高校专区
Duet: 通过高效教学实现双机器人理解
机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究所） ； Stanford University（斯坦福大学）
AI总结 提出DUET框架，利用VR遥操作和人类协作先验，通过预训练与微调结合，实现双机器人移动操作的高效学习，显著降低数据采集成本。
通过域内数据增强改进构音障碍语音的端到端语音识别
机构 * Department of Electronics and Communication Engineering, National Institute of Technology Sikkim, India（电子与通信工程系，印度尼特拉特技术学院Sikkim分校） ； Signal Analysis and Interpretation Laboratory (SAIL), University of Southern California, Los Angeles, USA（信号分析与解释实验室（SAIL），美国南加州大学洛杉矶分校）
AI总结 针对构音障碍语音识别中数据稀缺和严重程度差异的问题，本文探索了四种数据增强方法（SRM、PM、FM、VTLP）对预训练Wav2Vec2模型进行微调，在不同严重程度上实现了显著的字错误率降低。
构音障碍语音识别的系统研究：频谱特征与声学模型
机构 * Department of Electronics and Communication Engineering, National Institute of Technology Sikkim, India（电子与通信工程系，印度尼特技术学院锡金分校） ； Department of Information and Communications Engineering, Aalto University, Finland（信息与通信工程系，阿尔托大学，芬兰） ； Signal Analysis and Interpretation Laboratory (SAIL), University of Southern California, Los Angeles, USA（信号分析与解释实验室（SAIL），美国南加州大学洛杉矶分校）
AI总结 本文系统研究不同频谱特征与声学模型的组合，通过引入音高特征和优化训练帧重叠数，在F-TDNN模型上实现孤立词和句子识别相对提升4.65%和4.63%。
3D-PLOT-LLM: 用于三维大语言模型的部件级对象标记
机构 * University of Southern California（南加州大学） ； Ohio State University（俄亥俄州立大学）
AI总结 提出3D-PLOT-LLM，通过重组输入标记流使部件可直接通过LLM词汇寻址，无需分割解码器或边界框，在部件级基准上超越现有方法。
面向同时最优遗憾的U-校准
机构 * University of Colorado Boulder（科罗拉多大学波德穆尔分校） ； University of Southern California（南加州大学） ； Google Research（谷歌研究）
AI总结 提出一种基于自和谐噪声的FTPL变体，实现对所有有界适当损失的最优$\tilde O(\sqrt{T})$遗憾和对光滑损失的对数遗憾。
Comments 30 pages; to appear at COLT 2026
基于可微联合推理与能量一致性验证的RGB-D序列URDF合成
机构 * University of Southern California（南加州大学）
AI总结 提出KinemaForge管道，通过可微关节推理和能量一致性验证，从RGB-D序列联合估计部件形状、关节拓扑和参数，显著降低关节轴误差和仿真漂移。
从规范到执行：AI辅助的科学工作流管理
机构 * RENCI, University of North Carolina at Chapel Hill, NC, USA（RENCI，北卡罗来纳大学教堂山分校） ； Information Sciences Institute, University of Southern California, Marina del Rey, CA, USA（信息科学研究所，南加州大学马里纳德尔雷耶斯分校）
AI总结 提出一种AI辅助方法，通过规范驱动的工作流生成、自动化调试和分布式执行，结合Pegasus与MCP层，实现从自然语言到大规模科学工作流的端到端管理。
Artemis: 解剖分辨的干预方法用于消除多模态神经影像混杂因素
机构 * University of Pittsburgh（匹兹堡大学） ； University of Maryland（马里兰大学） ； University of Southern California（南加州大学） ； Binghamton University（宾汉姆顿大学） ； University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德河谷分校）
AI总结 提出Artemis框架，通过区域级因果干预学习特定脑区的混杂因素表示，消除fMRI和DTI多模态神经影像中人口统计学混杂因素对GNN的影响，在三个基准上提升性能。
Comments 11 pages, 8 figures
SpecAlign: 通过合成数据实现高效的大语言模型规范对齐
机构 * University of Notre Dame（圣母大学） ； Carnegie Mellon University（卡内基梅隆大学） ； LMU Munich（慕尼黑大学） ； University of Southern California（南加州大学）
AI总结 提出规范对齐新范式，通过从规范文档合成数据（SpecAlign框架），结合结构化规则标注、可控规范实例化和多智能体对抗数据合成，生成细粒度偏好对，提升规则遵守度且不损害通用能力。
Comments 58 pages
噪声中语音的可懂度：幅度谱和相位谱贡献的研究
机构 * Signal Analysis and Interpretation Laboratory, University of Southern California, Los Angeles, USA（美国南加州大学信号分析与解释实验室） ； National Institute of Technology, Patna, India（印度帕坦国家理工学院） ； Indian Institute of Technology, Jammu, India（印度朱默尔理工学院） ； Koneru Lakshmaiah Education Foundation, Vaddeswaram, Guntur District, Andhra Pradesh, India（安得拉邦戈塔瓦德区瓦达萨瓦拉姆康纳鲁拉克希玛伊教育基金会）
