University of Michigan（密歇根大学安娜堡分校）

Human Decision-making is Susceptible to AI-driven Manipulation

人类决策易受AI驱动的操控

Sahand Sabour, June M. Liu, Siyang Liu, Chris Z. Yao, Shiyao Cui, Xuanming Zhang, Wen Zhang, Yaru Cao, Advait Bhat, Jian Guan, Wei Wu, Rada Mihalcea, Hongning Wang, Tim Althoff, Tatia M. C. Lee, Minlie Huang

机构 * The CoAI Group, DCST, Institute for Artificial Intelligence, Tsinghua University, Beijing, China（CoAI小组、DCST、人工智能研究所、清华大学、北京中国） ； State Key Laboratory of Brain and Cognitive Sciences, The University of Hong Kong, Hong Kong SAR, China（脑与认知科学国家重点实验室、香港大学、香港特别行政区中国） ； The LIT Group, Department of Computer Science and Engineering, University of Michigan, Ann Arbor（LIT小组、计算机科学与工程系、密歇根大学、安阿伯） ； Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA（保罗·G·阿伦计算机科学与工程学院、华盛顿大学、西雅图华盛顿州美国） ； ANT Group（ANT集团） 纠错

AI总结 研究发现人类在金融和情感决策中易受AI操控，操控代理显著提高了用户对隐藏激励的评分，表明需加强伦理监管以保护自主权。

Comments Work in progress

Chain of Unit-Physics: A Primitive-Centric Approach to Scientific Code Synthesis

单元物理链：一种以基础原理为中心的科学代码合成方法

Vansh Sharma, Venkat Raman

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本研究提出单元物理链框架，通过以基础原理为中心的多代理系统，有效解决科学代码生成中的可靠性问题，实现高精度和高效能的代码生成。

DeepPersona: A Generative Engine for Scaling Deep Synthetic Personas

DeepPersona: 一个用于扩展深度合成人设的生成引擎

Zhen Wang, Yufan Zhou, Zhongyan Luo, Lyumanshan Ye, Adam Wood, Man Yao, Saab Mansour, Luoshang Pan

机构 * UCSD（加州大学圣地亚哥分校） ； KU Leuven（鲁汶大学） ； SJTU（上海交通大学） ； University of Michigan（密歇根大学） ； Denison University（德尼森大学） ； Amazon（亚马逊） ； Meta 纠错

AI总结 DeepPersona通过双阶段分类学引导方法生成深度合成人设，提升LLM个性化和人类模拟的准确性与多样性。

Comments add an author[Update], 12 pages, 5 figures, accepted at LAW 2025 Workshop (NeurIPS 2025) Project page: https://deeppersona-ai.github.io/

Journal ref LAW 2025 Workshop, NeurIPS 2025

Adaptive Legged Locomotion via Online Learning for Model Predictive Control

通过在线学习的自适应四肢运动控制

Hongyu Zhou, Xiaoyu Zhang, Vasileios Tzoumas

机构 * Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系） ； Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所） 纠错

AI总结 该研究提出了一种通过在线学习和模型预测控制实现自适应四肢运动的算法，能够处理未知负载和不规则地形下的复杂任务。

Comments IEEE Robotics and Automation Letters

Large Language Models for Power System Security: A Novel Multi-Modal Approach for Anomaly Detection in Energy Management Systems

用于电力系统安全的大型语言模型：一种用于能源管理系统异常检测的新型多模态方法

Aydin Zaboli, Junho Hong, Alexandru Stefanov, Chen-Ching Liu, Chul-Sang Hwang

机构 * Department of Electrical and Computer Engineering, University of Michigan -- Dearborn, MI, 48128 USA.（电气与计算机工程系，密歇根大学迪尔伯恩分校） ； Department of Electrical Sustainable Energy, Technische Universiteit Delft, 2628 CD Delft, Netherlands.（可持续能源系，代尔夫特理工大学） ； Bradley Department of Electrical and Computer Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA 24061, USA.（布雷德利电气与计算机工程系，弗吉尼亚理工学院和州立大学） ； Smart Grid Research Division System Reliability Research Team, Korea Electrotechnology Research Institute (KERI), Gwangju-si, 61751, South Korea.（智能电网研究分会系统可靠性研究团队，韩国电力技术研究所（KERI）） 纠错

AI总结 本文提出了一种基于大型语言模型的多模态方法，用于电力系统中能源管理系统的安全防护和异常检测。

Comments 10 Figures; 6 Tables; Accepted, IEEE ACCESS 2025

A Digital Twin Framework for Generation-IV Reactors with Reinforcement Learning-Enabled Health-Aware Supervisory Control

用于第四代反应堆的数字孪生框架：基于强化学习的健康意识监督控制

Jasmin Y. Lim, Dimitrios Pylorof, Humberto E. Garcia, Karthik Duraisamy

机构 * organization= Department of Aerospace Engineering, University of Michigan , addressline= 1320 Beal Ave , city= Ann Arbor , postcode= 48109 , state= MI , country= USA ； Engineering Division, U.S. DOE Idaho National Laboratory , addressline= 1955 N. Fremont Ave. , city= Idaho Falls , postcode= 83415 , state= ID , country= USA ； organization= Michigan Institute for Computational Discovery \& Engineering (MICDE), University of Michigan , addressline= 915 E Washington St, Suite 3530 , city= Ann Arbor , postcode= 48109 , state= MI , country= USA 纠错

AI总结 本文提出基于强化学习的数字孪生框架，用于第四代反应堆的健康意识监督控制，通过替代建模、强化学习和贝叶斯推断优化运行和维护策略，提升核电站的运行效率和安全性。

Comments 39 pages, 22 figures

Stabilizing black-box model selection with the inflated argmax

用膨胀argmax稳定黑盒模型选择

Melissa Adrian, Jake A. Soloff, Rebecca Willett

机构 * Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Department of Statistics, University of Michigan（密歇根大学统计学系） ； Department of Statistics, University of Chicago（芝加哥大学统计学系） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） 纠错

AI总结 本文提出了一种基于bagging和膨胀argmax的稳定模型选择方法，通过理论保证提高模型选择的稳定性，在多个实验中表现出优于传统方法的性能。