * University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Southern California（南加州大学） ； Independent Researcher（独立研究者） ； National University of Singapore（新加坡国立大学） ； Microsoft（微软） ； Google（谷歌） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Northwestern University（西北大学） ； Allen Institute for AI (AI2)（人工智能研究院（AI2））
AI总结 提出以学生为中心的答案采样（SCAS）框架，通过估计学生中心的学习成本选择教师生成的答案，从而提升学生模型性能。
ProtoFlow: 通过低曲率原型流缓解类别增量遥感分割中的遗忘
机构 * Faculty of Health Data Science, Juntendo University（静冈大学健康数据科学学院） ； The Institute of Collaborative Innovation, University of Macau（澳门大学协同创新研究所） ； Department of Information and Computing Sciences, Faculty of Science, Utrecht University（乌得勒支大学科学学院信息与计算科学系） ； Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； School of Computer Science, University of Chinese Academy of Sciences（中国科学院大学计算机科学学院） ； Department of Computer & Information Science & Engineering, University of Florida（佛罗里达大学计算机与信息科学与工程系） ； Department of Computer Science, Juniata College（朱尼塔学院计算机科学系） ； National Engineering Research Center for Beijing Biochip Technology（北京生物芯片工程技术研究中心） ； CapitalBio Corporation（资本生物公司） ； Faculty of Engineering & Information Technology, University of Technology Sydney（悉尼科技大学工程与信息技术学院） ； University Research and Innovation Center (EKIK), Obuda University（布达佩斯大学研究与创新中心（EKIK）） ； Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院） ； Department of Mathematics, University of Southern California（南加州大学数学系）
AI总结 本文提出ProtoFlow，一种时间感知的原型动态框架，通过将类别原型建模为轨迹并学习其演变，以缓解遥感分割中的遗忘问题，实验表明其在多个基准上取得了显著提升。
Comments In the previous version, Juntendo University was erroneously listed as the affiliation; we must clarify that this paper has absolutely no relation to Juntendo University. Therefore, we have replaced this affiliation in the new version
从语义和语音角度探测语音编解码器
机构 * University of Southern California（南加州大学） ； Dolby Laboratories（杜比实验室）
AI总结 本文通过三项任务系统分析多种语音分词器编码的信息，发现当前分词器主要捕获语音结构而非词汇语义，为下一代语音分词方法设计提供指导。
Comments Accepted by Interspeech 2026
SparseGS: 使用3D高斯泼溅的稀疏视角合成
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； USC Institute for Creative Technologies（南加州大学创意技术研究所）
AI总结 针对3D高斯泼溅在稀疏视角下出现伪影的问题，提出SparseGS，通过深度先验、新颖深度渲染、剪枝启发和未见视角正则化模块，实现高质量重建。
Comments Version accepted to 3DV 2025. Project page: https://github.com/ForMyCat/SparseGS
一种用于言语产生过程中发音、大脑和肌肉活动的实时MRI视频、脑电图和表面肌电图同步采集方法
机构 * Signal Analysis and Interpretation Laboratory, University of Southern California（南加州大学信号分析与解释实验室） ； Ming Hsieh Dept. of Electrical and Computer Engineering, University of Southern California（南加州大学明希斯电气与计算机工程系） ； Dept. of Linguistics, University of Southern California（南加州大学语言学系）
AI总结 本文首次实现了言语产生过程中实时MRI、EEG和表面EMG的同步采集，并提出了针对三模态设置的伪影抑制流程，为言语神经科学和脑机接口提供新视角。
Comments Accepted for Interspeech 2026
相对智能：实例最优学习的新方法
机构 * University of Southern California（南加州大学） ； Northwestern University（西北大学） ； University of Chicago（芝加哥大学） ； University of Waterloo（滑铁卢大学）
AI总结 针对Smart PAC学习中监督学习无法与半监督学习竞争的问题，提出相对智能学习框架，要求监督学习仅与可认证的半监督保证竞争，并证明One-Inclusion图学习器在平方样本复杂度内实现相对智能。
视觉-语言模型缺少什么？探究它们在因果顺序推理中的困难
机构 * University of Southern California（南加州大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Texas A&M University（德克萨斯A&M大学）
AI总结 针对VLM在因果推理中的不足，提出VQA-Causal和VCR-Causal基准，发现模型在因果任务上仅略优于随机猜测，归因于训练数据缺乏因果表达，并通过难负例微调改善。
Comments 13 pages
TaigiSpeech: 一个低资源真实世界语音意图数据集及基于可扩展野外数据挖掘的初步结果
