自动驾驶

DRIV-EX: Counterfactual Explanations for Driving LLMs

DRIV-EX：用于驾驶LLM的反事实解释

Amaia Cardiel, Eloi Zablocki, Elias Ramzi, Eric Gaussier

机构 * Aptikal, Université Grenoble Alpes（Aptikal，格勒诺布尔大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出DRIV-EX方法，通过反事实解释研究驾驶LLM的决策过程，利用梯度优化生成语义变化的场景描述，提升解释的可理解性和鲁棒性。

Comments Accepted at ACL Findings 2026

M100: An Orchestrated Dataflow Architecture Powering General AI Computing

M100：一种赋能通用人工智能计算的协同数据流架构

Yan Xie, Changkui Mao, Changsong Wu, Chao Lu, Chao Suo, Cheng Qian, Chun Yang, Danyang Zhu, Hengchang Xiong, Hongzhan Lu, Hongzhen Liu, Jiafu Liu, Jie Chen, Jie Dai, Junfeng Tang, Kai Liu, Kun Li, Lipeng Ge, Meng Sun, Min Luo, Peng Chen, Peng Wang, Shaodong Yang, Shibin Tang, Shibo Chen, Weikang Zhang, Xiao Ling, Xiaobo Du, Xin Wu, Yang Liu, Yi Jiang, Yihua Jin, Yin Huang, Yuli Zhang, Zhen Yuan, Zhiyuan Man, Zhongxiao Yao

机构 * Li Auto 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 M100通过协同数据流架构提升自动驾驶、大语言模型等领域的AI计算效率与成本效益，采用编译器-架构协同设计优化数据传输，减少缓存依赖，提升系统性能。

Comments Accepted to appear at ISCA 2026 Industry Track. 12 pages, 16 figures

Energy-Efficient Federated Edge Learning For Small-Scale Datasets in Large IoT Networks

面向大规模物联网网络的小规模数据集的节能联邦边缘学习

Haihui Xie, Wenkun Wen, Shuwu Chen, Zhaogang Shu, Minghua Xia

机构 * College of Computer and Information Sciences, Fujian Agriculture and Forestry University（福建农林大学计算机与信息学院） ； Engineering Research Center of Smart Sensing and Agricultural Chip Technology, Fujian Province University（福建省高校智慧感知与农业芯片技术工程研究中心） ； R&D Department, Techphant Technologies Company Ltd.（广州技象科技有限公司研发部） ； School of Electronics and Information Technology, Sun Yat-sen University（中山大学电子与信息工程学院） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出一种协作优化框架，用于在小规模数据集上实现高效的联邦边缘学习，通过预期学习损失量化样本数量与学习目标的关系，并设计随机在线学习算法和资源优化问题以提升资源利用效率和学习性能。

Comments 16 pages, 9 figures. To appear in IEEE TWC

Quantum Patches: Enhancing Robustness of Quantum Machine Learning Models

量子补丁：增强量子机器学习模型的鲁棒性

Ban Q. Tran, Chuong K. Luong, Viet Q. Nguyen, Duong M. Chu, Susan Mengel

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出利用随机量子电路生成量子伪噪声，提升量子机器学习模型对对抗攻击的鲁棒性，实验显示在CIFAR-10和CINIC-10数据集上攻击率显著降低。

Comments 12 pages

Probabilistic Tree Inference Enabled by FDSOI Ferroelectric FETs

基于FDSOI铁电FETs的概率树推断

Pengyu Ren, Xingtian Wang, Boyang Cheng, Jiahui Duan, Giuk Kim, Xuezhong Niu, Halid Mulaosmanovic, Stefan Duenkel, Sven Beyer, X. Sharon Hu, Ningyuan Cao, Kai Ni

机构 * University of Notre Dame（圣母大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出一种基于FDSOI铁电FETs的硬件平台，实现概率决策树的高效推断，提供高能效的不确定性估计和噪声容忍，优于传统决策树。

FL-PBM: Pre-Training Backdoor Mitigation for Federated Learning

FL-PBM：联邦学习中的预训练后门缓解

Osama Wehbi, Sarhad Arisdakessian, Omar Abdel Wahab, Azzam Mourad, Hadi Otrok, Jamal Bentahar

