Carnegie Mellon University（卡内基梅隆大学）

Cost-aware LLM-based Online Dataset Annotation

面向成本的基于大语言模型的在线数据集标注

Eray Can Elumar, Cem Tekin, Osman Yagan

机构 * Dept. of Electrical and Computer Engineering（电气与计算机工程系） ； Carnegie Mellon University（卡内基梅隆大学） ； Dept. of Electrical Engineering（电气工程系） ； Bilkent University（比尔肯特大学） 纠错

AI总结 本文提出CaMVo框架，通过自适应选择LLM子集降低标注成本，实现高效准确的数据集标注。

Journal ref In The Thirty-ninth Annual Conference on Neural Information Processing Systems, 2025. URL https://openreview.net/forum?id=3AdTRYA2uJ

In-context Learning of Evolving Data Streams with Tabular Foundational Models

在上下文学习中学习演变数据流的表格基础模型

Afonso Lourenço, João Gama, Eric P. Xing, Goreti Marreiros

机构 * INESC-TEC, FEP, University of Porto（INESC-TEC、FEP、葡萄牙波尔图大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出利用表格基础模型和上下文学习方法，通过滑动内存策略在动态环境中实现高效的数据流处理，优于传统集成方法。

Comments Accepted at 32nd SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

Can You Keep a Secret? Exploring AI for Care Coordination in Cognitive Decline

你能保密吗？探索人工智能在认知衰退中的护理协调

Alicia, Lee, Mai Lee Chang, Sreehana Mandava, Destiny Deshields, Hugo Simão, Aaron Steinfeld, Jodi Forlizzi, John Zimmerman

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Maryland（马里兰大学） 纠错

AI总结 本文探讨人工智能如何通过搭便车策略帮助认知衰退老年人协调护理，以减少照护负担并延长其在家中生活的可能性。

Comments 13 pages, 6 figures

Autonomously Unweaving Multiple Cables Using Visual Feedback

自主利用视觉反馈解缠多根电缆

Tina Tian, Xinyu Wang, Andrew L. Orekhov, Fujun Ruan, Lu Li, Oliver Kroemer, Howie Choset

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 本文提出了一种利用视觉反馈解缠多根松散缠绕电缆的方法，通过状态转移模型优化动作选择，实现了84%的成功率。

Comments 6 pages, 5 figures

SuperGen: An Efficient Ultra-high-resolution Video Generation System with Sketching and Tiling

SuperGen: 一种高效的超高清视频生成系统，支持草图和分块

Fanjiang Ye, Zepeng Zhao, Yi Mu, Jucheng Shen, Renjie Li, Kaijian Wang, Saurabh Agarwal, Myungjin Lee, Triston Cao, Aditya Akella, Arvind Krishnamurthy, T. S. Eugene Ng, Zhengzhong Tu, Yuke Wang

机构 * Rice University（里士满大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德克萨斯农工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco（思科公司） ； NVIDIA（英伟达公司） ； University of Washington（华盛顿大学） 纠错

AI总结 SuperGen通过分块技术实现高效超高清视频生成，无需额外训练，降低计算和内存成本，提升生成速度和质量。

SoMi-ToM: Evaluating Multi-Perspective Theory of Mind in Embodied Social Interactions

SoMi-ToM：评估具身社会互动中的多视角理论之心假设

Xianzhe Fan, Xuhui Zhou, Chuanyang Jin, Kolby Nottingham, Hao Zhu, Maarten Sap

机构 * The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California Irvine（加州大学尔湾分校） ； Stanford University（斯坦福大学） 纠错

AI总结 SoMi-ToM基准通过多视角评估人类与模型在具身社会互动中的理论之心能力，揭示大型视觉-语言模型在复杂社交场景中的不足。

Comments 24 pages, 6 figures

Journal ref Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Generalizing Safety Beyond Collision-Avoidance via Latent-Space Reachability Analysis

通过潜在空间可达性分析超越碰撞回避的安全性泛化

Kensuke Nakamura, Lasse Peters, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 本文提出潜在安全过滤器，通过潜在空间可达性分析，使机器人能自动计算安全动作，防止难以手动编写但可通过高维观测识别的故障。

Comments 9 figures, 7 tables, RSS 2025

Journal ref Proceedings of Robotics: Science and Systems, 2025

State Combinatorial Generalization In Decision Making With Conditional Diffusion Models

决策中的状态组合泛化与条件扩散模型

Xintong Duan, Yutong He, Fahim Tajwar, Wen-Tse Chen, Ruslan Salakhutdinov, Jeff Schneider

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出利用条件扩散模型实现决策中的状态组合泛化，通过实验展示其在多环境中的优越性能。

Comments Accepted to Transactions on Machine Learning Research (TMLR), 2025

Fine Tuning Swimming Locomotion Learned from Mosquito Larvae

基于蚊幼虫学习的游泳运动微调

Pranav Rajbhandari, Karthick Dhileep, Sridhar Ravi, Donald Sofge

机构 * Department of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学系） ； School of Engineering and Technology, University of New South Wales（新南威尔士大学工程与技术学院） ； Naval Research Laboratory（海军研究实验室） 纠错

AI总结 本文通过强化学习优化蚊幼虫学习的游泳运动，利用深度学习模型减少计算成本，提升参数化游泳运动的效率。