Carnegie Mellon University（卡内基梅隆大学）

From Specialist to Generalist: Unlocking SAM's Learning Potential on Unlabeled Medical Images

从专家到通用型：解锁SAM在未标记医学图像上的学习潜力

Vi Vu, Thanh-Huy Nguyen, Tien-Thinh Nguyen, Ba-Thinh Lam, Hoang-Thien Nguyen, Tianyang Wang, Xingjian Li, Min Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Industrial University of Ho Chi Minh City（胡志明市工业大学） ； University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

AI总结 SC-SAM通过专家-通用型框架结合U-Net和SAM，实现对未标记医学图像的高效半监督学习，取得最佳性能。

Comments Accepted to ISBI 2026

Mitigating LLM Hallucination via Behaviorally Calibrated Reinforcement Learning

通过行为校准强化学习缓解大语言模型幻觉

Jiayun Wu, Jiashuo Liu, Zhiyuan Zeng, Tianyang Zhan, Tianle Cai, Wenhao Huang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Fudan University（复旦大学） 纠错

AI总结 本文通过行为校准强化学习提升大语言模型的不确定性量化能力，使其在数学推理和事实问答任务中表现更优。

JEPA-Reasoner: Decoupling Latent Reasoning from Token Generation

JEPA-Reasoner：将潜在推理与标记生成解耦

Bingyang Kelvin Liu, Ziyu Patrick Chen, David P. Woodruff

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

AI总结 JEPA-Reasoner通过解耦潜在推理与标记生成，提升模型在复杂推理任务中的准确率和鲁棒性。

Streaming Tensor Programs: A Streaming Abstraction for Dynamic Parallelism

流式张量程序：一种用于动态并行的流式抽象

Gina Sohn, Genghan Zhang, Konstantin Hossfeld, Jungwoo Kim, Nathan Sobotka, Nathan Zhang, Olivia Hsu, Kunle Olukotun

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

AI总结 STeP通过引入流式抽象和动态优化技术，提升了SDA在动态张量工作负载中的效率和性能。

MetaVLA: Unified Meta Co-training For Efficient Embodied Adaption

MetaVLA：统一的元学习协同训练用于高效的具身适应

Chen Li, Zhantao Yang, Han Zhang, Fangyi Chen, Chenchen Zhu, Anudeepsekhar Bolimera, Marios Savvides

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta Reality Labs, USA（Meta现实实验室（美国）） 纠错

AI总结 MetaVLA通过统一的元学习协同训练方法，实现高效的具身适应，提升任务泛化能力并降低训练成本。

A Generalizable Physics-Enhanced State Space Model for Long-Term Dynamics Forecasting in Complex Environments

一种通用的物理增强状态空间模型用于复杂环境中的长期动态预测

Yuchen Wang, Hongjue Zhao, Haohong Lin, Enze Xu, Lifang He, Huajie Shao

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

AI总结 本文提出Phy-SSM，一种结合物理知识的状态空间模型，用于复杂环境中的长期动态预测，通过整合部分物理知识提升模型泛化能力与预测性能。

Comments 8 pages, 6 figures, accepted in ICML 2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML 2025), Proceedings of Machine Learning Research 267:65708-65737, 2025

Memory-Maze: Scenario Driven Visual Language Navigation Benchmark for Guiding Blind People

Memory-Maze: 为引导视障人士的场景驱动视觉语言导航基准

Masaki Kuribayashi, Kohei Uehara, Allan Wang, Daisuke Sato, Simon Chu, Shigeo Morishima

机构 * Waseda University（早稻田大学） ； Miraikan - The National Museum of Emerging Science and Innovation（Mirai Kan - 国家新兴科学与创新博物馆） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 Memory-Maze是一个针对视障人士导航的场景驱动视觉语言导航基准，通过模拟记忆中的路线指令场景，评估模型处理记忆中不完整和模糊指令的能力。