机构 * Polytechnique Montréal（蒙特利尔理工学院） ； Khalifa University（哈利法大学） ； Concordia Institute for Information Systems Engineering, Concordia University（康考迪亚大学康考迪亚信息系统工程研究所） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出FL-PBM，一种在联邦学习中预训练阶段主动过滤恶意数据的机制，通过PCA提取特征、GMM聚类识别恶意样本及针对性模糊技术，有效降低后门攻击成功率，同时保持模型准确率。

Comments 12 pages, 3 figures, 1 table, 2 algorithms, Regular Journal Paper

BayesFLo: Bayesian fault localization of complex software systems

BayesFLo：复杂软件系统的贝叶斯故障定位

Yi Ji, Simon Mak, Ryan Lekivetz, Joseph Morgan

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出BayesFLo框架，通过贝叶斯模型结合领域知识，提升复杂系统故障定位的准确性与概率评估能力。

Learning to Order: Task Sequencing as In-Context Optimization

学习排序：任务序列作为上下文优化

Jan Kobiolka, Christian Frey, Arlind Kadra, Gresa Shala, Josif Grabocka

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出通过元学习方法解决任务序列排序问题，证明深度神经网络能从合成数据中学习到最优任务序列，实现少样本泛化。

Comments Under Review

GDM4MMIMO: Generative Diffusion Models for Massive MIMO Communications

GDM4MMIMO：用于大规模MIMO通信的生成扩散模型

Zhenzhou Jin, Li You, Huibin Zhou, Yuanshuo Wang, Xiaofeng Liu, Xinrui Gong, Xiqi Gao, Derrick Wing Kwan Ng, Xiang-Gen Xia

机构 * National Mobile Communications Research Laboratory, Southeast University, Nanjing 210096, China（南京东南大学国家移动通信研究实验室） ； Purple Mountain Laboratories, Nanjing 211100, China（南京紫金山实验室） ； Huawei Technologies Co., Ltd., Suzhou 215100, China（华为技术有限公司） ； School of Electrical Engineering and Telecommunications, University of New South Wales, Sydney, 2052, Australia（新南威尔士大学电子与电信学院） ； Department of Electrical and Computer Engineering, University of Delaware, Newark, DE 19716 USA（德克萨斯大学达勒姆分校电子与计算机工程系） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出利用生成扩散模型（GDM）提升大规模MIMO通信中的信道状态信息（CSI）获取效率，探讨其在近场信道估计中的应用及未来研究方向。

Comments 6 pages, 3 figures

A Shift-Invariant Deep Learning Framework for Automated Analysis of XPS Spectra

一种用于XPS光谱自动分析的不变深度学习框架

Issa Saddiq, Yuxin Fan, Robert G. Palgrave, Mark A. Isaacs, David Morgan, Keith T. Butler

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出了一种基于空间变换网络的深度学习框架，用于自动分析XPS光谱，通过校正光谱位移和识别功能基团，提高了XPS分析的自动化水平。

Transformer Actor-Critic for Efficient Freshness-Aware Resource Allocation

基于Transformer的Actor-Critic用于高效的 freshness-aware 资源分配

Maryam Ansarifard, Mohit K. Sharma, Kishor C. Joshi, George Exarchakos

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出基于Transformer的Actor-Critic框架，用于高效实现 freshness-aware 资源分配，通过注意力机制提升策略性能和可扩展性。

Comments \c{opyright} 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses. Accepted for publication in the 2026 IEEE International Conference on Machine Learning for Communication and Networking (ICMLCN)

Probabilistic Photonic Computing

概率光子计算

Frank Brückerhoff-Plückelmann, Anna P. Ovvyan, Akhil Varri, Hendrik Borras, Bernhard Klein, C. David Wright, Harish Bhaskaran, Ghazi Sarwat Syed, Abu Sebastian, Holger Fröning, Wolfram Pernice

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出利用光子计算实现低延迟、低能耗的概率计算架构，以解决传统确定性硬件在概率建模中的不足，并探讨其在人工智能系统中的应用与挑战。

Dara: Automated multiple-hypothesis phase identification and refinement from powder X-ray diffraction

Dara：从粉末X射线衍射自动识别和优化多假设相

Yuxing Fei, Matthew J. McDermott, Christopher L. Rom, Shilong Wang, Gerbrand Ceder

