机器人 / 具身智能

Unfolding an Atomistic World: Atomistic Simulation of Reactor Pressure Vessel Steel Across Year-and-Meter Scales

揭示原子世界：反应堆压力容器钢的原子模拟跨越年和米尺度

Haozhi Han, Ruge Zhang, Haoquan Chen, Yifeng Chen, Haipeng Jia, Liang Yuan, Yunquan Zhang, Ting Cao, Yunxin Liu, Ya-Qin Zhang, Kun Li

专题命中 机器人数据与评测 ：world model(abstract)

AI总结 本文提出AtomWorld框架，通过算法、HPC和应用三层协同，实现反应堆压力容器钢在年和米尺度的原子模拟，首次达到十夸脱原子系统的模拟规模，时间效率达1.71天/服务年。

Led to Mislead: Adversarial Content Injection for Attacks on Neural Ranking Models

导致误导：针对神经排序模型的对抗性内容注入攻击

Amin Bigdeli, Amir Khosrojerdi, Radin Hamidi Rad, Morteza Zihayat, Charles L. A. Clarke, Ebrahim Bagheri

机构 * University of Waterloo（滑铁卢大学） ； University of Toronto（多伦多大学） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Toronto Metropolitan University（多伦多 Metropolitan 大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出CRAFT框架，通过生成对抗性数据集、监督微调和偏好引导优化，提升对抗性攻击效果，验证了生成式AI在排序操纵中的风险。

Physics Driven Digital Twin Model for Evaluation of GNSS User Receiver Equipment

基于物理的数字孪生模型用于GNSS用户接收机设备评估

Jitu Sanwale, Mangal Kothari, Hari B. Hablani, Suresh Dahiya

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文提出一种物理一致的数字孪生框架，用于GNSS用户接收机设备的端到端建模与评估，通过轨迹驱动注入码相和多普勒动态，实现卫星轨道、用户运动与接收信号观测的一致性，验证了高动态场景下的高保真评估能力。

FinSafetyBench: Evaluating LLM Safety in Real-World Financial Scenarios

FinSafetyBench：评估LLM在现实金融场景中的安全性

Yutao Hou, Yihan Jiang, Yuhan Xie, Jian Yang, Liwen Zhang, Hailiang Huang, Guanhua Chen, Yun Chen

机构 * Shanghai University of Finance and Economics（上海财经大学） ； Beihang University（北航） ； Southern University of Science and Technology（南方科技大学） ； MoE Key Laboratory of Interdisciplinary Research of Computation and Economics（计算与经济学交叉学科研究重点实验室） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出FinSafetyBench，一个双语红队基准，用于测试LLM对违反金融合规请求的拒绝能力，揭示了对抗性提示绕过合规保障的关键漏洞及中文环境下更严重的易受攻击性。

Comments Accepted by Findings of ACL2026

SC-Taxo: Hierarchical Taxonomy Generation under Semantic Consistency Constraints using Large Language Models

SC-Taxo：基于语义一致性约束的层次化分类生成方法

Shiqiang Cai, Nianhong Niu, Shizhu He, Kang Liu, Jun Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Science and Technology Beijing（北京科技大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文提出SC-Taxo框架，利用大语言模型和层次化优化机制，解决现有分类生成方法在结构一致性和语义对齐上的不足，提升分类体系的层次性和准确性。

Comments 12 pages, 5 figures, 2 tables

BugMagnifier: TON Transaction Simulator for Revealing Smart Contract Vulnerabilities

BugMagnifier: TON交易模拟器用于揭示智能合约漏洞

Yury Yanovich, Victoria Kovalevskaya, Maksim Egorov, Elizaveta Smirnova, Matvey Mishuris, Yash Madhwal, Kirill Ziborov, Vladimir Gorgadze, Subodh Sharma

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出基于受控消息编排的动态评估方法，通过精确消息队列操作与差分状态分析结合，构建BugMagnifier框架，系统暴露异步智能合约中的执行缺陷，验证其在异步区块链环境中的有效性。

