高校专区
Cyclops：以彩色进行“梦境”的相机式激光雷达
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Michigan（密歇根大学） ； University of Macau（澳门大学）
AI总结 本文提出Cyclops框架，将稀疏NRS-LiDAR强度转为RGB视频，通过LBM等技术缓解帧间闪烁，合成RGB可使感知模型在多任务上优于LiDAR基线与传统相机。
通过瓶颈潜在重构实现无需触觉仿真的触觉Sim2Real
机构 * University of Michigan（密歇根大学） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究提出SBLR框架，无需触觉仿真，通过两阶段策略训练和未配对数据对齐，在插销插入等任务上实现高零样本成功率，性能优于物理仿真基线。
MM-BEV：通过计算关键的位置与时刻提升时效性
机构 * Texas Tech University（德克萨斯理工大学） ； University of Michigan（密歇根大学）
AI总结 MM-BEV是一种遵循「计算关键位置与时刻」的实时多模态BEV系统，通过四种机制优化，在nuScenes数据集和Clearpath Husky A300平台上显著降低延迟，且性能损失极小。
Comments 12 pages, 20 figures
NumerosityVLM：一种受认知启发的、用于解释视觉-语言模型中数量表征的基准测试
机构 * The University of Manchester（曼彻斯特大学） ； University of Michigan（密歇根大学） ； Sheffield Hallam University（谢菲尔德哈勒姆大学） ； Tufts University（塔夫茨大学） ； ENSTA, Institut Polytechnique de Paris（巴黎综合理工学院国立高等先进技术学校）
AI总结 研究针对视觉-语言模型数量感知研究的基准缺陷，提出受认知启发的NumerosityVLM基准，评估7个模型发现架构对性能影响最大，数量信号出现在视觉编码器早期，差异主要来自语言模型组件。
智能体评估何时结束？结果终局性与跨单元分离
机构 * University of Michigan Law School（密歇根大学法学院）
AI总结 针对现有智能体评估将终点分数视为最终结果的问题，该研究提出结果终局性与跨单元分离两个条件，通过实验和协议审查指出当前评估的不足，并提出开放效应记录方案以完善评估。
当不确定性还不够时：代码生成中自校正的实证研究
机构 * University of Michigan（密歇根大学） ； New York University（纽约大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Algoverse AI ； University of Aberdeen（阿伯丁大学） ； University of Oxford（牛津大学）
AI总结 本研究通过实证发现，针对代码生成的不确定性估计方法难以可靠提升生成准确率，仅基于验证的自校正策略可显著提升Pass@1指标，廉价不确定性估计器仅适合作为校正循环的门控信号。
EgoCITE：面向长时程自我中心记忆的上下文增强索引与时序感知检索
机构 * University of Michigan（密歇根大学）
AI总结 本研究针对长时程自我中心记忆系统的索引不可靠、忽略时序意图的问题，提出EgoCITE框架，经多数据集评估，其准确率优于基线且成本显著低于长上下文LLM智能体。
LoREnc：低秩加密用于保护基础模型和LoRA适配器
机构 * Samsung Research（三星研究院） ； Samsung Electronics（三星电子） ； Amazon Web Services（亚马逊网络服务） ； University of Michigan（密歇根大学）
AI总结 LoREnc通过谱截断和补偿技术，在不重新训练的情况下保护基础模型和LoRA适配器，防止模型恢复攻击和知识产权泄露，实验表明其在1%计算开销下有效。
Comments Accepted to ICIP 2026
Journal ref 2026 IEEE International Conference on Image Processing (ICIP)
局部语义图像动态不确定性校准
机构 * Robotics Department, University of Michigan（密歇根大学机器人系）
AI总结 本文提出OCULAR算法，通过感知信息对未见环境提供不确定性量化保障，无需环境特定数据，有效区分高低不确定性状态动作输入，适用于概率安全规划。
Comments 26 pages, 8 figures, 7 tables. Accepted to the 17th World Symposium on the Algorithmic Foundations of Robotics (WAFR 2026). Project page: https://um-arm-lab.github.io/ocular/
KANMixer: 一种基于KAN的最小混合器用于长期时间序列预测
机构 * Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； University of Michigan（密歇根大学） ； Worcester Polytechnic Institute（沃思利技术学院） ； Texas A&M University（德克萨斯大学） ； San Diego State University（圣地亚哥州立大学）
AI总结 本文提出KANMixer，一种基于KAN的最小混合器，用于长期时间序列预测。通过多尺度池化前端、KAN基的时间混合骨干和预测头，KANMixer在28个基准场景中实现了最佳MSE和MAE，展示了KAN在时间序列预测中的有效性。
Comments 11 pages, 3 figures, 5 tables
Journal ref Scientific Reports (2026)
MathGen：通过文本到图像生成揭示数学能力的幻觉
