University of Michigan（密歇根大学安娜堡分校）

Can Good Writing Be Generative? Expert-Level AI Writing Emerges through Fine-Tuning on High-Quality Books

好的写作可以生成吗？通过在高质量书籍上微调，专家级AI写作得以出现

Tuhin Chakrabarty, Paramveer S. Dhillon

机构 * Stony Brook University（石溪大学） ； University of Michigan（密歇根大学） 纠错

AI总结 通过在高质量书籍上微调，AI在模仿知名作者方面超越人类专家，引发对创作本质和未来劳动的深层思考。

Comments Proceedings of CHI 2026 Conference (To Appear)

Differentiable Architecture Search for Adversarially Robust Quantum Computer Vision

可微架构搜索用于对抗鲁棒的量子计算机视觉

Mohamed Afane, Quanjiang Long, Haoting Shen, Ying Mao, Junaid Farooq, Ying Wang, Juntao Chen

机构 * Fordham University（福特汉姆大学） ； Zhejiang University（浙江大学） ； University of Michigan-Dearborn（密歇根大学-德雷本分校） ； Stevens Institute of Technology（史蒂文斯理工学院） 纠错

AI总结 本文提出了一种混合的量子-经典可微架构搜索框架，通过引入经典噪声层优化量子电路结构和鲁棒性，提升量子神经网络在对抗扰动和硬件噪声下的性能。

Comments Published in Quantum Machine Intelligence

Saliency-Bench: A Comprehensive Benchmark for Evaluating Visual Explanations

Saliency-Bench: 一个全面的评估视觉解释的基准测试

Yifei Zhang, James Song, Siyi Gu, Tianxu Jiang, Bo Pan, Guangji Bai, Liang Zhao

机构 * Emory University（埃默里大学） ； Stanford University（斯坦福大学） ； University of Michigan（密歇根大学） 纠错

AI总结 Saliency-Bench是一个全面的视觉解释评估基准测试，通过多个数据集和标准流程评估显著性方法的解释质量。

Strip-Fusion: Spatiotemporal Fusion for Multispectral Pedestrian Detection

Strip-Fusion：多光谱行人检测的时空融合

Asiegbu Miracle Kanu-Asiegbu, Nitin Jotwani, Xiaoxiao Du

机构 * Department of Mechanical Engineering, University of Michigan（机械工程系，密歇根大学） ； Electrical Engineering and Computer Science Department, University of Michigan（电气工程与计算机科学系，密歇根大学） ； Robotics Department, University of Michigan（机器人学系，密歇根大学） 纠错

AI总结 Strip-Fusion通过时空融合网络提升多光谱行人检测性能，解决对齐误差和光照变化问题。

Comments This work has been accepted for publication in IEEE Robotics and Automation Letters (RA-L). Code available at: https://github.com/akanuasiegbu/stripfusion

Learning to Ideate for Machine Learning Engineering Agents

为机器学习工程代理学习创意

Yunxiang Zhang, Kang Zhou, Zhichao Xu, Kiran Ramnath, Yun Zhou, Sangmin Woo, Haibo Ding, Lin Lee Cheong

机构 * AWS AI Labs（AWS人工智能实验室） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出MLE-Ideator双代理框架，通过强化学习训练生成更有效的创意，显著提升机器学习工程代理的性能。

Comments EACL 2026 main conference

"Rebuilding" Statistics in the Age of AI: A Town Hall Discussion on Culture, Infrastructure, and Training

在人工智能时代重建统计学：关于文化、基础设施和培训的圆桌讨论

David L. Donoho, Jian Kang, Xihong Lin, Bhramar Mukherjee, Dan Nettleton, Rebecca Nugent, Abel Rodriguez, Eric P. Xing, Tian Zheng, Hongtu Zhu

机构 * Department of Statistics, Stanford University（斯坦福大学统计学系） ； Department of Biostatistics, University of Michigan, Ann Arbor（密歇根大学安娜堡分校生物统计学系） ； Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院） ； Department of Statistics, Harvard University（哈佛大学统计学系） ； Broad Institute（Broad研究所） ； Yale School of Public Health（耶鲁大学公共卫生学院） ； Department of Statistics and Data Science, Yale University（耶鲁大学统计学与数据科学系） ； Department of Statistics, Iowa State University（爱荷华州立大学统计学系） ； Department of Statistics and Data Science, Carnegie Mellon University（卡内基梅隆大学统计学与数据科学系） ； Baskin School of Engineering, University of California, Santa Cruz（加州大学圣克鲁兹分校Baskin工程学院） ； Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed人工智能大学） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Department of Statistics, Columbia University（哥伦比亚大学统计学系） ； Department of Biostatistics, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校生物统计学系） 纠错

AI总结 本文记录了2024年JSM圆桌讨论，探讨统计学在人工智能时代的发展，聚焦文化、基础设施和培训等关键问题。

Comments 35 pages, 3 figures,

MoE3D: A Mixture-of-Experts Module for 3D Reconstruction

MoE3D: 一种用于3D重建的专家混合模块

Zichen Wang, Ang Cao, Liam J. Wang, Jeong Joon Park

机构 * University of Michigan（密歇根大学） 纠错

AI总结 MoE3D通过专家混合模块提升3D重建精度，有效减少边界伪影并提高整体重建效果，具有高效计算和良好泛化能力。

SimWorld-Robotics: Synthesizing Photorealistic and Dynamic Urban Environments for Multimodal Robot Navigation and Collaboration

SimWorld-Robotics: 为多模态机器人导航与协作合成逼真动态城市环境

Yan Zhuang, Jiawei Ren, Xiaokang Ye, Jianzhi Shen, Ruixuan Zhang, Tianai Yue, Muhammad Faayez, Xuhong He, Ziqiao Ma, Lianhui Qin, Zhiting Hu, Tianmin Shu

机构 * University of Virginia（弗吉尼亚大学） ； UC San Diego（加州大学圣地亚哥分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） 纠错

AI总结 SimWorld-Robotics通过合成逼真动态城市环境，提出两个多模态机器人基准测试，评估机器人在复杂场景中的导航、协作与通信能力。

Comments Conference: NeurIPS 2025 (main)

When and How Unlabeled Data Provably Improve In-Context Learning

何时以及如何无标签数据能保证性地提升上下文学习

Yingcong Li, Xiangyu Chang, Muti Kara, Xiaofeng Liu, Amit Roy-Chowdhury, Samet Oymak

机构 * University of Michigan（密歇根大学） ； University of California, Riverside（加州大学河滨分校） ； Bilkent University（比尔肯特大学） ； NJIT（新 jersey 理工学院） 纠错

AI总结 本文研究了无标签数据如何通过多层或循环变压器模型提升上下文学习效果，揭示了深度对多项式估计器的影响，并验证了半监督学习中循环机制的有效性。