Korea Advanced Institute of Science and Technology（韩国科学技术院）

Unified Prediction and Planning via Conflict-Aware Disjoint Parameter Training

通过冲突感知不相交参数训练实现统一预测与规划

Taewon Seo, Seonae Jeon, Giwon Lee, Kuk-Jin Yoon, Daehee Park

机构 * DGIST（韩国科学技术院大邱庆北校区） ； KAIST（韩国科学技术院） 纠错

AI总结 研究社交机器人在拥挤环境中统一预测与规划问题，提出基于模型合并的不相交参数训练框架DPT，通过分布式参数学习减轻技能冲突，稀疏合并提升性能，在标准基准测试中验证其在机器人导航上通用且有效。

Comments Accepted at ECCV 2026. 38 pages, 14 figures. Project page: this https URL (https://dpt2026.github.io/)

Diagnosing Conformal Prediction Failures Under Distribution Shift: A COVID-19 Case Study

在分布偏移下进行符合预测：一场新冠大流行自然实验

Chorok Lee

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 本文研究了在分布偏移下符合预测的退化问题，通过新冠大流行中的8个供应链任务实验，发现特征稳定性而非集中度决定模型稳健性，并提出监控SHAP集中度和季度重新训练的决策框架。

Comments Accepted and presented at the 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026). Published in Proceedings of Machine Learning Research (PMLR), Volume 337, pages 3453-3476, 2026

MENTOR: Reinforcement Learning via Flexible Teacher-Optimized Rewards for Tool-Use Distillation

MENTOR: 通过灵活的教师优化奖励进行工具使用蒸馏的强化学习

ChangSu Choi, Hoyun Song, Dongyeon Kim, Minkyung Cho, WooHyeon Jung, Sunjin Park, NohHyeob Bae, Seona Yu, KyungTae Lim

机构 * Seoul National University of Science and Technology（首尔科学技术大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； LG CNS 纠错

AI总结 提出MENTOR方法，通过灵活的教师优化奖励结构，平衡行为对齐与下游性能，提升小模型在工具使用任务中的域外泛化能力。