DV-World: Benchmarking Data Visualization Agents in Real-World Scenarios

DV-World：在现实场景中评估数据可视化代理的基准测试

Jinxiang Meng, Shaoping Huang, Fangyu Lei, Jingyu Guo, Haoxiang Liu, Jiahao Su, Sihan Wang, Yao Wang, Enrui Wang, Ye Yang, Hongze Chai, Jinming Lv, Anbang Yu, Huangjing Zhang, Yitong Zhang, Yiming Huang, Zeyao Ma, Shizhu He, Jun Zhao, Kang Liu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Renmin University of China（中国人民大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 DV-World通过260个任务评估数据可视化代理在现实专业生命周期中的能力，涵盖表格操作、视觉进化和意图对齐，采用混合评估框架揭示现有模型在复杂数据可视化挑战中的不足。

Poisoning Learned Index Structures: Static and Dynamic Adversarial Attacks on ALEX

毒化学习索引结构：对ALEX的静态和动态对抗攻击

Allen Jue

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文研究了对ALEX动态学习索引的静态和动态对抗攻击，通过大规模测试发现动态攻击显著降低查询性能，但攻击效果依赖于数据分布和评估方法。

Universal Network Generation Model via Exponential Probabilistic Growth and Vari-linear Preferential Attachment

通过指数概率增长与变线性优先附着生成通用网络模型

Jinhu Ren, Linyuan Lü

专题命中 机器人数据与评测 ：world model(abstract)

AI总结 本文提出变线性网络生成模型，结合指数概率增长与变线性优先附着，克服传统方法在低度区域和普遍性上的不足，实现更全面的网络描述和更高性能。

The Bitter Lesson of Diffusion Language Models for Agentic Workflows: A Comprehensive Reality Check

扩散语言模型在代理工作流中的苦涩教训：全面的现实检验

Qingyu Lu, Liang Ding, Kanjian Zhang, Jinxia Zhang, Dacheng Tao

机构 * Southeast University（东南大学） ； Alibaba（阿里巴巴） ； Southeast University Shenzhen Research Institute（东南大学深圳研究院） ； College of Computing and Data Science at Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

专题命中 机器人数据与评测 ：embodied agent(abstract)

AI总结 本文评估了扩散语言模型在代理任务中的表现，发现其在长期规划和工具调用任务中存在系统性失败，提出需整合因果推理机制以提升代理能力。

Comments ACL 2026 - Main Conference

Geometric Correction of Side-Scan Sonar Images with Image-Consistent Attitude Refinement

侧扫声呐图像的几何校正与图像一致姿态细化

Can Lei, Valerio Franchi, Hayat Rajani, Nuno Gracias, Rafael Garcia, Huigang Wang

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文提出一种侧扫声呐图像几何校正方法，通过图像一致的姿态细化减少图像条带畸变，提升几何一致性与局部结构连续性。

Odour sensing in turbulent plumes with high-speed electronic nose and non-invasive ground truth

湍流中高灵敏度电子鼻的气味传感

Nik Dennler, Elle Stark, Saimon Collaku, Lars Larson, André van Schaik, Michael Schmuker, John Crimaldi, Andreas T. Güntner, Aaron True

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出结合平面激光诱导荧光与定制MEMS电子鼻的实验数据集，用于评估传感器动态特性及开发重建算法，支持高灵敏度气味传感系统的设计与评估。

Can AI-Generated Persuasion Be Detected? Persuaficial Benchmark and AI vs. Human Linguistic Differences

AI生成的说服能否被检测？Persuaficial基准与AI与人类语言差异

Arkadiusz Modzelewski, Paweł Golik, Anna Kołos, Giovanni Da San Martino

机构 * NASK National Research Institute（波兰国家科研 institute） ； University of Padua（意大利帕多瓦大学） ； Polish-Japanese Academy of Information Technology（波兰-日本信息科技学院） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文探讨LLM生成的说服内容是否更难自动检测，通过Persuaficial基准对比人类与AI生成文本的语言差异，揭示细微说服策略对检测性能的影响。

Comments Accepted to ACL 2026 Main Conference

Capturing Monetarily Exploitable Vulnerability in Smart Contracts via Auditor Knowledge-Learning Fuzzing

通过审计员知识学习模糊化捕捉可货币化利用的漏洞

Bowen Cai, Weiheng Bai, Hangyun Tang, Youshui Lu, Kangjie Lu

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出FAUDITOR，通过整合审计报告和自学习机制，有效识别智能合约中的可货币化漏洞，发现220个零日漏洞，提升检测效率和覆盖率。

