University of Maryland, College Park（马里兰大学帕克分校）

PhysGS: Bayesian-Inferred Gaussian Splatting for Physical Property Estimation

PhysGS：基于贝叶斯推断的高斯点云法用于物理性质估计

Samarth Chopra, Jing Liang, Gershom Seneviratne, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； Stanford University（斯坦福大学） 纠错

AI总结 PhysGS通过贝叶斯推断结合视觉线索和语言先验，实现对物理属性的密集估计，提升质量、硬度和摩擦误差的准确性。

Comments Submitted to CVPR 2026

Cost-Aware Contrastive Routing for LLMs

面向成本的对比路由用于大语言模型

Reza Shirkavand, Shangqian Gao, Peiran Yu, Heng Huang

机构 * Department of Computer Science University of Maryland - College Park（计算机科学系大学马里兰大学-学院公园） ； Department of Computer Science Florida State University（计算机科学系佛罗里达州立大学） ； Department of Computer Science and Engineering University of Texas at Arlington（计算机科学与工程系德克萨斯大学阿灵顿分校） 纠错

AI总结 本文提出CSCR，一种轻量级框架，通过对比学习在共享嵌入空间中实现大语言模型的成本感知路由，提升准确率-成本权衡，同时具备鲁棒性。

Extremum Seeking Controlled Wiggling for Tactile Insertion

极值寻求控制的触觉插入振动

Levi Burner, Pavan Mantripragada, Gabriele M. Caddeo, Lorenzo Natale, Cornelia Fermüller, Yiannis Aloimonos

机构 * Department of Electrical and Computer Engineering, University of Maryland, College Park（电气与计算机工程系，马里兰大学学院公园分校） ； Department of Computer Science, University of Maryland, College Park（计算机科学系，马里兰大学学院公园分校） ； Istituto Italiano di Tecnologia, Via San Quirico, 19 D, Genova, Italy（意大利理工学院，圣奎里科路19D号，热那亚，意大利） ； University of Maryland Institute for Advanced Computer Studies, University of Maryland, College Park（马里兰大学高级计算机研究 institute） 纠错

AI总结 本文提出了一种基于触觉反馈的极值寻求控制方法，用于提高机器人插入任务的鲁棒性和成功率。

Comments 8 pages, 6 figures, 4 tables

MindCraft: How Concept Trees Take Shape In Deep Models

MindCraft: 深度模型中概念树如何形成

Bowei Tian, Yexiao He, Wanghao Ye, Ziyao Wang, Meng Liu, Ang Li

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） 纠错

AI总结 MindCraft通过概念树框架揭示深度模型中概念的层次结构和分离过程，为可解释AI提供新的分析方法。