University of Michigan（密歇根大学安娜堡分校）

PET-TURTLE: Deep Unsupervised Support Vector Machines for Imbalanced Data Clusters

PET-TURTLE：深度无监督支持向量机用于不平衡数据簇

Javier Salazar Cavazos

机构 * University of Michigan（密歇根大学） 纠错

AI总结 PET-TURTLE通过引入幂律先验和稀疏logits，改进了传统TURTLE在处理不平衡数据时的聚类性能。

Journal ref IEEE Signal Processing Letters, vol. 33, pp. 91-95, 2026

MMFormalizer: Multimodal Autoformalization in the Wild

MMFormalizer: 多模态自动形式化

Jing Xiong, Qi Han, Yunta Hsieh, Hui Shen, Huajian Xin, Chaofan Tao, Chenyang Zhao, Hengyuan Zhang, Taiqiang Wu, Zhen Zhang, Haochen Wang, Zhongwei Wan, Lingpeng Kong, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of Edinburgh（爱丁堡大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Ohio State University（俄亥俄州立大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 MMFormalizer通过整合适应性定位与现实世界数学物理领域实体，实现多模态自动形式化，首次处理经典力学、相对论、量子力学和热力学等复杂领域。

Comments Technical Report

DoPE: Denoising Rotary Position Embedding

DoPE: 去噪旋转位置嵌入

Jing Xiong, Liyang Fan, Hui Shen, Zunhai Su, Min Yang, Lingpeng Kong, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； University of Michigan, Ann Arbor（密歇根大学安阿伯分校） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） 纠错

AI总结 DoPE通过去噪旋转位置嵌入提升大型语言模型在长上下文外推和鲁棒性方面的性能。

Comments Technical Report

Aha Moment Revisited: Are VLMs Truly Capable of Self Verification in Inference-time Scaling?

顿悟时刻再审视：VLMs在推理时间缩放中真的能自我验证吗？

Mingyuan Wu, Meitang Li, Jingcheng Yang, Jize Jiang, Kaizhuo Yan, Zhaoheng Li, Hanchao Yu, Minjia Zhang, Klara Nahrstedt

机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； Meta 纠错

AI总结 本研究发现VLMs在推理时间缩放中自我验证效果有限，生成能力优于验证策略，且视觉信息整合不足。

Comments Neurips 2025 Multimodal Algorithmic Reasoning Workshop Oral. In submission

Systematic Evaluation of Initial States and Exploration-Exploitation Strategies in PID Auto-Tuning: A Framework-Driven Approach Applied on Mobile Robots

PID自整定初始状态与探索-利用策略的系统评估：一种框架驱动方法应用于移动机器人

Zaid Ghazal, Ali Al-Bustami, Khouloud Gaaloul, Jaerock Kwon

机构 * Department of Computer Information Systems, Collage of Engineering and Computer Science, University of Michigan-Dearborn（计算机信息系统系，工程与计算机科学学院，密歇根大学迪尔伯恩分校） ； Department of Electrical and Computer Engineering, Collage of Engineering and Computer Science, University of Michigan-Dearborn（电气与计算机工程系，工程与计算机科学学院，密歇根大学迪尔伯恩分校） 纠错

AI总结 本文提出一种框架驱动方法，系统评估PID自整定中初始状态和探索-利用策略的影响，通过移动机器人实验验证其对收敛性能的影响。

From Players to Champions: A Generalizable Machine Learning Approach for Match Outcome Prediction with Insights from the FIFA World Cup

从球员到冠军：一种通用的机器学习方法用于比赛结果预测，基于国际足联世界杯的洞察

Ali Al-Bustami, Zaid Ghazal

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Michigan-Dearborn（密歇根大学-迪尔伯恩分校） ； Department of Computer and Information Science（计算机与信息科学系） 纠错

AI总结 本文提出了一种基于球员和球队数据的机器学习方法，用于预测国际足联世界杯比赛结果，通过整合历史数据和球员表现指标，提升预测准确性并提供新的分析洞察。

DriveNetBench: An Affordable and Configurable Single-Camera Benchmarking System for Autonomous Driving Networks

DriveNetBench: 一种经济实惠且可配置的单摄像头自动驾驶网络基准测试系统

Ali Al-Bustami, Humberto Ruiz-Ochoa, Jaerock Kwon

机构 * Department of Electrical and Computer Engineering, University of Michigan-Dearborn（电气与计算机工程系，密歇根大学-德城） 纠错

AI总结 DriveNetBench提供了一种经济实惠且可配置的单摄像头系统，用于评估自动驾驶网络的性能，通过开源软件实现标准化测试和可重复的度量标准，提升研究可及性。