New York University（纽约大学）

YOR: Your Own Mobile Manipulator for Generalizable Robotics

YOR：您自己的通用机器人移动机械臂

Manan H Anjaria, Mehmet Enes Erciyes, Vedant Ghatnekar, Neha Navarkar, Haritheja Etukuru, Xiaole Jiang, Kanad Patel, Dhawal Kabra, Nicholas Wojno, Radhika Ajay Prayage, Soumith Chintala, Lerrel Pinto, Nur Muhammad Mahi Shafiullah, Zichen Jeff Cui

机构 * New York University（纽约大学） ； University of California, Berkeley（加州大学伯克利分校） ； City University of New York（纽约城市大学） 纠错

AI总结 YOR是一款低成本、模块化的移动机械臂，通过集成 omnidirectional 基底、可伸缩垂直提升装置和双臂夹具，实现全身移动和操作，为移动操作研究提供经济高效的解决方案。

Generalized Robust Adaptive-Bandwidth Multi-View Manifold Learning in High Dimensions with Noise

高维噪声下的通用稳健自适应带宽多视图流形学习

Xiucai Ding, Chao Shen, Hau-Tieng Wu

机构 * Department of Statistics, University of California, Davis（加州大学戴维斯分校统计系） ； Amazon（亚马逊） ； Courant Institute of Mathematical Sciences, New York University, New York, 10012, NY, USA（纽约大学Courant数学科学研究所） 纠错

AI总结 本文提出GRAB-MDM框架，通过视图依赖的自适应带宽策略，在高维噪声环境下实现稳健的多视图流形学习。

Comments 4 figures

Canvas-of-Thought: Grounding Reasoning via Mutable Structured States

Canvas-of-Thought：通过可变的结构化状态进行推理

Lingzhuang Sun, Yuxia Zhu, Ruitong Liu, Hao Liang, Zheng Sun, Caijun Jia, Honghao He, Yuchen Wu, Siyuan Li, Jingxuan Wei, Xiangxiang Zhang, Bihui Yu, Wentao Zhang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； New York University（纽约大学） ； Westlake University（西湖大学） 纠错

AI总结 Canvas-CoT通过引入HTML Canvas实现可变结构化状态，提升多模态推理效率与精度。

Out of the box age estimation through facial imagery: A Comprehensive Benchmark of Vision-Language Models vs. out-of-the-box Traditional Architectures

走出盒子进行年龄估计：一种视觉-语言模型与传统架构全面基准的比较

Simiao Ren, Xingyu Shen, Ankit Raj, Albert Dai, Caroline, Zhang, Yuan Xu, Zexi Chen, Siqi Wu, Chen Gong, Yuxin Zhang

机构 * Reality Inc ； Duke University（杜克大学） ； New York University（纽约大学） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 本文通过对比视觉-语言模型与传统架构，发现零样本VLM在面部年龄估计中表现优于专门模型，且在年龄验证中显著降低误判率。

IQNN-CS: Interpretable Quantum Neural Network for Credit Scoring

IQNN-CS：用于信用评分的可解释量子神经网络

Abdul Samad Khan, Nouhaila Innan, Aeysha Khalique, Muhammad Shafique

机构 * Lahore University of Management Sciences, Pakistan（拉合尔管理科学大学，巴基斯坦） ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（eBRAIN实验室，工程系，纽约大学阿布扎比分校） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute（量子与拓扑系统中心（CQTS），NYUAD研究机构） 纠错

AI总结 IQNN-CS是一种用于信用评分的可解释量子神经网络，通过引入ICAA度量标准提升模型的可解释性和透明度，适用于金融决策中的高风险任务。

Comments Accepted for oral presentation at QUEST-IS'25. To appear in Springer proceedings

Journal ref International Conference on Quantum Engineering Sciences and Technologies for Industry and Services 2025

Comparative Performance Analysis of Quantum Machine Learning Architectures for Credit Card Fraud Detection

量子机器学习架构在信用卡欺诈检测中的性能比较

Mansour El Alami, Nouhaila Innan, Muhammad Shafique, Mohamed Bennai

机构 * eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD), Abu Dhabi, UAE（纽约大学阿布扎比分校（NYUAD）工程学院 eBRAIN 实验室，阿布扎赫，阿联酋） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute, NYUAD, Abu Dhabi, UAE（量子与拓扑系统中心（CQTS），NYUAD 研究院，纽约大学阿布扎比分校（NYUAD），阿布扎赫，阿联酋） 纠错

AI总结 本文比较了三种量子机器学习架构在信用卡欺诈检测中的性能，发现VQC表现最佳，而EQNN面临非标准化数据挑战，强调了模型配置的重要性。

Comments 15 pages, 20 figures, 8 tables. Accepted in Applied Intelligence

Journal ref Appl Intell 56, 83 (2026)