VerLM: Explaining Face Verification Using Natural Language
通过自然语言解释面部验证
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一种视觉-语言模型用于面部验证，通过自然语言解释决策过程，提升验证的透明度和可靠性。
高校专区
Carnegie Mellon University（卡内基梅隆大学）
Unsupervised SE(3) Disentanglement for in situ Macromolecular Morphology Identification from Cryo-Electron Tomography
无监督SE(3)解耦用于从冷冻电镜成像中识别原位大分子形态
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Indian Institute of Technology (IIT)（印度理工学院） ； Division of CryoEM and Bioimaging SSRL SLAC National Accelerator Laboratory Stanford University（冷冻电镜与生物成像部SLAC国家加速器实验室斯坦福大学）
AI总结 本文提出了一种无监督的SE(3)解耦框架，用于从冷冻电镜成像中识别原位大分子形态，通过分离SE(3)变换与形态内容，提高了噪声数据下的形态识别效果。
LLM Interpretability with Identifiable Temporal-Instantaneous Representation
基于可识别的时间-瞬时表示的LLM可解释性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出了一种针对LLM高维概念空间的可识别时间因果表示学习框架，通过结合SAE技术，提升了LLM的可解释性。
Comments NeurIPS 2025
Beyond Expectations: Learning with Stochastic Dominance Made Practical
超越期望：使随机支配成为可能的学习
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Google Research（谷歌研究） ； Google（谷歌） ； University of Alberta（阿尔伯塔大学） ； Carnegie Mellon（卡内基梅隆大学） ； Georgia Tech（佐治亚理工学院）
AI总结 本文提出了一种基于随机支配的通用学习框架，通过推广随机支配概念并开发高效计算方法，实现了在多种学习任务中更优的风险权衡。
HCVP: Leveraging Hierarchical Contrastive Visual Prompt for Domain Generalization
HCVP：利用层次对比视觉提示进行领域泛化
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； University of New South Wales（新南威尔士大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； CSIRO’s Data61（CSIRO数据61） ； University of Sydney（悉尼大学） ； Macquarie University（麦考瑞大学）
AI总结 HCVP通过层次对比视觉提示方法提升领域泛化能力，有效分离不变特征与特定特征，优于现有算法。
