Strategic Data Augmentation with CTGAN for Smart Manufacturing: Enhancing Machine Learning Predictions of Paper Breaks in Pulp-and-Paper Production
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
视觉与机器人
世界模型
面向环境建模、时序预测、仿真规划、具身智能和自动驾驶的世界模型方法与应用。
1. 通用世界模型 4349 篇
Annotation-Assisted Learning of Treatment Policies From Multimodal Electronic Health Records
借助注释的学习：从多模态电子健康记录中学习治疗策略
机构 * Department of Information Technology Ghent University - imec（信息科技系根特大学 - imec）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 本文提出AACE方法，通过专家注释辅助学习多模态EHR中的因果策略，提升治疗决策效果。
Comments Accepted at Machine Learning for Healthcare (MLHC) 2026
Offline-to-Online Creative Optimization with Generative Models and Adaptive Testing
基于生成模型和自适应测试的离线到在线创意优化
机构 * University of Michigan（密歇根大学） ； Meta
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 研究如何利用历史A/B测试数据，通过性能驱动的离线到在线工作流程，用预测模型指导生成测试广告位候选创意，经实验验证该方法能有效提升创意参与度，为创意优化提供设计原则。
Low-Altitude Channel Multipath Prediction via Panoramic Perception and Vision-Language Model
通过全景感知和视觉语言模型进行低空信道多径预测
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.CV
AI总结 针对无人机通信中传统信道预测方法的局限，提出基于全景感知和视觉语言模型的PanoLAMP框架，利用预训练模型及全景观测捕捉特征预测多径参数，实验显示其在多径参数、统计指标及泛化性上表现出色。
Trustworthy Privacy-Preserving Multimodal Federated Learning for Personalised Breast Cancer Prediction
用于个性化乳腺癌预测的可信隐私保护多模态联邦学习
机构 * NTU（南洋理工大学）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 研究探讨联邦学习能否兼顾四个关键支柱，支持乳腺癌患者肿瘤进展预测模型开发。通过多模态数据评估联邦学习框架，与集中式模型比较性能，并研究相关策略，结果助于理解隐私保护多模态预测建模可行性及支持未来应用。
Comments 26 pages, 12 figures
A Unified Survival Benchmark for Temporal Dropout Risk Prediction in Learning Analytics
学习分析中的时间辍学风险：跨动态与早期窗口表示的协调生存基准
机构 * Applied Data Science Program（应用数据科学项目） ； Eastern University（东部大学）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 本研究使用OULAD数据集，通过协调的生存分析基准（包括动态周表示和连续时间表示）评估辍学风险模型，发现时间行为特征比静态背景属性更具预测力。
Comments 64 pages, 11 figures, 20 tables, 63 references. Survival analysis benchmark for student dropout prediction using OULAD dataset
A Model-Free Universal AI
无模型通用人工智能
机构 * Graduate School of AI, KAIST（韩国科学技术院人工智能研究生院）
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.AI
AI总结 提出首个在通用强化学习中证明渐近ε最优的无模型智能体AIQI，通过分布动作值函数的通用归纳实现，并扩展了Self-AIXI的渐近最优性证明。
Comments 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026)
DrugAgent: Reliable Multi-Agent Integration of Conflicting Biomedical Evidence for Drug-Target Interaction Assessment
DrugAgent：用于药物-靶点相互作用评估的冲突生物医学证据的可靠多智能体整合
机构 * Department of Computer Science and Engineering, University of Minnesota（计算机科学与工程系，明尼苏达大学） ； Computational Biology Branch, National Library of Medicine（国家医学图书馆计算生物学分支） ； Khoury College of Computer Sciences, Northeastern University（东北大学计算机科学学院） ； State Key Laboratory for Novel Software Technology at Nanjing University, School of Computer Science, Nanjing University（南京大学新型软件技术国家重点实验室，南京大学计算机科学学院） ； Developmental Therapeutics Branch, National Cancer Institute（国家癌症研究所发育治疗分支）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 研究药物-靶点相互作用评估中整合异构数据问题，核心方法是基于大语言模型的多智能体系统DrugAgent，贡献是能进行异构证据支持的DTI评估，补充独立DTI预测，还提供相关策略。
