高校专区
通过稀疏自编码器实现神经音频编解码器的可解释框架：以口音信息为例
机构 * University of Southern California（南加州大学）
AI总结 本文通过稀疏自编码器分析神经音频编解码器的可解释性，探讨口音信息的编码机制，发现DAS和SpeechTokenizer在可解释性上表现最佳，低比特率EnCodec变体也具有较高可解释性。
Comments Interspeech 2026
LIPP：基于物理采样的负载感知信息路径规划
机构 * University of Southern California（南加州大学）
AI总结 研究针对物理样本采集场景中信息增益与负载相关遍历成本耦合问题，提出负载感知信息路径规划（LIPP），将其制定为混合整数二次规划，推导理论界限，经模拟验证其随样本质量增加能提升单位能量的不确定性降低能力。
Comments Accepted for presentation at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
GraphAllocBench：用于偏好条件多目标策略学习的灵活基准测试
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； USC Institute for Creative Technologies（美国南加州大学创意技术研究所） ； U.S. Army DEVCOM Army Research Laboratory（美国陆军 DEVCOM 军事研究实验室）
AI总结 研究针对多目标强化学习中偏好条件策略学习基准测试局限于简单任务和固定环境的问题，引入基于CityPlannerEnv的GraphAllocBench，提出补充指标，通过实验表明其能揭示新失败模式，激发图方法，是推进PCPL的通用可扩展测试平台。
几何偏差作为一种无监督预生成可靠性信号：探测大语言模型表示的可回答性
机构 * University of Southern California（南加州大学）
AI总结 研究能否通过测量隐藏状态与可回答参考集的偏差，利用表示几何提供预生成信号。在三个模型和三种提示形式上实验，发现几何主要编码任务形式，数学提示中有可区分性，代码提示有部分泛化，该信号在早期层出现。
Comments Accepted to TrustNLP 2026 (ACL Workshop). 11 pages, 3 figures, 3 tables
Journal ref In Proceedings of the 6th Workshop on Trustworthy NLP (TrustNLP 2026), pp. 353-363, 2026
面向体积视频属性压缩的运动估计技术
机构 * University of Southern California（南加州大学） ； KDDI Research, Inc.（KDDI研究所）
AI总结 针对点云属性时域冗余难消除的问题，提出三类运动估计编码方案，在有损几何条件下较现有标准最高可实现55.3%的平均码率节省。
评价的是宣传话术，而非产品本身：用户对大语言模型的评估更多反映期望而非性能
机构 * Brock University（布鲁克大学） ； Emory University（埃默里大学） ； University of Southern California（南加州大学） ； University College London（伦敦大学学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究通过控制实验，让参与者使用不同宣传话术下的六种大语言模型完成任务，发现宣传话术影响用户评价和交互行为，任务表现未变，用户评价更多反映期望管理。
对话时间动态能否改善二元组中的抑郁症检测？多模态视角的初步调查
机构 * Thomas Lord Department of Computer Science, University of Southern California, USA（汤姆斯·劳德计算机科学系，南加州大学，美国） ； 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，美国）
AI总结 研究从临床访谈自动检测抑郁症，将对话时间动态（二元轮流配对时间）与自监督编码器融合，在DAIC-WOZ数据集上评估，时间模块单模态性能最佳，融合策略提升整体性能，对话时间可作二元抑郁症筛查补充。
Comments Submitted to SLT 2026
再谈Adam算法的收敛性
机构 * Department of Mathematics, University of Southern California（南加州大学数学系）
AI总结 研究在线优化中投影Adam算法，通过特定线性函数序列证明任意时刻衰减参数下平均遗憾值有界非零，结果扩展到多种Adam变体及相关序列。
Comments 26 pages
DiPS：高风险说服代理的对话策略选择
机构 * University of Southern California（南加州大学）
AI总结 针对高风险场景中说服策略需个性化的问题，提出DiPS框架，基于Q-learning动态选择说服策略，在火灾疏散模拟和真实人机交互中提升成功率。
Comments Proceedings of the 27th Annual Meeting of the Special Interest Group on Discourse and Dialogue (SIGDIAL 2026)
三步导航：一种用于零样本视觉-语言导航的分层全局-局部规划器
机构 * University of Southern California（南加州大学） ； NVIDIA Research（NVIDIA研究）
AI总结 本文提出三步导航方法，通过全局-局部分层规划解决零样本视觉-语言导航中的漂移和低成功率问题，无需梯度更新或微调，实现最先进的性能。
Comments Accepted to AISTATS 2026. Code: https://github.com/ZoeyZheng0/3-step-Nav