机构 * Massachusetts Institute of Technology, USA（麻省理工学院） ； National Taiwan University, Taipei, Taiwan（国立台湾大学） ； National Taiwan University Artificial Intelligence Center of Research Excellence, Taipei, Taiwan（国立台湾大学人工智能研究中心） ； Academia Sinica, Taiwan（台湾“中央”研究院） ； National Yang Ming Chiao Tung University, Taiwan（阳明交通大学） ； Signal Analysis and Interpretation Laboratory (SAIL), University of Southern California, USA（信号分析与解释实验室（SAIL），南加州大学）
AI总结 针对低资源台语，构建包含21位老年人3000条话语的语音意图数据集，并探索关键词匹配与LLM伪标注、音视频框架两种数据挖掘策略，以解决标注数据稀缺问题。
Comments Interspeech 2026 long paper
DamageArbiter：一种基于街景图像进行灾害损伤评估的多模态仲裁框架
机构 * organization= Department of Geography, Texas A\&M University , city= College Station , country= USA ； organization= Department of Landscape Architecture \& Urban Planning, Texas A\&M University , city= College Station , country= USA ； organization= Department of Industrial ； Systems Engineering, University of Florida , city= Gainesville , country= USA ； organization= Spatial Sciences Institute, University of Southern California , city= Los Angeles , country= USA ； organization= Department of Geography ； Sustainability, University of Tennessee , city= Knoxville , country= USA
AI总结 提出DamageArbiter多模态仲裁框架，通过轻量级逻辑回归元分类器仲裁单模态与多模态模型预测分歧，在2556张街景图像上将准确率提升至75.85%，MCC达0.6188，并将过度自信误差从70.58%降至16.45%。
解耦语言模型中的几何、性能与训练
机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 系统研究Transformer权重几何（尤其是解嵌入矩阵有效秩）与下游性能的关系，发现有效秩主要反映训练超参数而非性能，不能可靠预测模型表现。
通过自适应课程学习的高效强化微调
机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出AdaRFT方法，通过自适应课程学习动态调整训练问题难度，提升强化微调效率，在数学推理任务上训练时间减半。
Comments Published in Transactions on Machine Learning Research (TMLR). 30 pages, 8 figures, 7 tables
LLM的变色龙本质：量化搜索增强语言模型中的多轮立场不稳定性
机构 * University of Southern California（美国南加州大学）
AI总结 提出变色龙基准数据集和两个度量指标，揭示搜索增强LLM在多轮对话中因知识多样性不足而严重依赖查询框架，导致立场频繁摇摆。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: MTI-LLM @ NeurIPS 2025
LLMs 是有效的谈判者吗？LLMs 在谈判对话中多方面能力的系统评估
机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校） ； Capital One
AI总结 系统评估大型语言模型在谈判中的多方面能力，发现 GPT-4 表现优异，但在主观评估和生成策略性响应方面存在挑战。
Comments Accepted to Findings of EMNLP 2024
小最大化域的非凸非凹极小极大优化
机构 * School of Mathematics & Industrial & Systems Engineering (ISyE), Atlanta, USA（数学与工业与系统工程学院（ISyE），美国亚特兰大） ； Viterbi School of Engineering, University of Southern California, Los Angeles, USA（维特比工程学院，美国南加州大学，洛杉矶）
AI总结 针对非凸非凹极小极大问题，提出利用泰勒近似替代原函数，当最大化域直径足够小时，近似问题的稳定点保持原问题的近似稳定点，并给出算法收敛保证。
Comments 50 pages
自主性税：防御训练破坏LLM智能体
机构 * University of Southern California（南加州大学）
AI总结 揭示防御训练在提升LLM智能体安全性时，系统性地破坏其工具执行能力，导致任务失败率飙升，且无法有效防御复杂攻击。
超越预测的良性过拟合：普通最小二乘插值器
机构 * Department of Data Sciences & Operations, University of Southern California（数据科学与运营系，南加州大学） ； Department of Statistics, University of California, Davis（统计学系，加州大学戴维斯分校） ； Department of Statistics, University of California, Berkeley（统计学系，加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind）
AI总结 本文研究过参数化线性模型中最小ℓ2范数OLS插值器的参数估计与推断性质，推导了留k法、遗漏变量偏误公式和Frisch-Waugh-Lovell定理的过参数化版本，并扩展了高斯-马尔可夫定理。
Comments This work is accepted for publication in Biometrika
HeteRo-Select: 信息量作为异构联邦学习中的参与驱动因素
机构 * Queen’s University（皇后大学） ； University of Southern California（南加州大学） ； The Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 提出HeteRo-Select框架，用客户端信息量分数替代带宽驱动压缩，联合决定客户端选择、压缩比和聚合权重，降低异构性并减少流量，在CIFAR-10上实现1.78倍加速和18.2%流量减少。
面向多样化类人团队协作与通信的算法化提示生成与大型语言模型