AI总结 通过三个实验评估幅度谱和相位谱对噪声中辅音可懂度的贡献，发现幅度谱在干净条件下贡献更大，而相位谱在噪声条件下更鲁棒，且鼻音比擦音和近音更易受噪声影响。
再探概率测度的Log-PCA：一种动力学公式与统计收敛性
机构 * Department of Statistics University of Illinois Urbana-Champaign（统计学系伊利诺伊大学厄巴纳-香槟分校） ； Department of ACMS University of Notre Dame（ACMS系诺丁汉大学） ； Department of Mathematics University of British Columbia（数学系不列颠哥伦比亚大学） ； Department of Mathematics Thomas Lord Department of Computer Science University of Southern California（数学系托马斯·劳德计算机科学系南加州大学）
AI总结 本文在Wasserstein几何下提出一种动力学公式解释log-PCA，称为Wasserstein切向PCA（WT-PCA），并推导了经验WT-PCA相对于总体测度的统计收敛速率。
人类与视觉语言模型之间的注意力对齐
机构 * Princeton Neuroscience Institute, Princeton University（普林斯顿大学普林斯顿神经科学研究所） ； Department of Psychology, Princeton University（普林斯顿大学心理学系） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； Department of Psychology and Center for Computational Language Sciences, University of Southern California（南加州大学心理学系与计算语言科学中心） ； Department of Psychology, Université de Montréal（蒙特利尔大学心理学系）
AI总结 本研究比较了六种视觉语言模型的空间注意力图与人类注视热图，发现解码器架构（LSTM vs Transformer）主导对齐程度，LSTM解码器对齐度更高但空间分散且任务区分度低，而Transformer解码器注意力更集中且任务区分度强。
翻译不可译：一个可操作化的不可译性本体论
机构 * University of Southern California Information Sciences Institute（南加州大学信息科学研究所）
AI总结 提出一个结构化的不可译性本体论和补偿策略分类法，构建多语言数据集，通过人类偏好研究发现注释补偿策略最受青睐，为策略感知机器翻译奠定基础。
解析挠率和谱间隙捕捉持久拉普拉斯算子的性能
机构 * University of Southern California（南加州大学）
AI总结 提出用贝蒂数、谱间隙和解析挠率三个不变量的紧凑谱表示替代全谱，在多个数据集上实现同等或更优性能，显著降低计算开销并避免高频噪声。
Comments 13 pages
对称性带来的隐私：用于大语言模型推理的正交等变Transformer
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Southern California（南加州大学）
AI总结 针对拆分推理中隐藏表示易被近邻搜索恢复的问题，提出正交混淆方法，并设计ConjFormer架构实现O(d)-等变性，在不加噪声或重加密下将令牌恢复率从35%降至1.3%，困惑度仅增0.4%。
非对数凹采样的方差缩减及其在逆问题中的应用
机构 * School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院） ； School of Electrical and Computer Engineering, University of Southern California（南加州大学电气与计算机工程学院） ； School of Biomedical Engineering, Purdue University（普渡大学生物医学工程学院）
AI总结 针对非对数凹分布采样中随机梯度高方差问题，提出统一分析动量、STORM和PAGE等方差缩减方法，证明其在相对Fisher信息和非平方总变差距离下的改进收敛率，并扩展至基于得分的生成先验逆问题求解。
Comments Accepted to Uncertainty in Artificial Intelligence (UAI) 2026
IBAD：人类移动数据上的可解释行为异常检测
机构 * University of Southern California（南加州大学）
AI总结 提出IBAD框架，利用LDA学习可解释的日常移动模板，通过层次自监督模型检测个体行为异常，在真实和合成数据集上验证了模板的可迁移性和鲁棒性。
通过视觉-语义枢轴终身学习弥合城市街景推理中的地理偏差
机构 * University of Southern California（南加州大学）
AI总结 提出HVSP-LL终身学习框架，通过分层视觉-语义枢轴模块和公平感知重放机制，在跨城市街景推理中减少地理偏差，实现城市间感知差距缩小38%。
未知分布漂移下分类问题的审计共形预测
机构 * Department of Data Sciences and Operations, University of Southern California（数据科学与运营系，南加州大学） ； AI Foundations, Capital One（Capital One人工智能基础） ； Department of Data Sciences and Operations, Thomas Lord Department of Computer Science, University of Southern California（数据科学与运营系，托马斯·劳德计算机科学系，南加州大学）
AI总结 提出审计共形预测方法，利用目标群体小标注数据训练审计模型识别旧模型可能失败的输入，结合共形预测框架在保证边际覆盖的同时提高条件覆盖，并提供理论保证。