On the Equilibrium between Feasible Zone and Uncertain Model in Safe Exploration
在安全探索中可行区域与不确定模型之间的平衡
机构 * School of Vehicle and Mobility and State Key Lab of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing, 100084, China（车辆与移动系统学院和智能绿色车辆与移动系统国家重点实验室，清华大学，北京，100084，中国）
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.LG
AI总结 本文提出安全平衡探索框架SEE，通过交替寻找最大可行区域和最不确定的模型，证明其在安全探索中达到平衡。实验显示算法能零约束违规扩展可行区域。
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 48(7), 8344-8360 (2026)
SoK: The Pitfalls of Deep Reinforcement Learning for Cybersecurity
SoK: 深度强化学习在网络安全中的陷阱
机构 * King’s College London（伦敦国王学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； University College London（伦敦大学学院） ； Cardiff University（卡迪夫大学） ； KU Leuven（鲁汶大学） ； Devotion AI Labs（Devotion AI 实验室）
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.LG
AI总结 本文系统梳理了深度强化学习应用于网络安全时的11个方法学陷阱，通过分析66篇论文量化其普遍性，并在三个典型场景中实验验证其影响，最后提出改进建议。
Comments Accepted at USENIX Security 2026
Model Validation of Agentic AI Systems: A POMDP-Based Framework for Belief-State, Forecast, and Policy Validation
智能体AI系统的模型验证：基于POMDP的信念状态、预测与策略验证框架
机构 * Quiota LLC（Quiota公司）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 提出基于部分可观测马尔可夫决策过程（POMDP）的智能体AI模型验证框架，将自主决策分解为信息、信念、预测、动作和效用组件独立验证，并通过投资组合管理案例展示其有效性。
Comments 28 pages, 3 figures, 6 tables. Source code available from https://github.com/mfrdixon/agentic-AI-as-POMDP
Automated Digital Twin Construction for Highway Scenarios Using LiDAR Point Clouds and OpenStreetMap
基于LiDAR点云和OpenStreetMap的高速公路场景自动数字孪生构建
机构 * Institute of Automotive Engineering, Graz University of Technology（格拉茨技术大学汽车工程研究所） ； School of Intelligent Connected Vehicle, Hubei University of Automotive Technology（湖北汽车工业学院智能网联汽车学院） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（慕尼黑工业大学自动驾驶系统教席）
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.RO
AI总结 提出融合LiDAR点云与OpenStreetMap数据的自动化流程，生成地理参考的ASAM OpenDRIVE高速公路地图，实现车道级几何与拓扑的完整建模，平均横向RMSE为0.740米。
Comments 9 pages, 5 figures
Hybrid NARX-LLM for Greenland Iceberg Discharge: Prompt-Driven Residual Correction
混合NARX-LLM用于格陵兰冰山排放：提示驱动的残差校正
机构 * Heriot-Watt University（赫瑞瓦特大学） ； StudioYG
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 提出混合NARX-LLM框架，结合非线性自回归模型与大型语言模型进行残差校正，并引入物理信息提示方法，用于建模格陵兰冰山排放的复杂非线性动态，提升预测准确性。
Enabling Granular Subgroup Level Model Evaluations by Generating Synthetic Medical Time Series
通过生成合成医疗时间序列实现细粒度亚组级别模型评估