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） ； The Ohio State University（俄亥俄州立大学） ； USTC（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； University of Wisconsin（威斯康星大学） ； UCSB（加州大学圣塔芭芭拉分校） ； University of Hong Kong（香港大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 MathGen通过900道跨七个核心领域的数学问题，评估生成模型在视觉化数学解答中的准确性，发现现有模型在数学 fidelity 上存在显著瓶颈。
FLARE MCMC：基于保真度的自适应分层递归马尔可夫链蒙特卡洛提案
机构 * University of California, Riverside（加利福尼亚大学河滨分校） ； University of Michigan（密歇根大学）
AI总结 FLARE MCMC是一种多保真度分层MCMC方法，通过利用低保真度似然提升混合效率，在水文学、宇宙学等领域相同计算时间下可获得更大有效样本量，性能更优。
Comments This is the author's accepted manuscript of an article published in SIAM Journal on Uncertainty Quantification. The final version is available at \url{https://doi.org/10.1137/25M1795194
Journal ref SIAM/ASA Journal on Uncertainty Quantification Volume 14, Issue 2, June 2026 Pages: 661 - 690
任务无关的外骨骼控制支持老年人在髋部高强度任务中的关节能量代谢
机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学）
AI总结 本文提出了一种任务无关的髋部外骨骼控制器，通过高精度匹配生物功率曲线，显著减少髋部生物正功并提升总功率，为老年人移动提供新的生物力学干预方案。
LatentAM：通过在线字典学习实现实时、大规模的潜在高斯注意力映射
机构 * Robotics Department, University of Michigan（密歇根大学机器人系）
AI总结 LatentAM通过在线字典学习实现实时、大规模的潜在高斯注意力映射，提升机器人感知的特征重建保真度与实时性
Comments 8 pages, 7 figures. Accepted for RA-L. Homepage: https://junwoonlee.github.io/projects/LatentAM/ Code: https://github.com/UMich-SSI-Lab/latentam
可解释令牌的线性几何：未学习扩散模型的越狱攻击与防御
机构 * Department of Electrical Engineering & Computer Science, University of Michigan（电气工程与计算机科学系，密歇根大学） ； Department of Computer Science, Michigan State University（计算机科学系，密歇根州立大学）
AI总结 本研究揭示未学习扩散模型中擦除的有害概念以线性子空间存在，提出SubAttack越狱攻击与SubDefense防御，实验表明其提升了对扩散未学习漏洞的理解与缓解效果。
面向资源受限农村地区多模态临床筛查的云边协同系统
机构 * University of Michigan（密歇根大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard Medical School（哈佛医学院）
AI总结 该研究针对资源受限农村地区的多模态临床筛查问题，提出云边协同架构，经实验验证其诊断性能优异且成本更低，可适配部署约束。
Comments 31 pages, 3 figures. In Proceedings of Machine Learning Research, Volume 340, 2026 (Machine Learning for Healthcare Conference)
分布式在线子模优化在通信延迟下的研究：一种同时决策方法
机构 * University of Michigan（密歇根大学）
AI总结 本文提出分布式在线贪心算法DOG，解决通信延迟下的子模优化问题，通过结合对抗性带宽学习与延迟反馈，在任意网络拓扑中实现同时决策，分析协调性能与收敛时间的权衡。
Comments Accepted to ACC 2026
几何注意力：一种针对Transformer注意力的显式操作语义
机构 * University of Michigan（密歇根大学）
AI总结 几何注意力提出了一种显式操作语义，通过四个独立输入定义注意力层，支持多头、混合核和计划锚等显式领域选择，实现注意力机制的原理性比较与扩展。
Comments 34 pages. Major reconstruction and retitling of the withdrawn previous version. The incorrect non-completability theorem and all dependent claims have been removed. The present version replaces the earlier operator-first development with an analysis of neural-architecture individuation and architecture under composition. Submitted to JMLR
基于公共领域电影集的对话感知视频到音乐生成
机构 * University of California San Diego（加利福尼亚大学圣地亚哥分校） ； University of Michigan（密歇根大学）
AI总结 该研究针对视频到音乐生成的可复现性问题，构建了OSSL-v2数据集，提出用对话作为条件信号的方法，在电影上评估后性能优于现有基线。
无权重微调：通过对数几率空间迁移实现大语言模型的个性化
