University of Michigan（密歇根大学安娜堡分校）

When Do Language Models Endorse Limitations on Human Rights Principles?

语言模型何时会支持人权原则的限制？

Keenan Samway, Nicole Miu Takagi, Rada Mihalcea, Bernhard Schölkopf, Ilias Chalkidis, Daniel Hershcovich, Zhijing Jin

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Jinesis AI Lab, University of Toronto & Vector Institute（Jinesis AI实验室，多伦多大学及向量研究所） ； University of Michigan（密歇根大学） ； University of Copenhagen（哥本哈根大学） ； EuroSafeAI 纠错

AI总结 本文研究了语言模型在人权原则限制上的偏见，发现模型在不同语言和提示下表现出系统性差异，揭示了AI在高风险互动中的伦理挑战。

Comments EACL Findings 2026

Rich Insights from Cheap Signals: Efficient Evaluations via Tensor Factorization

从廉价信号中获取丰富洞察：通过张量分解实现高效评估

Felipe Maia Polo, Aida Nematzadeh, Virginia Aglietti, Adam Fisch, Isabela Albuquerque

机构 * University of Michigan（密歇根大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出基于张量分解的模型，通过结合廉价自动评分与少量人类标注，实现高效细粒度生成模型评估，提供准确的偏好预测和置信区间。

From Press to Pixels: Evolving Urdu Text Recognition

从报纸到像素：进化乌尔都语文本识别

Samee Arif, Sualeha Farid

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文提出通过微调YOLO和SwinIR模型，结合UNB数据集，对比LLMs与传统OCR在乌尔都语识别中的性能，展示LLMs在低资源场景下的优势。

Overlapping Domain Decomposition for Distributed Pose Graph Optimization

重叠域分解用于分布式姿态图优化

Aneesa Sonawalla, Yulun Tian, Jonathan P. How

机构 * MIT Department of Aeronautics and Astronautics（麻省理工学院航空与宇航科学系） ； The Charles Stark Draper Laboratory（查尔斯·斯塔克·德拉珀实验室） ； University of Michigan Robotics Department（密歇根大学机器人学系） 纠错

AI总结 ROBO通过重叠域分解方法，实现多机器人姿态图优化的高效分布式求解，显著提升收敛速度并适应不同通信环境。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

Prompt-Dependent Ranking of Large Language Models with Uncertainty Quantification

基于不确定性的大语言模型提示依赖排序

Angel Rodrigo Avelar Menendez, Yufeng Liu, Xiaowu Dai

机构 * Department of Statistics and Data Science, UCLA（统计与数据科学系，加州大学洛杉矶分校） ； Department of Statistics, University of Michigan（统计系，密歇根大学） ； Department of Statistics and Data Science, and of Biostatistics, UCLA（统计与数据科学系及生物统计学系，加州大学洛杉矶分校） 纠错

AI总结 本文提出了一种基于提示依赖的排名推断框架，通过统计有效的不确定性保证，改进大语言模型的排名决策。

VIGOR: Visual Goal-In-Context Inference for Unified Humanoid Fall Safety

VIGOR：基于上下文的视觉目标推理用于统一的人形机器人跌倒安全

Osher Azulay, Zhengjie Xu, Andrew Scheffer, Stella X. Yu

机构 * University of Michigan, Ann Arbor（密歇根大学） 纠错

AI总结 VIGOR通过整合感知-运动表示，实现人形机器人在复杂地形中的零样本跌倒安全。

R1-Code-Interpreter: LLMs Reason with Code via Supervised and Multi-stage Reinforcement Learning

R1-Code-Interpreter: LLMs通过监督学习和多阶段强化学习进行代码推理

Yongchao Chen, Yueying Liu, Junwei Zhou, Yilun Hao, Jingquan Wang, Yang Zhang, Na Li, Chuchu Fan

机构 * MIT / Harvard（麻省理工学院/哈佛大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Harvard（哈佛大学） 纠错

AI总结 R1-Code-Interpreter通过监督学习和多阶段强化学习提升LLM的代码推理能力，实现对多样化任务的高效处理，显著提升模型性能。

Comments 29 pages