机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University（数据科学研究所，科学与工程学院，马斯特里赫特大学） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University（先进计算科学系，科学与工程学院，马斯特里赫特大学） ； VITO（VITO研究院）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 本文提出一种框架，利用合成ICU时间序列数据训练和评估预测模型，特别是在细粒度人口亚组中。引入Enhanced TimeAutoDiff，通过分布对齐惩罚增强潜在扩散目标，减少真实-合成与真实-真实评估差距，提升亚组模型评估的鲁棒性和可靠性。
Toward Trustworthy AI: Multi-Target Adversarial Attacks and Robust Defenses for Continuous Data Summarization
迈向可信赖的人工智能：针对连续数据摘要的多目标对抗攻击与鲁棒防御
机构 * Nankai University（南开大学） ； James Cook University（詹姆斯库克大学） ； Western Sydney University（西悉尼大学） ； Beijing University of Technology（北京工业大学） ； Fuzhou University（福州大学） ； Nanjing University of Science and Technology（南京理工大学） ； CSIRO's Data 61（澳大利亚联邦科学与工业研究组织Data61） ； The University of Adelaide（阿德莱德大学）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 研究通过DR-子模优化在相似性层面扰动下对连续数据摘要进行对抗攻击，提出多目标攻击生成和鲁棒防御的近似算法，实验表明攻击有效且防御能改善鲁棒性-缓解权衡。
Comments Submitted to IEEE Transactions on Information Forensics and Security (IEEE TIFS)
Radiomic Feature Selection Using Gradient Loss of Deep Neural Network for Lung Cancer Stage Detection
基于深度神经网络梯度损失的放射组学特征选择用于肺癌分期检测
机构 * Department of Software Engineering, Bahria University（巴尔ia大学软件工程系） ； Global College of Engineering and Technology（全球工程与技术学院） ； Software Engineering & Business Incubation Center, Bahria University（软件工程与企业孵化中心，巴尔ia大学）
专题命中 通用世界模型 ：分类 cs.LG、cs.CV；predictive model(abstract)；predictive models(abstract)
AI总结 提出GL-RFE框架，利用深度神经网络梯度敏感性分析递归消除低贡献特征，从106个放射组学特征中选出前15个用于肺癌早晚期分类，准确率达90.22%。
Journal ref J. Vis. Exp. (230), e70181, (2026)
epiGPTope: A machine learning-based epitope generator and classifier
epiGPTope: 一种基于机器学习的表位生成器和分类器
机构 * Multiverse Computing（多维计算公司） ； Centre for Cooperative Research in Biomaterials (CIC biomaGUNE)（生物材料联合研究中心） ； Basque Research and Technology Alliance (BRTA)（巴斯克研究与技术联盟） ； Donostia International Physics Center（多斯蒂亚国际物理中心） ； Ikerbasque Foundation for Science（伊kerbasque科学基金会） ； IKERBASQUE（伊kerbasque）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 提出基于大型语言模型epiGPTope，通过预训练和微调直接生成新型表位序列，并结合统计分类器预测表位来源（细菌或病毒），以加速合成表位库的构建和筛选。
Comments 11 pages, 4 figures. Supplementary Information with 5 pages, 4 figures
Journal ref ACS Synthetic Biology 2026 15 (2), 631-642
Mean-field Games for Bio-inspired Collective Decision-making in Dynamical Networks
基于生物启发的动态网络中集体决策的均场博弈
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.MA
AI总结 本文研究了动态网络中集体决策问题，提出均场博弈模型结合宏观与微观动态，分析了蜂群、病毒传播和智能电网故障的均场模型，并通过数值分析探讨了网络攻击对频率的影响。
A Unified Gas Kinetic Scheme for Multi-scale and Multi-component Plasma Transport
多尺度多组分等离子体输运的统一气体动力学方案
专题命中 通用世界模型 ：environment model(abstract)；simulation model(abstract)
AI总结 本文提出一种统一气体动力学方案，用于多尺度多组分等离子体输运模拟，通过直接建模方法结合Vlasov-BGK方程和Maxwell方程，实现不同尺度下的等离子体模拟，并验证了其在多种物理现象中的有效性。
Journal ref Communications in Computational Physics 22.5 (2017): 1175-1223