Journal ref Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS), 2026
稀疏线性回归的高效交叉验证
机构 * Department of Analytics, Marketing and Operations, Imperial Business School, London, UK（分析、营销与运营系，帝国商务学院，伦敦，英国） ； Department of Industrial and Systems Engineering, Viterbi School of Engineering, University of Southern California, CA（工业与系统工程系，维特比工程学院，美国南加州大学，CA）
AI总结 针对高维协变量矩阵和响应向量的稀疏线性回归，为选超参数常用k折交叉验证，但计算成本高。本文推导k折交叉验证损失的易处理松弛形式，减少计算量，结果表明其与成熟软件包有竞争力。
Comments Updated manuscript for revision
AnchorDream：将视频扩散用于具身感知机器人数据合成
机构 * Toyota Research Institute（丰田研究院） ； USC Physical Superintelligence (PSI) Lab（USC物理超智能（PSI）实验室）
AI总结 针对机器人示范数据收集瓶颈，AnchorDream利用预训练视频扩散模型，通过机器人运动渲染来合成数据，无需环境建模，从少量示范生成多样高质量数据集，提升下游策略学习。
Comments Project page: https://jay-ye.github.io/AnchorDream/
Humanoid Everyday：面向开放世界人形机器人操作的综合机器人数据集
机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究院）
AI总结 提出Humanoid Everyday数据集，包含10.3k轨迹、260个任务的多模态数据，用于人形机器人灵巧操作、人机交互和移动操作研究，并配套云评估平台。
自动心脏灌注成像中深度CNN的准确性、不确定性和适应性研究
机构 * Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California（明希德电气与计算机工程系，维特比工程学院，南加州大学） ； Long Beach Memorial Medical Center, University of California Irvine（长滩纪念医疗中心，加州大学伊万尼耶分校）
AI总结 本文研究了深度CNN在自动心脏灌注成像分割中的准确性、不确定性和适应性，提出两种不确定性评估方法，并通过调整参数实现对假阳性和假阴性率的适应。
OrbitQuant: 图像和视频扩散Transformer的数据无关量化
机构 * Cantina Labs（Cantina实验室） ； University of Southern California（南加州大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出数据无关量化方法OrbitQuant，通过归一化旋转基和Lloyd-Max码本，无需校准数据即可对扩散Transformer的权重和激活进行低比特量化，在多个模型和模态上达到最优。
推理的几何特征：任务难度的谱视角
机构 * Northeastern University（东北大学） ； University of Southern California（南加州大学） ； Google Research（谷歌研究院）
AI总结 通过分析Transformer隐藏状态空间中思维链轨迹的谱、位置和运动学几何特征，提出有效维度d_ρ衡量轨迹复杂度，发现平坦特征谱对应更难任务，并利用运动学特征在生成早期预测答案正确性。
MIBE：面向个性化图像生成的多主体交互基准与评估器
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） ； DeerLab LLC（DeerLab有限责任公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Clemson University（克莱姆森大学） ； Google（谷歌） ； San Jose State University（圣何塞州立大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出MIBE框架，包含多主体交互基准（MIB）和评估器（MIE），通过解耦数据体制和双头排序诊断目标，解决多主体个性化图像生成中主体遗漏、外观失配和交互错误问题，在黄金集上达到0.922成对准确率。
异步RLHF的陈旧度-学习率缩放定律
机构 * The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Gradient ； University of Southern California（南加州大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 研究异步GRPO中陈旧rollout的影响，推导出陈旧度与学习率之间的缩放定律，揭示稳定性受累积漂移和陈旧度约束的双重条件。
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
基于时序逻辑规范的学习步态感知四足运动
机构 * Department of Electrical Engineering and Computer Sciences University of California Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； University of Southern California（南加州大学）
