Goal-based Neural Physics Vehicle Trajectory Prediction Model
基于目标的神经物理车辆轨迹预测模型
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Southeast University（东南大学）
AI总结 本文提出GNP模型，通过两阶段预测车辆目标和轨迹，提升长短期预测精度与可解释性。
高校专区
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
ReactBench: A Benchmark for Topological Reasoning in MLLMs on Chemical Reaction Diagrams
ReactBench: 一种用于在化学反应图上进行拓扑推理的MLLMs基准测试
机构 * International Digital Economy Academy（国际数字经济学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 ReactBench通过化学反应图揭示MLLMs在拓扑推理中的局限性，包含1618个专家标注的问答对，评估17种MLLMs显示锚定任务与整体结构推理任务存在超过30%的性能差距。
PolicyBank: Evolving Policy Understanding for LLM Agents
PolicyBank: 为LLM代理演化政策理解
机构 * Google Cloud（谷歌云） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 研究通过交互与反馈让LLM代理自主优化政策解读，提出PolicyBank机制以结构化存储政策洞察并迭代完善，有效填补规范缺口。
The Blind Spot of Agent Safety: How Benign User Instructions Expose Critical Vulnerabilities in Computer-Use Agents
智能体安全的盲点：良性用户指令如何暴露计算机使用智能体的关键漏洞
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Minnesota（明尼苏达大学） ； University of Southern California（南加州大学） ； McGill University（麦吉尔大学） ； Mila（Mila研究院） ； MBZUAI（MBZUAI研究院）
AI总结 研究揭示了良性用户指令下智能体安全漏洞，提出OS-BLIND基准测试，发现多数智能体在攻击条件下成功率高达90%以上，且在多智能体系统中风险加剧，现有安全措施效果有限。
Comments 63 pages
SignX: Continuous Sign Recognition in Compact Pose-Rich Latent Space
SignX：在紧凑的姿态丰富潜在空间中实现连续手语识别
机构 * Rutgers University（罗格斯大学） ； Nanyang Technological University（南洋理工大学） ； Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Wisconsin--Madison（威斯康星大学麦迪逊分校） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出SignX框架，通过统一潜在表示和ViT模型实现高效连续手语识别，显著降低计算消耗并在翻译任务中达到SOTA准确率。
Comments 33 pages, CSLR SOTA (2026). More demo at https://signerx.github.io/SignX/