机构 * University of Michigan（密歇根大学） ； University of Chicago（芝加哥大学）
AI总结 针对个性化场景下LLM微调成本过高的问题，提出无需权重更新的WFT方法，在LaMP基准上性能优于多数基线，仅用不到7%计算量接近SFT效果。
DREAMS：基于密度泛函理论的智能体材料模拟研究引擎
机构 * Department of Mechanical Engineering, University of Michigan, Ann Arbor, Michigan, USA（机械工程系，密歇根大学，安阿伯，密歇根州，美国） ； Max-Planck-Institute for Sustainable Materials, Materials Informatics, Düsseldorf, Germany（可持续材料研究所，材料信息学，杜塞尔多夫，德国） ； Mechanical Engineering, University of Michigan, Ann Arbor, Michigan, USA（机械工程，密歇根大学，安阿伯，密歇根州，美国）
AI总结 本文提出基于DFT的分层多智能体框架DREAMS，通过多层安全防护提升LLM智能体材料模拟的可信度，在Sol27LC基准等任务中表现优异，可平衡可信度与成本，推动自主材料模拟发展。
Comments 47 pages, 44 pages of Supporting Information
CARE：用于可靠医学视觉问答的置信感知推理
机构 * Ant Group（蚂蚁集团） ； University of Michigan（密歇根大学） ； City University of Hong Kong（香港城市大学）
AI总结 该研究针对医学多模态大语言模型的置信度校准问题，提出CARE框架，通过双阶段流程优化准确率与校准度，在三个医学VQA基准上取得最优性能，为临床决策支持提供可信基础。
Comments Accepted by MICCAI 2026
多源人机协同数字孪生测试平台用于混合交通流中的连接与自动驾驶车辆
机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系）
AI总结 本文提出了一种多源人机协同混合云控制测试平台（MSH-MCCT），用于在混合交通环境中测试连接与自动驾驶车辆（CAVs）与人类驾驶车辆（HDVs）之间的复杂交互，通过混合数字孪生概念结合混合现实与数字孪生，提升实验灵活性和可扩展性。
Journal ref 2026 in Journal of Intelligent and Connected Vehicles
超越截图：评估VLMs对UI动画的理解
机构 * University of Michigan（密歇根大学）
AI总结 本文提出AniMINT数据集，评估VLMs对动态UI动画的理解能力，发现其在基础运动检测上可靠，但高阶解释仍不一致，揭示了模型性能的关键瓶颈。
Comments Published in ACL 2026 Findings
分层构型空间中接触感知不确定性校准的基于粒子的保形预测
机构 * University of Michigan（密歇根大学）
AI总结 针对机器人接触障碍物时运动模型不准确、未来构型分布异常的问题，提出CaPTURe算法，实现了接触与非接触场景下的指定覆盖率要求，任务成功率较最佳基线提升30%。
Comments 31 pages, 10 figures, 5 tables. Accepted at COPA 2026 (Conformal and Probabilistic Prediction with Applications). Project page: https://um-arm-lab.github.io/capture/
LLMVisor：面向多租户大语言模型（LLM）服务的实时延迟归因模型
机构 * University of Michigan（密歇根大学） ； ByteDance（字节跳动）
AI总结 针对多租户LLM服务中联合批处理导致的延迟归因难题，提出基于屋顶线模型的LLMVisor实时延迟归因模型，在微秒级高效运行，相比基线方法大幅降低预填充和解码阶段的相对误差
VOICE：一种融合原位单细胞基因表达直接预测与基于检索预测的视觉-组学基础模型
机构 * University of Michigan（密歇根大学） ； Weill Cornell Medicine（威尔康奈尔医学院）
AI总结 该研究提出多模态基础模型 VOICE，通过对比学习对齐 H&E 形态与单细胞表达嵌入，融合直接回归与参考检索分支，泛化性良好且在七项指标上优于现有方法，可从 H&E 图像预测单细胞基因表达。
PE-Mamba：用于AI生成图像检测的双向选择性层聚合
机构 * College of Innovation & Technology, University of Michigan-Flint（密歇根大学弗林特分校创新与技术学院） ； School of Electronics and Information Engineering, Korea Aerospace University（韩国航空大学电子与信息工程学院）
AI总结 本研究针对AI生成图像检测的挑战，提出基于PE-Core视觉Transformer的PE-Mamba框架，通过双向选择性聚合器等三个组件实现跨层特征聚合，在两个数据集上优于18种检测器且仅训练少量参数。
拉格朗日扰动扩散引导：用于生成策略的潜在强化学习
机构 * University of Michigan（密歇根大学）
AI总结 提出拉格朗日扰动扩散引导（LP-DS），通过学习紧凑的噪声空间扰动来微调冻结的生成策略，利用拉格朗日信任区域目标优化，在保持潜在先验约束的同时提升下游价值，在多个基准上实现样本效率和回报提升。
Comments Accepted as a regular paper at ICML 2026
逐词进行：增量完成分解打破LLM安全
机构 * University of Michigan（密歇根大学） ； University of Toronto（多伦多大学）
AI总结 本文提出增量完成分解（ICD）策略，通过逐词生成恶意请求相关词来突破LLM安全机制，评估多种变体在多个基准测试中表现优异，并理论解释其有效性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