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 Dara通过自动化多假设相识别和优化，提升粉末X射线衍射分析的可靠性和准确性，推动全自动材料发现。

Journal ref Chem. Mater. 2026, 38, 3, 1364-1376

Toward Human-Centered Human-AI Interaction: Advances in Theoretical Frameworks and Practice

迈向以人为本的人机交互：理论框架与实践的进展

Zaifeng Gao, Yuanxiu Zhao, Hanxi Pan, Wei Xu

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出以人为本的人机协作框架，通过理论、方法和应用三个维度推动人机交互技术的发展，促进智能社会的和谐共存。

Comments in Chinese language

Quantum-Inspired Weight-Constrained Neural Network: Reducing Variable Numbers by 100x Compared to Standard Neural Networks

受量子启发的权重约束神经网络：与标准神经网络相比，变量数量减少100倍

Shaozhi Li, M Sabbir Salek, Mashrur Chowdhury, Yao Wang

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 受量子启发的权重约束神经网络通过减少变量数量提升效率，增强对抗鲁棒性，适用于工业应用。

Comments 13 pages, 12 figures

Journal ref Physical Review Research 8, 013142 (2026)

Near-Optimal Sample Complexity for Online Constrained MDPs

在线约束马尔可夫决策过程的近最优样本复杂度

Chang Liu, Yunfan Li, Lin F. Yang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出了一种基于模型的对偶算法，解决了在线约束马尔可夫决策过程的安全性问题，证明了在允许小规模违规的情况下，算法能以近最优样本复杂度生成安全策略。

Journal ref NeurIPS 2025

Sequential versus Manifold Bayesian Optimization under Realistic Experimental Time Constraints

顺序与流形贝叶斯优化在现实实验时间约束下的比较

Boris Slautin, Sergei Kalinin

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出了一种时间感知框架，用于在现实实验时间约束下比较顺序与流形贝叶斯优化，揭示了不同优化策略在不同实验条件下的最优性。

Comments 17 pages, 5 figures

From Expectation To Experience: A Before And After Survey Of Public Opinion On Autonomous Cars In Saudi Arabia

从期望到经验：沙特阿拉伯公众对自动驾驶汽车的前后调查

Mona Alfayez, Ohoud Alharbi

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本研究探讨了沙特公众在接触自动驾驶技术前后的看法，并分析了人口统计因素对接受度的影响，为政策制定者提供促进自动驾驶融入交通系统的策略。

Efficient Parallel Implementation of the Pilot Assignment Problem in Massive MIMO Systems

大规模MIMO系统中飞行员分配问题的高效并行实现

Eman Alqudah, Ashfaq Khokhar

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出了一种基于FPGA的并行优化算法，用于大规模MIMO系统中提高飞行员分配效率，显著减少收敛时间，适用于低延迟的6G无线网络。

Journal ref The 26th International Conference on Parallel and Distributed Computing 2025, Applications and Technologies

AutoMerge: Search-Based Model Merging Framework for Effective Model Reuse

AutoMerge: 基于搜索的模型合并框架，用于有效模型重用

You Lu, Jiyang Zhang, Bihuan Chen, Chaofeng Sha, Dingji Wang, Xin Peng

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 AutoMerge提出了一种基于搜索的模型合并框架，通过分割模型并系统探索合并空间，以提高不同架构模型间的重用效率。

Towards Safety-Compliant Transformer Architectures for Automotive Systems

面向汽车系统的安全合规Transformer架构

Sven Kirchner, Nils Purschke, Chengdong Wu, Alois Knoll

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出了一种安全合规的Transformer架构，通过多模态基础模型提升汽车系统的容错性和鲁棒性，实现自动驾驶中的可认证AI系统。

NeuroShield: A Neuro-Symbolic Framework for Adversarial Robustness

NeuroShield：一种用于对抗鲁棒性的神经符号框架

Ali Shafiee Sarvestani, Jason Schmidt, Arman Roohi

机构 * University of Illinois Chicago（伊利诺伊大学香槟分校） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Computer Science（计算机科学系） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 NeuroShield通过整合符号规则监督提升深度神经网络的对抗鲁棒性和可解释性，其方法在对抗攻击测试中表现出显著优势。

PANDA-film: an automated system for electrodeposition of polymer thin films and their wetting analysis