Easy-to-Use Shielding for Reinforcement Learning
易于使用的强化学习屏蔽技术
机构 * Institute of Information Security, Graz University of Technology（信息安全研究所，格拉茨技术大学）
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.LG
AI总结 提出tempestpy库，将形式化屏蔽合成集成到Gymnasium API中，降低强化学习安全探索的门槛，并扩展了随机多人博弈的屏蔽算法。
Aligning Data-Driven Predictors with Allocation: A Decision-Focused Approach to Survival Analysis
对齐数据驱动预测器与分配：面向决策的生存分析方法
机构 * Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA（计算机科学系，卡内基梅隆大学，匹兹堡，PA） ； Strategy Robot, Inc.（策略机器人公司） ； Strategic Machine, Inc.（战略机器公司） ； Optimized Markets, Inc.（优化市场公司）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 针对生存分析中预测模型与分配决策目标不一致的问题，提出基于归一化折现累积增益（NDCG）的决策聚焦学习方法，通过优化NDCG提升分配效果，在心脏移植数据上使基线模型NDCG提升50-100%。
GeoMAE: Masking Representation Learning for Spatio-Temporal Graph Forecasting with Missing Values
GeoMAE：面向缺失值的时空图预测的掩码表示学习
机构 * College of Computer and Data Science, Fuzhou University（福州大学计算机与数据科学学院） ； JD Intelligent Cities Research（京东智能城市研究院） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Normal University（北京师范大学）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 提出GeoMAE自监督模型，通过输入预处理、注意力时空预测网络和掩码自编码器辅助任务，解决缺失数据下的时空图预测问题，在真实数据集上相对最优基线提升13.20%。
Comments 34 pages for pre-print version. This work has been published in *Neural Networks*. Please check the latest version via the following DOI
Explainable AI for Data-Driven Design of High-Dimensional Predictive Studies
为高维预测研究的数据驱动设计开发可解释的AI
机构 * School of Engineering, University of Edinburgh（爱丁堡大学工程学院） ； Causality in Healthcare AI Hub (CHAI)（医疗因果AI枢纽） ； Advanced Care Research Centre, Usher School of Population Health Sciences, University of Edinburgh（先进护理研究中心，乌瑟人口健康科学学院，爱丁堡大学） ； Centre for Medical Informatics, Usher School of Population Health Sciences, University of Edinburgh（医学信息学中心，乌瑟人口健康科学学院，爱丁堡大学）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 本文提出了一种可解释的AI推荐系统，通过数据驱动的方法改进现有可解释统计模型的预测性能，主要贡献是通过可解释AI技术提供三种推荐类型以提高模型的预测能力和透明度。
Comments 41 pages, 7 figures
Needles in the Landscape: Semi-Supervised Pseudolabeling for Archaeological Site Discovery under Label Scarcity
景观中的针：在标签稀缺条件下用于考古遗址发现的半监督伪标签方法
机构 * Sensors, Royal Military Academy, Brussels, Belgium AMGC (Archaeology, Environmental Changes \& Geo-Chemistry), Vrije Universiteit Brussel Max Planck Institute of Geoanthropology, Jena, Germany Shared first author Shared last author
专题命中 通用世界模型 ：分类 cs.AI、cs.LG、cs.CV；predictive model(abstract)
AI总结 本文提出了一种非对称双伪标签（DPL）方法，通过端到端深度学习直接从多波段遥感影像中学习稀疏正样本，无需人工特征工程或对遗址不存在的假设，在两个著名的考古数据集上进行了评估。DPL在Sagalassos数据集上优于LAMAP基线，在F1和召回率上分别提高了12%和29%，而在Cyprus数据集上，DPL在无确认负样本的纯PU设置中恢复了判别能力。DPL的集成产生可解释的概率表面，支持调查规划，从最小的标记数据中有效发现遗址。
Code as Agent Harness
代码作为代理工具
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta ； Stanford University（斯坦福大学）