机构 * Thomas Lord Department of Computer Science, University of Southern California（美国南加州大学汤姆·劳德计算机科学系） ； School of Computing and Information, University of Pittsburgh（美国匹兹堡大学计算与信息学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学西伯利机械与航空航天工程学院）
AI总结 结合质量多样性优化与LLM代理，自动搜索生成多样化团队行为的提示，捕获人类协作与通信策略，并通过用户研究验证其类人性。
Pantheon360: 通过3D感知的360°视频扩散驯服数字孪生生成
机构 * University of Southern California（南加州大学） ； National Yang Ming Chiao Tung University（国家阳明交通大学） ； Cornell University（康奈尔大学） ； Bosch Research（博世研究）
AI总结 提出Pantheon360框架，利用显式3D缓存从稀疏360°输入生成高保真视频，实现全局几何一致性和可控相机路径，解决传统透视视频生成器视野受限导致的跨视图不一致和时间漂移问题。
Comments Accepted to CVPR 2026. Project page: https://koi953215.github.io/pantheon360_page/
FORTIS：评估代理技能中的过度特权
机构 * University of Southern California（南加州大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Research（Adobe研究） ； Arizona State University（亚利桑那州立大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究发现，当前代理技能层普遍存在过度特权问题，模型在选择和执行技能时常超出任务需求，导致性能不佳。
SkillsBench: 基准测试智能体技能在不同任务中的有效性
机构 * BenchFlow ； OSU ； Amazon ； UC Berkeley ； UC Santa Cruz ； UC Davis ； Dartmouth ； RLWRLD ； Independent ； Princeton University ； Oxford University ； Stanford University ； USC ； CMU ； Foxconn ； Zenity ； UNSW ； UT Austin ； MSU ； Duke University ； ByteDance ； UT Dallas ； UC San Diego ； Columbia University ； University of Rochester ； Cornell Tech ； Georgia Tech ； Cornell University ； NEU ； UCLA ； Snap Inc. ； Fanshawe College ； University of Science and Technology of China ； HKUST(GZ) ； Anyscale
AI总结 提出SkillsBench基准，包含8领域87个任务，通过配对评估证明技能提升平均通过率16.6个百分点，小模型配备技能可匹敌大模型。
一种用于非笛卡尔傅里叶成像的新k空间模型
机构 * USC Center for Advanced Research Computing（USC高级研究计算中心） ； Signal and Image Processing Institute（信号与图像处理研究所）
AI总结 针对传统基于体素的傅里叶成像模型计算成本高、收敛慢且易产生伪影的问题，提出一种基于傅里叶域基展开的新模型，在非笛卡尔MRI重建中实现更优图像质量和更低计算复杂度。
评估LLM生成数据的质量与可信度综述
机构 * University of Houston（德克萨斯大学休斯敦分校） ； Worcester Polytechnic Institute（沃思利理工学院） ； Rice University（里德大学） ； Texas A&M University（德克萨斯农工大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； University of Southern California（南加州大学） ； University of North Carolina at Charlotte（北卡罗来纳州立大学夏洛特分校）
AI总结 提出LLM数据审计框架，从质量和可信度两个维度系统分类评估指标，分析六种模态数据生成方法的评估缺陷并给出改进建议。
Comments Published at TMLR. Title changed in the final version
Journal ref Transactions on Machine Learning Research, 2026
时间序列中基于大语言模型的推理与智能体系统综述
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； National Yang Ming Chiao Tung University（阳明交通大学）
AI总结 本文定义时间序列推理问题，按推理拓扑分为直接、线性链和分支结构三类，结合传统分析、解释、因果推断和生成等目标，综述方法、系统、数据集和评估实践，并指导拓扑选择与部署权衡。
Comments Accepted to Transactions on Machine Learning Research (TMLR)
向训练数据注入噪声以校正测试集污染
机构 * University of Southern California（南加州大学）
AI总结 提出通过以已知比例故意污染部分测试样本（注入噪声）来校正测试集污染导致的分数膨胀，并利用记忆预测器进行统计校正。
扩展自监督语音模型揭示深层语言关系：来自太平洋集群的证据
机构 * School of Electrical Engineering, KAIST, Republic of Korea（韩国成均馆大学电气工程学院） ； Thomas Lord Department of Computer Science, University of Southern California, USA（美国南加州大学计算机科学系） ； Language Technologies Institute, Carnegie Mellon University, USA（美国卡内基梅隆大学语言技术研究所）
AI总结 通过将自监督语音模型的语言识别系统从126种扩展到4017种语言，发现系统在4K规模下发生质变，揭示出太平洋地区基因无关语言的宏观集群，表明大规模模型能内化多层语言历史。
Comments Accepted to Interspeech 2026
面向LLM深度压缩的局部感知冗余剪枝
机构 * University of Southern California（美国南加州大学） ； Neural Superintelligence Lab, MODULABS（MODULABS神经超级智能实验室） ； Seoul National University（首尔国立大学） ； Inha University（釜山大学）
AI总结 提出LoRP，一种基于表示局部性的无训练单次深度剪枝框架，通过引入表示局部性分数（RLS）来识别和剪除冗余层，在多种LLM上提升了困惑度和下游任务准确率。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