PANDA-film：一种用于聚合物薄膜电沉积及其润湿分析的自动化系统

Harley Quinn, Gregory A. Robben, Zhaoyi Zheng, Jin Yan, Yuanzhi Li, Zhaoji Yang, Maria Politi, Nadya Peek, Lilo Pozzo, Jörg G. Werner, Keith A. Brown

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 PANDA-film是一种模块化自动化系统，用于电沉积聚合物薄膜并分析其润湿性。

Comments For more information please see GitHub repository at https://github.com/BU-KABlab/PANDA-BEAR

FalconFS: Distributed File System for Large-Scale Deep Learning Pipeline

FalconFS：面向大规模深度学习流水线的分布式文件系统

Jingwei Xu, Junbin Kang, Mingkai Dong, Mingyu Liu, Lu Zhang, Shaohong Guo, Ziyan Qiu, Mingzhen You, Ziyi Tian, Anqi Yu, Tianhong Ding, Xinwei Hu, Haibo Chen

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 FalconFS是一种面向深度学习流水线优化的分布式文件系统，采用无状态客户端架构，通过服务器端路径解析和并发请求合并技术，提升吞吐量达12.81倍，并已在生产环境中运行一年。

Comments Accepted by NSDI'26

Enhancing Safety in Automated Ports: A Virtual Reality Study of Pedestrian-Autonomous Vehicle Interactions under Time Pressure, Visual Constraints, and Varying Vehicle Size

提升自动化港口的安全性：一项虚拟现实研究，探讨时间压力、视觉限制和不同车辆尺寸下行人与自动驾驶车辆的交互

Yuan Che, Mun On Wong, Xiaowei Gao, Haoyang Liang, Yun Ye

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本研究通过虚拟现实实验探讨了时间压力、视觉限制和车辆尺寸对港口行人与自动驾驶车辆交互安全的影响，提出了提升港口自动驾驶系统安全性的策略。

School Transport Electrification -- Adoption, Strategies, Methods and Policy: A Comprehensive Review

学校交通电动化——采纳、策略、方法与政策：全面综述

Megh Bahadur KC, Ziqi Song

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文综述了学校交通电动化的现状、挑战及未来策略，强调政策支持与技术创新对实现零排放目标的重要性。

Geographic-style maps with a local novelty distance help navigate the materials space

具有局部新颖距离的地理风格地图帮助导航材料空间

Daniel E Widdowson, Vitaliy A Kurlin

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出了一种基于局部新颖距离的地理风格地图，用于快速导航材料空间，帮助自动驾驶实验室识别新颖材料。

Comments 20 pages, 13 figures. The paper has been published in Scientific Reports, v.15, 27588 (2025). The latest version is maintained at http://kurlin.org/projects/computational-materials-science/navigation-maps.pdf

Journal ref Scientific Reports, v.15, 27588 (2025)

RESPOND: Risk-Enhanced Structured Pattern for LLM-driven Online Node-level Decision-making

基于风险增强的结构化模式：面向LLM驱动的在线节点级决策

Dan Chen, Heye Huang, Tiantian Chen, Zheng Li, Yongji Li, Yuhui Xu, Sikai Chen

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 RESPOND通过结构化模式和风险增强机制提升LLM驱动驾驶代理的决策精度与安全性，有效减少碰撞并实现个性化驾驶风格适应。

Comments 28 pages, 8 figures

A Survey on Uncertainty Quantification Methods for Deep Learning

Wenchong He, Zhe Jiang, Tingsong Xiao, Zelin Xu, Yukun Li

机构 * University of Florida（佛罗里达大学） ； Tufts University（塔夫茨大学） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)

Comments Accepted to ACM Computing Surveys

Auto-3DPFM: Automating Polarization-Vector Mapping at the Nanoscale

Auto-3DPFM：在纳米尺度上自动化极化矢量映射

Ralph Bulanadi, Marti Checa, Michelle Wang, Franck Rothen, John Lasseter, Sumner B. Harris, Daniel Sando, Valanoor Nagarajan, Liam Collins, Stephen Jesse, Rama Vasudevan, Yongtao Liu

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 Auto-3DPFM通过自动化技术实现纳米尺度极化矢量的高精度表征，提升铁电材料研究的效率与准确性。