MonarchRT: Efficient Attention for Real-Time Video Generation
MonarchRT：实时视频生成中的高效注意力机制
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University at Buffalo（布法罗大学） ； Morpheus AI
AI总结 MonarchRT通过结构化注意力参数化方法，实现高效实时视频生成，达到95%的注意力稀疏性，优于现有内核性能。
高校专区
Carnegie Mellon University（卡内基梅隆大学）
Improving Speech Emotion Recognition with Mutual Information Regularized Generative Model
通过互信息正则化生成模型改进语音情感识别
机构 * College of Computing and Data Science at Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； University of Southern Queensland（南方昆士兰大学） ； NCS Group（NCS集团） ； Language Technologies Institute, School of Computer Science, Carnegie Mellon University（计算机科学学院语言技术研究所，卡内基梅隆大学）
AI总结 本文提出了一种基于互信息正则化的生成模型，通过跨模态对齐和特征合成提升语音情感识别的性能。
scPilot: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discovery
scPilot：面向自动化单细胞分析与发现的大型语言模型推理
机构 * UC San Diego（UC圣地亚哥大学） ； MBZUAI ； CMU（卡内基梅隆大学） ； Texas A&M（德克萨斯A&M大学）
AI总结 scPilot通过组学原生推理提升单细胞分析的准确性与可解释性，实现自动化细胞类型注释和轨迹重建。
Comments Accepted at NeurIPS 2025 Main Conference
Retrieval-Aware Distillation for Transformer-SSM Hybrids
面向检索的蒸馏：Transformer-SSM混合模型
机构 * Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI（穆斯林人工智能研究院） ； Cartesia AI（Cartesia人工智能）
AI总结 本文提出检索感知蒸馏方法，通过保留关键注意力头并蒸馏其余头部，实现更高效的Transformer-SSM混合模型，显著降低内存消耗并提升检索性能。
Situated, Dynamic, and Subjective: Envisioning the Design of Theory-of-Mind-Enabled Everyday AI with Industry Practitioners
情境化、动态化和主观化：与行业从业者共同展望具有理论思维能力的日常人工智能设计
机构 * Human-Computer Interaction Institute（人机交互研究所） ； School of Design（设计学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过与行业从业者协同设计，提出具有理论思维能力的日常AI应具备情境化、动态化和主观化三大设计原则，以支持持续的人机交互。
Comments 16 pages, preprint for ACM CHI 2026 Conference
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13--17, 2026, Barcelona, Spain
ReTracing: An Archaeological Approach Through Body, Machine, and Generative Systems
ReTracing：通过身体、机器和生成系统进行考古学研究
机构 * Department of Machine Learning（机器学习系） ； Carnegie Mellon University（卡内基梅隆大学） ； SIPA Technology Policy and Innovation（技术政策与创新研究所） ； Columbia University（哥伦比亚大学）
AI总结 ReTracing通过AI、人类和机器人互动，探索生成系统如何通过编舞运动反映社会文化偏见。
Evaluating Few-Shot Temporal Reasoning of LLMs for Human Activity Prediction in Smart Environments
评估LLM在智能环境中的少样本时间推理用于人类活动预测
机构 * organization= Department of Civil \& Environmental Engineering, Carnegie Mellon University , addressline= 5000 Forbes Ave , city= Pittsburgh , state= PA , postcode= 15213 , country= USA ； organization= Department of Mechanical Engineering, Carnegie Mellon University , addressline= 5000 Forbes Ave , city= Pittsburgh , state= PA , postcode= 15213 , country= USA
AI总结 本文研究了预训练语言模型在智能环境中的少样本时间推理能力，通过评估其在人类活动预测中的表现，发现其在低数据环境下具备强大的时间理解能力。
Dexterous Manipulation Policies from RGB Human Videos via 3D Hand-Object Trajectory Reconstruction
通过3D手-物体轨迹重建从RGB人类视频中学习灵巧操作策略
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学）
AI总结 VIDEOMANIP通过3D手-物体轨迹重建从RGB视频直接学习灵巧操作策略，实现无需设备的高效训练和高成功率抓取
DSO: Direct Steering Optimization for Bias Mitigation
DSO：直接转向优化以减轻偏差
机构 * Apple（苹果公司） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 DSO通过强化学习优化激活转换，在VLMs和LLMs中实现公平性与能力的最佳平衡，提供推理时的偏见控制能力。
A Cocktail-Party Benchmark: Multi-Modal dataset and Comparative Evaluation Results
宴会派对基准：多模态数据集和比较评估结果
机构 * Karlsruhe Institute of Technology, Germany（卡尔斯鲁厄理工学院） ； Carnegie Mellon University, USA（卡内基梅隆大学） ； Interactive-AI LLC（Interactive-AI公司） ； Meta AI, UK（Meta AI）
AI总结 本文提出多模态上下文感知识别任务，通过结合音频和视觉线索提升重叠对话识别性能，展示多模态在解决宴会派对问题中的关键作用。
Comments Accepted at ICASSP 2026
Lightweight and Generalizable Acoustic Scene Representations via Contrastive Fine-Tuning and Distillation
通过对比微调和蒸馏实现轻量且通用的声学场景表示
机构 * Meta Reality Labs（Meta现实实验室） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 ContrastASC通过对比微调和蒸馏实现轻量且通用的声学场景表示，提升少样本适应能力的同时保持闭合集性能。
Parallelism Meets Adaptiveness: Scalable Documents Understanding in Multi-Agent LLM Systems
并行与适应性：多智能体大语言模型系统中的可扩展文档理解
机构 * University of California, Santa Cruz（加州大学圣克ruz分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一种多智能体大语言模型系统协调框架，通过动态任务路由、双向反馈和并行评估机制，提升文档理解的适应性和效率。
Comments Accepted at AAAI 2026 Workshop on WoMAPF, Camera ready version
SonicSieve: Bringing Directional Speech Extraction to Smartphones Using Acoustic Microstructures
SonicSieve：利用声学微结构在智能手机上实现定向语音提取
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 SonicSieve通过生物启发式声学微结构在智能手机上实现定向语音提取，提升信号质量并优于传统麦克风阵列。