SeQuant Framework for Symbolic and Numerical Tensor Algebra. I. Core Capabilities

SeQuant框架用于符号和数值张量代数。I. 核心功能

Bimal Gaudel, Robert G. Adam, Ajay Melekamburath, Conner Masteran, Nakul Teke, Azam Besharatnik, Andreas Köhn, Edward F. Valeev

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 SeQuant框架结合符号计算与数值计算，通过图论张量网络简化张量表达式，优化Wick定理应用，并支持非协变张量网络及参数依赖张量模式，实现符号与数值计算的无缝集成。

Shill Bidding Prevention in Decentralized Auctions Using Smart Contracts

利用智能合约防止去中心化拍卖中的哄抬报价

M. A. Bouaicha, G. Destefanis, T. Montanaro, N. Lasla, L. Patrono

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出利用区块链智能合约的动态惩罚机制，通过评估九种不同竞价行为的Bid Shill Score，防止拍卖欺诈，同时保持交易成本和响应时间在可控范围内。

Journal ref Information Sciences, Volume 718, November 2025, 122374

ORBIT: Guided Agentic Orchestration for Autonomous C-to-Rust Transpilation

ORBIT: 用于自主C到Rust转换的引导代理 orchestration

Muhammad Farrukh, Baris Coskun, Tapti Palit, Michalis Polychronakis

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 ORBIT 提出一种自主代理框架，通过动态上下文收集和依赖引导 orchestration 实现项目级 C到Rust转换，显著提升大规模代码转换的准确性和安全性。

Layered Control of Partially Observed Stochastic Systems

分层控制部分观测随机系统

Charis Stamouli, Anastasios Tsiamis, George J. Pappas

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文提出一种分层控制框架，用于处理部分观测和随机噪声的系统，通过引入随机模拟函数保证各层系统输出距离的可计算界，适用于线性系统和无人机场景。

BDIViz in Action: Interactive Curation and Benchmarking for Schema Matching Methods

BDIViz在行动：交互式整理与基准测试用于模式匹配方法

Eden Wu, Christos Koutras, Cláudio T. Silva, Juliana Freire

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文提出BDIViz系统，通过交互式可视化和LLM辅助验证，解决模式匹配方法评估中的基准多样性不足问题，支持人类在循环中的基准测试和迭代匹配器开发。

SEED: A Large-Scale Benchmark for Provenance Tracing in Sequential Deepfake Facial Edits

SEED：一个大规模的面部深度伪造序列编辑溯源基准

Mengieong Hoi, Zhedong Zheng, Ping Liu, Wei Liu

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 SEED通过多步扩散编辑流程生成90000张图像，包含编辑顺序、文本指令等细粒度标注，用于研究序列溯源和伪造检测，揭示空间与频域特征在深度伪造分析中的作用。

Unreal Thinking: Chain-of-Thought Hijacking via Two-stage Backdoor

Unreal Thinking: 通过两阶段后门实现链式思维劫持

Wenhan Chang, Tianqing Zhu, Ping Xiong, Faqian Guan, Wanlei Zhou

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出MRTS和TSBH方法，解决LLM链式思维劫持中的数据稀缺和稳定性问题，通过生成对齐的CoT实现可控的恶意行为诱导，并提供安全推理数据集和缓解方法。

Comments 18 pages, 4 figures

A Neuromodulable Current-Mode Silicon Neuron for Robust and Adaptive Neuromorphic Systems

一种可调节的电流模式硅神经元用于鲁棒和自适应的神经形态系统

Loris Mendolia, Chenxi Wen, Elisabetta Chicca, Giacomo Indiveri, Rodolphe Sepulchre, Jean-Michel Redouté, Alessio Franci

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出了一种新型电流模式神经元设计，通过最小化模型复杂度实现鲁棒的神经调节，适用于标准CMOS技术，实验验证其在多种参数下的生物合理调节能力。