专题命中 通用世界模型 ：environment model(abstract)；分类 cs.AI
AI总结 本文探讨了代码在代理系统中的作用，提出了一种统一的视角，将代码视为代理基础设施的基础，并讨论了代理工具接口、机制以及扩展到多代理系统的挑战。
Comments GitHub: https://github.com/YennNing/Awesome-Code-as-Agent-Harness-Papers
WELD: The First Naturalistic Long-Period Small-Team Workplace Emotion Dataset for Ubiquitous Affective Computing
WELD：首个自然长期小团队工作场所情感数据集用于无处不在的情感计算
机构 * AnHui Province Key Laboratory of Affective Computing and Advanced Intelligent Machines, School of Computer Science and Information Engineering, Hefei University of Technology（安徽省情感计算与先进智能机器重点实验室，计算机科学与信息工程学院，合肥工业大学）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 WELD是首个自然长期小团队工作场所情感数据集，包含733780个每帧七类面部表情概率向量，用于支持长期情感计算研究，验证了三个已知现象并发现四个新结果。
Comments v2: Major revision. 30-month report with full ethics framework, 4-tier access model, variance decomposition, HMM regime discovery, AUC=0.79 vs C-index=0.52 turnover-prediction methodology audit, and Asian-neutral-face FER bias finding. Companion: arXiv:2510.16046. 49 employees, 733,780 records, 17 pages. Submitted to IEEE TAFFC
Uncertainty Quantification as a Principled Foundation for Explainable Artificial Intelligence: A Case Study of Counterfactual Explanations
不确定性量化作为可解释人工智能的原理性基础：反事实解释的案例研究
机构 * Department of Informatics, USI Lugano（乌里大学信息学院） ； Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Institute of Informatics, LMU Munich（慕尼黑大学信息研究所）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 本文通过反事实可解释性中的不确定性量化，展示其作为统一框架的潜力，提出两种解释器变体，并证明其在性能上优于现有方法。
DrugSAGE:Self-evolving Agent Experience for Efficient State-of-the-Art Drug Discovery
DrugSAGE: 自演化代理经验用于高效前沿药物发现
机构 * Northeastern University（东北大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） ； Yale University（耶鲁大学） ； Microsoft Research New England（微软研究院新英格兰分部）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 DrugSAGE通过自演化代理经验框架，高效构建前沿药物发现模型，跨任务记忆提升模型性能，实现零次搜索下的显著优势。
Matrix-Space Reinforcement Learning for Reusing Local Transition Geometry
矩阵空间强化学习用于重用局部转移几何
机构 * The George Washington University（乔治·华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 本文提出矩阵空间强化学习（MSRL），通过正定矩阵描述轨迹片段，提取共享结构并支持抽象矩阵空间中的代数组合，实现在新任务中的迁移学习。
Rethinking external validation for the target population: Capturing patient-level similarity with a generative model
重新思考目标人群的外部验证：利用生成模型捕捉患者层面的相似性
机构 * Amsterdam UMC location University of Amsterdam, Dept of Medical Informatics（阿姆斯特丹大学医学中心（Amsterdam UMC）医学信息学系） ； Amsterdam Public Health Research Institute（阿姆斯特丹公共卫生研究所） ； Netherlands Heart Registration (NHR)（荷兰心脏登记处） ； Amsterdam UMC, Dept of Cardiology（阿姆斯特丹大学医学中心（Amsterdam UMC）心内科部） ； Institute for Logic, Language and Computation, University of Amsterdam（阿姆斯特丹大学逻辑、语言和计算研究所）
专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)
AI总结 本文提出利用生成模型量化外部患者与开发数据的相似性，以区分模型缺陷与病例混合效应，提升外部验证的可解释性。