AI总结 提出用信号时序逻辑参数化约束指定步态，通过奖励塑形提供密集连续奖励，在Barkour机器人上实现更紧的速度跟踪和稳定训练。
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。
当LLM粗心阅读表格时：测量并减少数据引用错误
机构 * University of Southern California（南加州大学） ； AWS AI Labs（AWS AI实验室）
AI总结 本研究系统评估了大型语言模型在表格任务中的数据引用错误，并提出基于批评模型的过滤与拒绝采样方法，将答案准确率提升高达12.0%。
Comments ACL 2026 (Oral)
一次检索覆盖所有：基于共现感知的知识库重组用于会话级RAG
机构 * University of Southern California（南加州大学）
AI总结 针对会话级信息需求，提出基于共现聚类的知识库离线重组和查询时扩展检索候选的方法，将单次查询会话覆盖率从41%提升至58%，并压缩知识库至原大小的20%。
Comments Accepted to the Towards Knowledgeable Foundation Models (KnowFM) Workshop at ACL 2026
跨模态分层融合用于多传感器地面观测
机构 * University of Southern California（南加州大学）
AI总结 提出AtmoFuseNet框架，通过跨模态分层聚合、条件变分精化和相关运动估计，融合多视角天空相机、毫米波云雷达和云高仪数据，实现云微物理场和风场的4D重建。
拒绝的几何：安全对齐大语言模型中的线性不稳定性
机构 * University of Southern California（南加州大学） ； Independent Researcher（独立研究员）
AI总结 研究通过对比安全与不安全系统提示的隐藏状态，提出对比逻辑操控（CLS）框架，揭示安全对齐的线性脆弱性，并证明逻辑级干预比隐藏状态方法更有效，同时可实现双向控制。
Comments Accepted at TrustNLP 2026 (Sixth Workshop on Trustworthy Natural Language Processing, ACL 2026)
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。
HERO: 利用历史数据提升生成模型评估的可靠性与敏感性
机构 * Division of Biostatistics, University of California, Berkeley（加州大学伯克利分校生物统计学系） ； Roblox Corporation（Roblox公司） ； Department of Data Sciences and Operations, University of Southern California（南加州大学数据科学与运营系） ； School of Mathematical Sciences, Nankai University（南开大学数学科学学院） ； Department of Industrial Engineering and Operations Research, University of California, Berkeley（加州大学伯克利分校工业工程与运筹学系）
AI总结 提出HERO框架，通过历史数据校准噪声标签并锚定协变量，降低模型评估的偏差和方差，提升可靠性与敏感性。
Comments 30 pages, 6 figures
SEVA: 具有过程奖励的自进化验证代理用于事实归因
机构 * University of Southern California, Los Angeles, USA（美国南加州大学，洛杉矶） ； University of Michigan, Ann Arbor, USA（美国密歇根大学，安娜堡）
AI总结 提出SEVA，一种结构化验证代理，通过过程奖励解决多组件输出中的优势崩溃问题，实现自我进化循环，在7B模型上验证了奖励粒度必须匹配输出粒度的原则。
Comments Accepted at AI4GOOD@ICML 2026 and FAGEN@ICML 2026. Code: https://github.com/Justin0504/Verifiable_agent
MOSAIC: 通过层次语义对齐编排协作知识追踪
机构 * Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； School of Information Systems and Management, Carnegie Mellon University（信息系统与管理学院，卡内基梅隆大学） ； Department of Mathematics, University of Southern California（数学系，南加州大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Computer Science Department, UC San Diego（计算机科学系，UCSD）
AI总结 提出MOSAIC框架，利用冻结LLM生成动态嵌入和层次预测提示，结合跨粒度一致性目标，在协作知识追踪中实现多粒度掌握估计，在多个数据集上取得SOTA。
AI系统中的失效装置
机构 * Department of Computer Science（计算机科学系） ； University of Southern California（南加州大学）
AI总结 本文提出AI系统在评估与部署环境间行为差异的共性机制——失效装置，定义了三要素判别测试，并论证其可在前沿AI系统中自然涌现，需系统监测。
Comments Final version published in Future Internet, 18(7), 339, 2026
Journal ref Future Internet, 18(7), 339 (2026)
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