VigilFormer: 用于视频异常检测的可变形注意力与因果风险推理
机构 * University of Southern California（南加州大学）
AI总结 提出VigilFormer框架，结合可变形时空注意力与因果时序建模，通过稀疏注意力、对比多实例学习和自适应帧跳过，在保持高精度的同时实现实时异常检测。
Act on What You See: 在视觉-语言-动作模型中解锁安全社交导航
机构 * University of Maryland（马里兰大学） ； University of Southern California（南加州大学）
AI总结 提出SALSA框架，通过两阶段无标注后训练（社交行为对齐和时间安全对齐），使预训练VLA模型利用已有表征实现安全社交导航，减少86.4%的近距离碰撞。
DOG-DPO：几何中的动态优化用于安全对齐
机构 * University of Southern California（南加州大学） ； Iowa State University（爱荷华州立大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； Independent Researcher（独立研究员） ； University of Notre Dame（圣母大学）
AI总结 提出DOG-DPO框架，将偏好对表示为模型表示空间中的方向，通过几何分解和多样性覆盖选择子集，仅用11%数据即可恢复大部分安全增益。
AFFORDANCE20Q：从物理属性评估可承担性推理
机构 * Information Sciences Institute, University of Southern California（南加州大学信息科学研究所） ； University of Southern California（南加州大学）
AI总结 提出Affordance20Q基准，通过20个问题游戏评估模型从物理属性推理物体可承担性的能力，发现LLM与人类差距约20分，并开发KARI方法提升开源模型达15.2分。
对抗性概念搜索：从特征几何预测组合错误
机构 * Brown University（布朗大学） ； University of Southern California（南加州大学） ； Harvard University（哈佛大学） ； Boston University（波士顿大学）
AI总结 利用LLM的表征几何预测其组合失败模式，发现概念编码近正交时可靠组合，编码接近时因干扰导致失败，无需评估具体输入即可预测错误。
AI代理能否让我们摆脱无意义的工作？一项以人为中心的分析
机构 * Politecnico di Torino（都灵理工大学） ； University of Southern California（南加州大学） ； Nokia Bell Labs（诺基亚贝尔实验室）
AI总结 基于Graeber的“狗屁工作”理论，通过任务级分析发现，工人感知的任务无意义程度强烈预测其对AI委托的意愿，且此类任务被认为需要较少人工监督。
Comments Improved overall writing; add details about task filtering and participants screening; add comments in the discussion about the subjective and context-specific nature of the scale introduced;
通过闭环仿射激活编辑引导多机器人行为
机构 * University of Southern California（南加州大学）
AI总结 提出CLAE框架，在推理时通过编辑冻结策略的中间激活来引导多机器人行为，无需微调或重训练，并在多四旋翼导航任务中验证了速度控制、编队保持和规避监控等新行为。
准确且资源高效的联邦持续学习
机构 * University of Southern California（南加州大学） ； DEVCOM Army Research Office（DEVCOM陆军研究办公室）
AI总结 提出FedRAN框架，通过紧凑随机特征统计替代梯度更新，利用截断SVD降低通信开销，结合原型伪标签处理标签稀缺，在多个数据集上提升准确率并大幅降低资源消耗。
Comments Technical Report
GLACIER：用于分子性质预测的多模态师生基础模型
机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Quantitative and Computational Biology, University of Southern California（南加州大学定量与计算生物学系） ； Amazon（亚马逊） ； Department of Medical Biochemistry and Biophysics, Science for Life Laboratory, Karolinska Institutet（卡罗林斯卡学院医学生物化学与生物物理系，生命科学实验室）
AI总结 提出GLACIER师生框架，通过融合分子图、SMILES和物理化学描述符三种模态，并利用大模型蒸馏，实现高效准确的分子性质预测。
ANCHOR: 自回归非侵入式分块有序细化用于联合多分辨率语音质量建模
机构 * University of Southern California, USA（美国南加州大学） ； Carnegie Mellon University, USA（美国卡内基梅隆大学）
AI总结 提出ANCHOR模型，将增量语音质量评估重构为多分辨率自回归任务，通过双分辨率令牌和分辨率感知层次实现分块到整句的粗到细细化，在部分输入下显著降低误差，并揭示感知质量的时域积累机制。
Comments Accepted at Interspeech 2026
RespiraMFM：一种用于呼吸道疾病识别的对比音频-语言对齐多模态基础模型
机构 * The Ohio State University（俄亥俄州立大学） ； University of Southern California（南加州大学） ； University of Chicago（芝加哥大学）
AI总结 提出RespiraMFM多模态基础模型，通过对比音频-文本对齐策略整合呼吸音与临床信息，在监督和零样本任务中分别提升AUROC 9.15%和20.98%。
Comments ACL 2026 Main Conference
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