Comments 23 pages, 14 figures

Practical Universal Tracking With Pivoted Unidirectional Actuation

实用的普遍跟踪与偏转单向作动器

Ian J. Willebeek-LeMair, Craig A. Woolsey

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文针对配备偏转单向作动器的机器人车辆的跟踪控制问题，重新设计控制律以兼容偏转作动器，并通过仿真验证理论。

Comments 8 pages, 5 figures, Submitted to the 65th IEEE Conference on Decision and Control. This work has been submitted to the IEEE for possible publication

ADAPT: AI-Driven Decentralized Adaptive Publishing Testbed

ADAPT：人工智能驱动的去中心化自适应出版测试床

Md Motaleb Hossen Manik, Ge Wang

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出ADAPT测试床，通过去中心化代理模型改进学术出版流程，实现系统自适应与可审计性，验证了在不同运营模式下对出版积压、评审压力等的应对能力。

A Differentiable Framework for Gradient Enhanced Damage with Physics-Augmented Neural Networks in JAX-FEM

一种基于物理增强神经网络的可微框架用于梯度增强损伤（JAX-FEM）

Mark Wilkinson, Amirhossein Amiri-Hezaveh, Adrian Buganza Tepole

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出一种可微框架，结合物理增强神经网络和梯度增强损伤模型，实现软材料损伤模拟，解决传统方法在构造热力学一致本构模型和网格依赖性方面的难题。

A Unified Architecture for N-Dimensional Visualization and Simulation: 4D Implementation and Evaluation including Boolean Operations

一种用于N维可视化和模拟的统一架构：4D实现与评估，包括布尔运算

Hirohito Arai

专题命中 机器人数据与评测 ：navigation(abstract)

AI总结 本文提出了一种基于N维空间设计的统一可视化与模拟软件架构，整合了凸包网格生成、布尔运算、高维探索坐标变换和超平面切片等核心方法，定义了Plex文件格式，并通过4D实现验证了架构的维度独立性。

Comments 18 pages, 9 figures, 5 tables v4: Clarified scope (4D evaluation) and fixed some expression. Under review at IEEE Access

Topology-First B-Rep Meshing

以拓扑优先的B-Rep网格化

YunFan Zhou, Daniel Zint, Nafiseh Izadyar, Michael Tao, Daniele Panozzo, Teseo Schneider

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出以拓扑优先的B-Rep网格化方法，通过强制保持B-Rep拓扑结构，实现网格生成的拓扑正确性，避免传统方法中因几何近似导致的拓扑错误。

ACCOR: Attention-Enhanced Complex-Valued Contrastive Learning for Occluded Object Classification Using mmWave Radar IQ Signals

ACCOR：基于毫米波雷达IQ信号的增强注意力复杂值对比学习用于遮挡物体分类

Stefan Hägele, Adam Misik, Constantin Patsch, Eckehard Steinbach

专题命中 机器人数据与评测 ：robotic(abstract)

AI总结 本文提出ACCOR，一种基于复杂值对比学习的增强注意力方法，利用毫米波雷达IQ信号实现遮挡物体分类，通过复杂值CNN、多头注意力层和混合损失提升分类性能，实验显示在64GHz和67GHz频段均取得较高准确率。

Comments 9 pages, 8 figures

Approximating Analytically-Intractable Likelihood Densities with Deterministic Arithmetic for Optimal Particle Filtering

用确定性算术近似解析不可行的似然密度以实现最优粒子滤波

Orestis Kaparounakis, Yunqi Zhang, Phillip Stanley-Marbell

专题命中 机器人数据与评测 ：robotics(abstract)

AI总结 本文提出一种新的粒子滤波方法，通过确定性计算平台近似任意似然密度，提升实时处理效率和精度，实验显示其在速度和精度上均优于传统蒙特卡洛方法。

Reviewing Scientific Papers for Critical Problems With Reasoning LLMs: Baseline Approaches and Automatic Evaluation

利用推理LLM审查科学论文中的关键问题：基线方法与自动评估

Tianmai M. Zhang, Neil F. Abernethy

机构 * University of Washington（华盛顿大学） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)

AI总结 本文提出利用推理LLM作为论文质量检查器，介绍基线方法和自动评估框架，通过arXiv论文验证方法，并评估其在识别科学论文关键错误中的性能。

Comments Accepted and presented at NeurIPS 2025 AI for Science Workshop