Carnegie Mellon University（卡内基梅隆大学）

From Natural Language to Materials Discovery:The Materials Knowledge Navigation Agent

从自然语言到材料发现：材料知识导航代理

Genmao Zhuang, Amir Barati Farimani

机构 * Department of Materials Science and Engineering, Carnegie Mellon University（材料科学与工程系，卡内基梅隆大学） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

AI总结 材料知识导航代理通过自然语言处理技术，实现了材料发现的自动化和智能化，能够从文献和数据库中提取关键信息，提出新的材料候选方案。

Comments 22 pages,5 figures

Polymer-Agent: Large Language Model Agent for Polymer Design

聚合物代理：用于聚合物设计的大型语言模型代理

Vani Nigam, Achuth Chandrasekhar, Amir Barati Farimani

机构 * Department of Materials Science and Engineering, Carnegie Mellon University（材料科学与工程系，卡内基梅隆大学） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

AI总结 本文提出基于LLM的聚合物代理，通过结构-性质预测和生成技术，助力实验室研究人员高效发现新型聚合物结构。

Aligning Dialogue Agents with Global Feedback via Large Language Model Multimodal Reward Decomposition

通过大语言模型多模态奖励分解对齐对话代理

Dong Won Lee, Hae Won Park, Cynthia Breazeal, Louis-Philippe Morency

机构 * MIT（麻省理工学院） ； CMU（卡内基梅隆大学） 纠错

AI总结 本文提出了一种基于大语言模型的多模态奖励分解方法，通过分解会话级反馈来提升对话生成质量，无需人工反馈。

Comments 9 pages, 3 figures, 3 tables

Bridging the Compression-Precision Paradox: A Hybrid Architecture for Clinical EEG Report Generation with Guaranteed Measurement Accuracy

弥合压缩-精度悖论：一种用于临床EEG报告生成的混合架构，保证测量精度

Wuyang Zhang, Zhen Luo, Chuqiao Gu, Jianming Ma, Yebo Cao, Wangming Yuan, Yinzhi Jin

机构 * Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； George Mason University（乔治·马歇尔大学） 纠错

AI总结 本研究提出了一种混合架构，通过信号处理和跨模态翻译实现临床EEG报告生成，保证测量精度，减少误报并提升检测速度。

Comments 7 pages

Online Generalized-mean Welfare Maximization: Achieving Near-Optimal Regret from Samples

在线广义均值福利最大化：从样本中实现近最优的遗憾

Zongjun Yang, Rachitesh Kumar, Christian Kroer

机构 * Columbia University（哥伦比亚大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出了一种在线广义均值福利最大化算法，在无需分布知识的情况下实现近最优的遗憾率，通过重新求解范式应对非平稳性和分布偏移。

Fast Task Planning with Neuro-Symbolic Relaxation

快速任务规划与神经符号放松

Qiwei Du, Bowen Li, Yi Du, Shaoshu Su, Taimeng Fu, Zitong Zhan, Zhipeng Zhao, Chen Wang

机构 * Spatial AI & Robotics Lab, Department of Computer Science and Engineering, University at Buffalo（空间人工智能与机器人实验室，计算机科学与工程系，布法罗大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 Flax通过结合神经重要性预测与符号扩展，实现快速可靠的复杂环境任务规划。

Comments 8 pages, 6 figures

Journal ref IEEE Robotics and Automation Letters (RA-L), 2026

ZeroTuning: Unlocking the Initial Token's Power to Enhance Large Language Models Without Training

ZeroTuning: 解锁初始标记的潜力以无需训练的方式提升大语言模型

Feijiang Han, Xiaodong Yu, Jianheng Tang, Delip Rao, Weihua Du, Lyle Ungar

机构 * University of Pennsylvania（宾夕法尼亚大学） ； AMD（AMD公司） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 ZeroTuning通过仅调整初始标记的注意力实现无需训练的大语言模型性能提升，适用于多种任务和场景。

Comments ICLR 2026 Accepted Version: proofread, introduction rewritten, additional experiments and appendix material added

Multi-Momentum Observer Contact Estimation for Bipedal Robots

双动量观测器接触估计用于双足机器人

J. Joe Payne, Daniel A. Hagen, Denis Garagić, Aaron M. Johnson

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） ； Palladyne AI Corporation（Palladyne AI公司） 纠错

AI总结 本文提出了一种基于动量观测器的双足机器人接触模式估计方法，通过多动态模型和马尔可夫融合实现高精度接触检测。

Robotic Depowdering for Additive Manufacturing Via Pose Tracking

通过姿态跟踪的机器人去粉用于增材制造

Zhenwei Liu, Junyi Geng, Xikai Dai, Tomasz Swierzewski, Kenji Shimada

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） 纠错

AI总结 本文提出了一种基于视觉的机器人去粉系统，通过姿态跟踪实时去除3D打印部件表面的未熔合粉末，无需预处理即可适应不同形状的部件。

Comments Github link: https://github.com/zhenweil/Robotic-Depowdering-for-Additive-Manufacturing-Via-Pose-Tracking Video link: https://www.youtube.com/watch?v=AUIkyULAhqM

Journal ref 2022 IEEE Robotics and Automation Letters