Carnegie Mellon University（卡内基梅隆大学）

How Does Delegation in Social Interaction Evolve Over Time? Navigation with a Robot for Blind People

社交互动中委托如何随时间演变？为盲人提供导航的机器人

Rayna Hata, Masaki Kuribayashi, Allan Wang, Hironobu Takagi, Chieko Asakawa

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Waseda University（早稻田大学） ； IBM Research - Tokyo（IBM东京研究所） 纠错

AI总结 本研究探讨了盲人用户与导航机器人互动过程中委托策略随时间演变的机制，揭示了用户偏好和策略的动态变化及设计启示。

Comments Pre-print of paper accepted into CHI 2026

Phonological Tokenizer: Prosody-Aware Phonetic Token via Multi-Objective Fine-Tuning with Differentiable K-Means

语音标记器：通过可微k-means的多目标微调实现的音调感知音素标记

Kentaro Onda, Hayato Futami, Yosuke Kashiwagi, Emiru Tsunoo, Shinji Watanabe

机构 * The University of Tokyo（东京大学） ； Sony Group Corporation（索尼集团公司） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出Phonological Tokenizer，通过可微k-means和多任务目标微调，生成保留音系信息且剔除说话人身份的语音标记，用于提升语音语言模型的性能。

Comments Accepted to ICASSP 2026

GMS-CAVP: Improving Audio-Video Correspondence with Multi-Scale Contrastive and Generative Pretraining

GMS-CAVP：通过多尺度对比和生成预训练提升音频视频对应关系

Shentong Mo, Zehua Chen, Jun Zhu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI ； Tsinghua University（清华大学） 纠错

AI总结 GMS-CAVP通过多尺度对比和生成预训练方法提升音频视频对应关系建模，实现更深入的跨模态理解和高保真生成。

Optimizing Conversational Quality in Spoken Dialogue Systems with Reinforcement Learning from AI Feedback

通过AI反馈强化学习优化语音对话系统的对话质量

Siddhant Arora, Jinchuan Tian, Jiatong Shi, Hayato Futami, Yosuke Kashiwagi, Emiru Tsunoo, Shinji Watanabe

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Sony Group Corporation（索尼集团） 纠错

AI总结 本文提出多奖励RLAIF框架，通过结合语义、音频质量和情感一致性奖励，提升语音对话系统的对话质量。

$R^2$-CoD: Understanding Text-Graph Complementarity in Relational Reasoning via Knowledge Co-Distillation

$R^2$-CoD: 通过知识共蒸馏理解文本图互补性在关系推理中的作用

Zhen Wu, Ritam Dutt, Luke M. Breitfeller, Armineh Nourbakhsh, Siddharth Parekh, Carolyn Rosé

机构 * Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） 纠错

AI总结 $R^2$-CoD通过知识共蒸馏方法，研究文本图互补性在关系推理中的作用，揭示了不同任务中表示对齐与分歧的可解释模式。

Journal ref Proc. IJCNLP-AACL 2025, pages 1628-1652

Floating-Point Neural Networks Are Provably Robust Universal Approximators

浮点神经网络是可证明的通用近似器

Geonho Hwang, Wonyeol Lee, Yeachan Park, Sejun Park, Feras Saad

机构 * GIST, Gwangju, Republic of Korea（韩国全州科学技术大学） ； POSTECH, Pohang, Republic of Korea（韩国釜山科学技术大学） ； Sejong University, Seoul, Republic of Korea（首尔世宗大学） ； Korea University, Seoul, Republic of Korea（韩国大学） ； Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学） 纠错

AI总结 本文证明了浮点神经网络在有限精度下仍能以任意精度近似目标函数，揭示了其在表达能力和计算完备性上的独特性质。

Comments 70 pages, 4 figures. Appeared in CAV 2025

Journal ref Proceedings of the 37th International Conference on Computer Aided Verification (CAV), pp. 301-326. Springer, 2026

Bayes Adaptive Monte Carlo Tree Search for Offline Model-based Reinforcement Learning

贝叶斯自适应蒙特卡洛树搜索用于离线模型驱动强化学习

Jiayu Chen, Le Xu, Wentse Chen, Jeff Schneider

机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出贝叶斯自适应蒙特卡洛树搜索算法，用于提升离线模型驱动强化学习的性能，显著优于现有方法。

Comments This paper is accepted in ICLR 2026

ThinkNote: Enhancing Knowledge Integration and Utilization of Large Language Models via Constructivist Cognition Modeling

ThinkNote: 通过建构主义认知建模增强大型语言模型的知识整合与利用

Zhipeng Xu, Zhenghao Liu, Yukun Yan, Shuo Wang, Shi Yu, Zheni Zeng, Chaojun Xiao, Zhiyuan Liu, Ge Yu, Chenyan Xiong

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） 纠错

AI总结 ThinkNote通过建构主义认知建模提升大型语言模型的知识整合与利用能力，实验表明其在问答任务中优于基线方法。

PneuGelSight: Soft Robotic Vision-Based Proprioception and Tactile Sensing

PneuGelSight：基于视觉的柔性机器人本体感觉与触觉感知

Ruohan Zhang, Uksang Yoo, Yichen Li, Arpit Agarwal, Wenzhen Yuan

机构 * University of Illinois, Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University, USA（卡内基梅隆大学） 纠错

AI总结 PneuGelSight通过内置相机实现高分辨率本体感觉与触觉感知，结合模拟到现实的管道，为柔软机器人提供新颖的传感方法。

Comments 16 pages, 12 figures, International Journal of Robotics Research (accepted), 2025

Out of Style: RAG's Fragility to Linguistic Variation

脱离风格：RAG对语言变异的脆弱性

Tianyu Cao, Neel Bhandari, Akhila Yerukola, Akari Asai, Maarten Sap

机构 * Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） 纠错

AI总结 本研究分析了RAG系统在不同语言变异维度下的性能，发现其在非正式和语法错误查询中表现显著下降，凸显了对语言变化的脆弱性。

Comments Accepted to EACL 2026 (Main Conference)

Joint Diffusion for Universal Hand-Object Grasp Generation

联合扩散用于通用手-物体抓取生成

Jinkun Cao, Jingyuan Liu, Kris Kitani, Yi Zhou

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe（Adobe公司） ； Roblox（Roblox公司） 纠错

AI总结 本文提出联合手-物体扩散模型，通过统一潜在表示生成手和物体的抓取，利用大规模物体数据提升通用性，实现无条件和条件抓取生成。

Comments accepted by TMLR