University of Michigan（密歇根大学安娜堡分校）

Learning Markov Decision Processes under Fully Bandit Feedback

在完全老虎机反馈下学习马尔可夫决策过程

Zhengjia Zhuo, Anupam Gupta, Viswanath Nagarajan

机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运作工程系，密歇根大学） ； Computer Science Department, New York University（计算机科学系，纽约大学） 纠错

AI总结 本文提出了在完全老虎机反馈下学习回合制MDP的高效算法，实现了O(√T)的后悔界，并展示了其在k-项预言不等式中的性能与有详细反馈的算法相当。

The Strategic Foresight of LLMs: Evidence from a Fully Prospective Venture Tournament

大语言模型的战略前瞻性：来自一个前瞻性创业竞赛的证据

Felipe A. Csaszar, Aticus Peterson, Daniel Wilde

机构 * Ross School of Business University of Michigan（密歇根大学罗斯商学院） ； NYU Stern School of Business New York University（纽约大学 Stern 商学院） ； Kelley School of Business Indiana University（印第安纳大学凯利商学院） 纠错

AI总结 大语言模型在战略前瞻性任务中超越人类，通过前瞻性创业竞赛验证其预测能力。

Comments 60 pages, 11 figures, 4 tables

Omni-Judge: Can Omni-LLMs Serve as Human-Aligned Judges for Text-Conditioned Audio-Video Generation?

Omni-Judge: 能否将 Omni-LLMs 用作文本条件音频视频生成的人类对齐裁判？

Susan Liang, Chao Huang, Filippos Bellos, Yolo Yunlong Tang, Qianxiang Shen, Jing Bi, Luchuan Song, Zeliang Zhang, Jason Corso, Chenliang Xu

机构 * University of Rochester（罗切斯特大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 Omni-Judge 评估 Omni-LLMs 是否能作为文本条件音频视频生成的人类对齐裁判，展现其在多模态评估中的潜力与局限。

Quantized-Tinyllava: a new multimodal foundation model enables efficient split learning

量化-小TinyLLaVA：一种新的多模态基础模型实现了高效的分裂学习

Jiajun Guo, Xin Luo, Jiayin Zheng, Yiqun Wang, Kai-Wei Chang, Wei Wang, Jie Liu

机构 * Department of Statistics University of Michigan（统计学系密歇根大学） ； Department of Computational Medicine & Bioinformatics University of Michigan（计算医学与生物信息学系密歇根大学） ； Department of Biostatistics University of Michigan（生物统计学系密歇根大学） ； Department of Computer Science University of California, Los Angeles（计算机科学系加州大学洛杉矶分校） 纠错

AI总结 Quantized-TinyLLaVA通过量化压缩和高效分裂学习框架，在减少通信开销的同时保持模型性能，提升隐私保护能力。

SNIP: An Adaptive Mixed Precision Framework for Subbyte Large Language Model Training

SNIP：一种用于子字节大语言模型训练的自适应混合精度框架

Yunjie Pan, Yongyi Yang, Hanmei Yang, Scott Mahlke

机构 * University of Michigan（密歇根大学） ； NTT Research, Inc.（NTT研究公司） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 SNIP通过自适应混合精度框架，有效提升大语言模型训练效率，减少FLOPs达80%并保持模型质量。

Comments Accepted to ASPLOS 2026

Robust Harmful Meme Detection under Missing Modalities via Shared Representation Learning

在缺失模态下通过共享表征学习实现鲁棒的有害迷因检测

Felix Breiteneder, Mohammad Belal, Muhammad Saad Saeed, Shahed Masoudian, Usman Naseem, Kulshrestha Juhi, Markus Schedl, Shah Nawaz

机构 * Johannes Kepler University（约翰内斯·开普勒大学） ； Aalto University（阿alto大学） ； University of Michigan-Flint（密歇根大学弗林特分校） ； Macquarie University（麦考瑞大学） ； Institute of Computational Perception, Johannes Kepler University Linz（计算感知研究所，约翰内斯·开普勒大学林茨） ； Linz Institute of Technology（林茨技术研究所） 纠错

AI总结 本文提出了一种在缺失模态下通过共享表征学习提升有害迷因检测鲁棒性的方法，实验表明其在文本缺失时性能优于现有方法。

Comments Accepted at WWW2026

SADER: Structure-Aware Diffusion Framework with DEterministic Resampling for Multi-Temporal Remote Sensing Cloud Removal

SADER：一种结构感知扩散框架，用于多时相遥感云去除

Yifan Zhang, Qian Chen, Yi Liu, Wengen Li, Jihong Guan

机构 * College of Literature, Science, and the Arts, University of Michigan（文学、科学与艺术学院，密歇根大学） ； School of Computer Science and Technology, Tongji University（计算机科学与技术学院，同济大学） 纠错

AI总结 SADER通过结构感知扩散框架，结合时间融合和混合注意力机制，有效解决多时相遥感云去除问题，提升云去除效果和效率。

Robust Trajectory Tracking of Autonomous Surface Vehicle via Lie Algebraic Online MPC

通过李代数在线MPC实现自主水面车辆的鲁棒轨迹跟踪

Yinan Dong, Ziyu Xu, Tsimafei Lazouski, Sangli Teng, Maani Ghaffari

机构 * University of Michigan（密歇根大学） ； University of California, Berkley（加州大学伯克利分校） 纠错

AI总结 本文提出一种结合李群和在线学习的MPC控制器，用于提升自主水面车辆在未知扰动下的轨迹跟踪鲁棒性和精度。

Safe Control and Learning Using Generalized Action Governor

利用广义动作控制器实现安全控制与学习

Peiyuan Fang, Weiqi Zhang, Lu Xiong, Nan Li, Yanjun Huang, Yutong Li, Ilya Kolmanovsky, Anouck Girard, H. Eric Tseng, Dimitar Filev

机构 * organization= School of Automotive Studies, Tongji University , city= Shanghai , postcode= 201804 , country= China ； organization= Department of Aerospace Engineering, University of Michigan , city= Ann Arbor , postcode= 48109 , state= MI , country= USA ； organization= Department of Aerospace Engineering, Embry-Riddle Aeronautical University , city= Daytona Beach , postcode= 32114 , state= FL , country= USA ； organization= Department of Electrical Engineering, University of Texas at Arlington , city= Arlington , postcode= 76019 , state= TX , country= USA ； organization= Hagler Institute for Advanced Study, Texas A\&M University , city= College Station , postcode= 77840 , state= TX , country= USA 纠错

AI总结 本文提出广义动作控制器，用于在控制与学习过程中保障系统安全性和约束满足。

Comments 12 pages, 4 figures