Carnegie Mellon University（卡内基梅隆大学）

Older Adults' Preferences for Feedback Cadence from an Exercise Coach Robot

老年人对健身教练机器人类反馈节奏的偏好

Roshni Kaushik, Reid Simmons

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

AI总结 研究探讨老年人对健身教练机器人不同节奏反馈的偏好，发现改变反馈节奏会影响两种模式的感知，为优化反馈频率提供依据。

Comments Nonarchival submission to RO-MAN 2024 - poster session

LLM Review: Enhancing Creative Writing via Blind Peer Review Feedback

LLM Review: 通过盲审同行反馈增强创造性写作

Weiyue Li, Mingxiao Song, Zhenda Shen, Dachuan Zhao, Yunfan Long, Yi Li, Yongce Li, Ruyi Yang, Mengyu Wang

机构 * Harvard University（哈佛大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） 纠错

AI总结 LLM Review通过盲审同行反馈机制提升创造性写作，实验显示其优于多智能体基线，并使小模型超越大模型。

Coupled Diffusion-Encoder Models for Reconstruction of Flow Fields

耦合扩散-编码器模型用于流场重建

AmirPouya Hemmasian, Amir Barati Farimani

机构 * Mechanical Engineering Department, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA） ； Machine Learning Department, Carnegie Mellon University, Pittsburgh, PA, USA（机器学习系，卡内基梅隆大学，匹兹堡，PA，USA） 纠错

AI总结 DiffCoder通过耦合扩散模型与残差网络编码器，实现了流场重建中更准确的统计特性保留，尤其在强压缩下表现优于VAEs。

Imaging-anchored Multiomics in Cardiovascular Disease: Integrating Cardiac Imaging, Bulk, Single-cell, and Spatial Transcriptomics

心血管疾病中的成像锚定多组学：整合心脏成像、批量、单细胞和空间转录组学

Minh H. N. Le, Tuan Vinh, Thanh-Huy Nguyen, Tao Li, Bao Quang Gia Le, Han H. Huynh, Monika Raj, Carl Yang, Min Xu, Nguyen Quoc Khanh Le

机构 * International Ph.D. Program in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan ； AIBioMed Research Group, Taipei Medical University, Taipei, Taiwan ； Medical Sciences Division, University of Oxford, Oxford, United Kingdom ； Computational Biology Department, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA ； Department of Computer Science, Emory University, Atlanta, GA, USA ； Department of Chemistry, Emory University, Atlanta, GA, USA ； International Master Program for Translational Science, College of Medical Science ； Technology, Taipei Medical University, Taipei 110, Taiwan ； In-Service Master Program in Artificial Intelligence in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan ； Translational Imaging Research Center, Taipei Medical University Hospital, Taipei, Taiwan 纠错

AI总结 本文提出通过整合心脏成像与多组学数据，推动心血管疾病研究的多模态融合方法，提升疾病诊断和治疗的精准性。

Aligning by Misaligning: Boundary-aware Curriculum Learning for Multimodal Alignment

通过不一致来对齐：面向多模态对齐的边界感知课程学习

Hua Ye, Hang Ding, Siyuan Chen, Yiyang Jiang, Changyuan Zhang, Xuan Zhang

机构 * Nanjing University（南京大学） ； Airon Technology CO., LTD（艾润科技有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； University of Bristol（布里斯托大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出BACL方法，通过边界感知负样本采样和局部注意力损失，提升多模态对齐性能，在多个基准上取得优于CLIP的成果。

Comments 24 pages, 6 figures, 5 tables. Submitted to NeurIPS 2025

Synergy over Discrepancy: A Partition-Based Approach to Multi-Domain LLM Fine-Tuning

协同优于差异：一种基于分区的多领域LLM微调方法

Hua Ye, Siyuan Chen, Haoliang Zhang, Weihao Luo, Yanbin Li, Xuan Zhang

机构 * Nanjing University（南京大学） ； Airon Technology CO., LTD（艾瑞森技术有限公司） ； University of Bristol（布里斯托大学） ； The University of Oklahoma（俄克拉荷马大学） ； Donghua University（东华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出一种基于分区的多领域LLM微调方法，通过平衡领域差异与协同效应，有效减少领域间干扰，提升多领域适应性能。

Comments 20 pages, 5 figures, 21 tables. Accepted at NeurIPS 2025. Corresponding author: Xuan Zhang (xuanzhang2199@gmail.com)

Reconstruct, Inpaint, Test-Time Finetune: Dynamic Novel-view Synthesis from Monocular Videos

重建、修复、测试时微调：从单目视频动态生成新视角

Kaihua Chen, Tarasha Khurana, Deva Ramanan

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

AI总结 本文提出CogNVS模型，通过自监督学习和测试时微调，实现从单目视频动态场景生成新视角的高效方法。

Comments NeurIPS 2025. Project page: https://cog-nvs.github.io/

Geometry Aware Operator Transformer as an Efficient and Accurate Neural Surrogate for PDEs on Arbitrary Domains

基于几何意识的操作变换器：一种高效的准确神经代理用于任意域上的偏微分方程

Shizheng Wen, Arsh Kumbhat, Levi Lingsch, Sepehr Mousavi, Yizhou Zhao, Praveen Chandrashekar, Siddhartha Mishra

机构 * Seminar for Applied Mathematics, ETH Zurich, Switzerland（应用数学研讨会，苏黎世联邦理工学院，瑞士） ； ETH AI Center, Zurich, Switzerland（ETH人工智能中心，苏黎世，瑞士） ； Department of Mechanical and Process Engineering, ETH Zurich, Switzerland（机械与过程工程系，苏黎世联邦理工学院，瑞士） ； School of Computer Science, CMU, USA（计算机科学学院，卡内基梅隆大学，美国） ； Centre for Applicable Mathematics, TIFR, India（应用数学中心，印度泰姬·弗里德曼研究所） 纠错

AI总结 本文提出几何意识的操作变换器GAOT，用于高效准确地学习任意域上的偏微分方程解，通过多尺度注意图神经网络和几何嵌入实现高精度与高效能的结合。

UniF$^2$ace: A Unified Fine-grained Face Understanding and Generation Model

UniF$^2$ace: 一个统一的细粒度人脸理解和生成模型

Junzhe Li, Sifan Zhou, Liya Guo, Xuerui Qiu, Linrui Xu, Delin Qu, Tingting Long, Chun Fan, Ming Li, Hehe Fan, Jun Liu, Shuicheng Yan

机构 * Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Central South University（中南大学） ； Fudan University（复旦大学） ； Guangming Lab（光明实验室） ； Zhejiang University（浙江大学） ； Lancaster University（兰卡斯特大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 UniF$^2$ace是一个专门针对细粒度人脸理解和生成的统一多模态模型，通过双离散扩散损失和多级分组专家混合架构，提升高质量面部细节生成和细粒度属性处理能力。