CHEHAB RL: Learning to Optimize Fully Homomorphic Encryption Computations
CHEHAB RL: 学习优化完全同态加密计算
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校）
AI总结 CHEHAB RL通过深度强化学习自动优化FHE代码，提升执行速度和减少噪声，编译过程更高效。
高校专区
New York University（纽约大学）
LightSBB-M: Bridging Schrödinger and Bass for Generative Diffusion Modeling
LightSBB-M：连接施图德林桥梁与巴斯以生成扩散建模
机构 * New York University（纽约大学）
AI总结 LightSBB-M通过结合施图德林桥梁与巴斯方法，实现了高效的生成扩散建模，提升了合成和现实任务中的生成质量。
Do Images Speak Louder than Words? Investigating the Effect of Textual Misinformation in VLMs
图像胜过言语吗？探讨文本误导在VLMs中的影响
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Pennsylvania State University（宾夕法尼亚州立大学） ； New York University（纽约大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； AG2ai, Inc.（AG2ai公司）
AI总结 研究探讨了文本误导对视觉-语言模型（VLMs）的影响，发现模型易受误导性文本提示影响，导致性能显著下降。
Comments 24 pages, 10 figures. Accepted at EACL 2026 (main conference)
QA-ReID: Quality-Aware Query-Adaptive Convolution Leveraging Fused Global and Structural Cues for Clothes-Changing ReID
QA-ReID: 基于融合全局和结构线索的高质量查询自适应卷积用于衣物变换ReID
机构 * School of Business, Stevens Institute of Technology（斯蒂文斯理工学院商学院） ； Electrical and Computer Engineering, University of California, San Diego（加州大学圣地亚哥分校电子与计算机工程系） ； Tandon School of Engineering, New York University（纽约大学塔恩工学院） ； Institute of Operations Research and Analytics, National University of Singapore（新加坡国立大学运筹与分析研究所）
AI总结 QA-ReID通过融合全局和结构线索的高质量查询自适应卷积，提升衣物变换ReID的鲁棒性和性能
Prompt-Counterfactual Explanations for Generative AI System Behavior
提示-反事实解释用于生成式AI系统行为
机构 * University of Antwerp（安特卫普大学） ； NYU Stern School of Business（纽约大学斯特恩商学院）
AI总结 本文提出了一种生成式AI系统的提示-反事实解释方法，用于分析和解释提示对输出特征的影响，以提升模型的可解释性和可控性。
Unsupervised Elicitation of Language Models
无监督的语言模型引导
机构 * Anthropic ； Schmidt Sciences ； New York University（纽约大学） ； George Washington University（乔治华盛顿大学）
AI总结 本研究提出无监督算法ICM，通过模型自动生成标签来微调语言模型，无需外部监督，在多个任务中表现出色，尤其在超人类能力任务中表现更优。
A Switching Nonlinear Model Predictive Control Strategy for Safe Collision Handling by an Underwater Vehicle-Manipulator System
一种用于水下车辆-机械臂系统安全碰撞处理的切换非线性模型预测控制策略
机构 * D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（德·古根海姆航空航天工程学院，佐治亚理工学院） ； faculty of Electrical Engineering, Engineering Division, New York University Abu Dhabi（电气工程系，工程分校，纽约大学阿布扎克分校）
AI总结 本文提出了一种切换非线性模型预测控制策略，用于水下车辆-机械臂系统安全处理碰撞，通过机械臂推离障碍物以避免损坏。
Comments This work has been submitted to the 2026 Mediterranean Conference on Control and Automation (MED) to be considered for publication. Figures and animations are available at https://zenodo.org/records/18357280
