高校专区
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。
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。
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。
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。
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)
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
一个镜头，多个世界：面向世界模型可解释性的能力类型接口
机构 * New York University（纽约大学） ； Independent Researcher（独立研究者） ； Veermata Jijabai Technological Institute（韦尔玛塔·吉贾拜技术学院） ； Mercity ； University of Southern California（南加州大学） ； Independent Researcher, MIT（麻省理工学院独立研究者） ； Independent Researcher, GITAM（GITAM独立研究者） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出WorldModelLens，通过能力类型适配器统一不同世界模型（如PlaNet、IRIS、I-JEPA）的可解释性分析，避免重复实现。
基于梯度提升与无分布覆盖的非酒精性脂肪肝病共形风险预测
机构 * University of Southern California（南加州大学）
AI总结 提出结合梯度提升决策树与共形预测的机器学习框架Method，实现非酒精性脂肪肝病个体风险的无分布校准覆盖预测，在中国多中心队列中AUROC达0.912，优于多种方法。
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
ReCoVLA: VLM引导的奖励编译用于视觉-语言-动作策略的故障恢复
机构 * University of Southern California（南加州大学） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； Harvard University（哈佛大学）
AI总结 提出ReCoVLA框架，通过冻结预训练VLA策略，利用外部VLM推断故障模式并编译结构化奖励，训练残差恢复策略，实现零样本仿真到真实部署，在多种操作任务中提升成功率。
Comments 19 pages, 7 figures
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