Carnegie Mellon University（卡内基梅隆大学）

TraceML: An Empirical Analysis of Human-Agent Planning in Machine Learning Development

TraceML：机器学习开发中人类-智能体规划的实证分析

Jiarui Yan, Weiwei Sun, Sijie Li, Wenhan Li, Yiming Yang

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

AI总结 TraceML通过构建人类与智能体在Kaggle竞赛中的配对轨迹数据集，实证分析了人类与智能体在机器学习开发规划上的差异，发现智能体存在行为循环问题，提炼的人类规划提示可缩小部分差距。

SpecMine: A Large-Scale Corpus of Spec-Driven Development Artifacts

SPECMINE：一个大规模的规范驱动开发制品语料库

Shyam Agarwal, Bogdan Vasilescu

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

AI总结 SPECMINE是一个大规模语料库，通过两次普查收集公共GitHub仓库中的规范驱动开发制品，含大量文件、PR及引用数据，助力研究AI智能体时代软件的规范过程。

Beyond Confidence: Test-Time Scaling for Multi-Turn Search Agents via Retrieval Grounding

超越置信度：基于检索 grounding 的多轮搜索智能体测试时缩放

Hyunho Kook, Junhyuk So, Tianyu Fu, Haizhong Zheng, Beidi Chen

机构 * University of Southern California（南加州大学） ； Pohang University of Science and Technology (POSTECH)（浦项科技大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 针对多轮搜索智能体中基于置信度投票因复制膨胀失效的问题，提出检索接地投票（RGV）方法，在四个基准和五个 LLM 上性能优于基线，准确率最高提升 5.4%

Comments Accepted to EMNLP 2026 Findings

An End-to-End Hybrid Quantum--Classical Sampling Workflow for Discrete Markov Random Fields: A Reproducible Case Study

离散马尔可夫随机场的端到端混合量子-经典采样工作流程：一个可重现的案例研究

Arul Rhik Mazumder

机构 * School of Computer Science（计算机科学学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 研究离散马尔可夫随机场采样难题中，对小MRF采用幅度编码独立同分布采样，与经典MCMC比较。通过多个实例展示不同方法的ESS比率等，还进行了预处理时间、MPS缩放及VQC与MPS的比较，揭示各方法特点及差距。

Comments 9 pages, 7 figures, 9 tables, Accepted to IEEE International Conference of Quantum Computing and Engineering - QCE 2026 in the Quantum End-to-End Hybrid Case Studies (QECS) Technical Papers track

Cognitive Chain-of-Thought (CoCoT): Structured Multimodal Reasoning about Social Situations

认知链式推理（CoCoT）：关于社会情境的结构化多模态推理

Eunkyu Park, Wesley Hanwen Deng, Gunhee Kim, Motahhare Eslami, Maarten Sap

机构 * Seoul National University（首尔国立大学） ； Human-Computer Interaction Institute, Carnegie Mellon University（人机交互研究所，卡内基梅隆大学） ； 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 本文提出CoCoT框架，通过感知、情境推断和规范应用三个阶段提升多模态社会推理能力，在多个任务中取得显著提升。

Comments COLM 2026

Rethinking Speaker Embeddings for Speech Generation: Sub-Center Modeling for Capturing Intra-Speaker Diversity

反思语音生成中的说话人嵌入：用于捕捉说话人内部多样性的子中心建模

Ismail Rasim Ulgen, John H. L. Hansen, Carlos Busso, Berrak Sisman

机构 * Center for Language and Speech Processing (CLSP), Johns Hopkins University, USA（语言与语音处理中心（CLSP），约翰霍普金斯大学，美国） ； Center for Robust Speech Systems (CRSS), The University of Texas at Dallas, USA（稳健语音系统中心（CRSS），德克萨斯大学达拉斯分校，美国） ； Language Technologies Institute (LTI), Carnegie Mellon University, USA（语言技术研究所（LTI），卡内基梅隆大学，美国） 纠错

AI总结 该研究针对语音生成中说话人嵌入的设计缺陷，提出子中心建模框架，在零样本语音转换任务中提升了可懂度、音高变异性与自然度，同时保留了说话人验证性能。

Comments Accepted to Interspeech 2026