Vision Models Predict Urban Scene Appraisal with Limited Neural Alignment
视觉模型通过有限的神经对齐预测城市场景评价
机构 * New York University（纽约大学）
AI总结 该研究通过脑电数据测试视觉模型预测城市场景评价的能力，发现预测评价与神经表征对应性弱，为评估视觉模型的场景表征一致性提供了仅需55张图像嵌入的基准。
高校专区
New York University（纽约大学）
Uncertainty of Vision Medical Foundation Models
视觉医学基础模型的不确定性
机构 * Center for Data Science, New York University（纽约大学数据科学中心） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Department of Population Health, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院人口健康系）
AI总结 本研究对比特定领域与通用领域视觉基础模型，探究预训练方式等对不确定性量化的影响，发现特定领域预训练结合自监督学习可提升校准效果，特定领域模型能实现更高效共形预测，强调需整合点与区域预测以增强医疗AI可靠性。
TAKE 85: Testing Audiovisual filmmaKer's intEnt across 85 Hours of Film
TAKE 85：基于85小时电影时长的电影创作者意图测试基准
机构 * LIX, Ecole Polytechnique, IP Paris（巴黎综合理工学院LIX实验室、巴黎IP大学） ； New York University（纽约大学） ； Ecole nationale supérieure Louis-Lumière（路易卢米耶高等国家学院） ； Stony Brook University（石溪大学）
AI总结 本文推出首个导演意图理解基准TAKE 85，通过实验发现当前顶尖MLLMs在感知识别与意图理解间存在显著差距，最强模型仅得58分，单一模态无法支撑意图理解。
Small Language Models as Judges for Rubric-Based Reinforcement Learning
小型语言模型作为基于 rubric 的强化学习的评判者
机构 * New York University（纽约大学） ； Yale University（耶鲁大学）
AI总结 该研究构建了两个基于 rubric 的评估数据集，对比三种提取标准级评判的方法，发现 Qwen3-1.7B 探针评判者表现最优，用作 GRPO 奖励模型时训练效率优于 8B 生成式评判者基线。
Comments 9 pages, 1 figure; EMNLP 2026 Findings
AutoCRAT: Within-trajectory Joint Control of Stochasticity and Compute for LLM Reasoning
AutoCRAT：针对大语言模型推理的轨迹内随机性与计算量联合控制
机构 * New York University（纽约大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校） ； University of Washington Seattle（华盛顿大学西雅图分校） ； Harvard University（哈佛大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 AutoCRAT是针对大语言模型推理的轨迹内随机性与计算量联合控制方法，仅在语义边界更新决策，在6个基准上减少推理令牌并提升准确率，且跨主干迁移性强。
Comments EMNLP 2026 Findings
VibeJam: A User Study Platform for Web Development with Agents
VibeJam：用于智能体辅助Web开发的用户研究平台
机构 * University of Maryland（马里兰大学） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学）
AI总结 研究推出开源浏览器平台VibeJam，支持用户与Aider智能体协作开发网站，试点显示其获资深程序员认可且初级学生用其生成的网站质量更优，可推动编码智能体相关研究。
Comments EMNLP 2026 (Demo)
Check The Scoreboard: An Analysis of Scoring Schemes on Multiple-Choice Evaluation
查看计分板：多项选择题评估的计分方案分析
机构 * University of Maryland（马里兰大学） ； New York University（纽约大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究分析6种教育启发式计分方案对MCQA评估的影响，发现其可改变31个LLM的排名、更准确预测用户偏好，并揭示不同模型能力，还探讨了方案向其他任务的扩展。
Comments EMNLP 2026
The Emergent Symbolic Structure of Artificial Neural Networks
人工神经网络的涌现符号结构
机构 * Yale University（耶鲁大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； New York University（纽约大学） ； Microsoft Research（微软研究院）
AI总结 该研究发现神经网络内部表征隐含符号结构，可通过符号结构近似其向量表征，还能精准干预修改大型语言模型行为，为调和智能的符号概念与现代AI的向量本质提供了新途径。
Comments 30 pages, plus 29 pages of references and appendices
What Are You Listening to? Temporal Music Grounding for Audio-to-Text Large Language Models
你在听什么？面向音频-文本大语言模型的时序音乐定位
机构 * Schulich School of Music, McGill University（麦吉尔大学舒利希音乐学院） ； CIRMMT (Centre for Interdisciplinary Research in Music Media and Technology)（音乐媒体与技术跨学科研究中心（CIRMMT）） ； Courant Institute, New York University（纽约大学柯朗研究所） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学（MBZUAI））
AI总结 本文提出时序音乐定位任务，构建基准集MusicGroundingBench评估音频-语言模型的该能力，发现当前模型完成该任务仍具挑战，任务特定训练可提升性能，该基准可用于评估模型回应是否基于音乐证据。
Toward Latent Language Model Skills Steering and Optimization: An Empirical Study
面向潜在语言模型技能的引导与优化：一项实证研究
机构 * New York University（纽约大学） ； Adobe Research（奥多比研究院） ； UC San Diego（加州大学圣迭戈分校）
AI总结 本研究通过实证探究发现大型语言模型（LLM）的过程技能可表征为激活空间中的向量方向，且可通过向量操作实现技能引导与优化，为LLM过程技能的潜在空间操控提供了表征级视角。
EvoGenUI-Bench: Evaluating LLMs as Multi-Turn Generative UI Assistants
EvoGenUI-Bench：评估大型语言模型作为多轮生成式UI助手的性能
机构 * New York University Shanghai（上海纽约大学）
AI总结 本文提出EvoGenUI-Bench多轮生成式UI评估基准，发现现有8个大型语言模型在该基准上轮次通过率最高74.9%、五轮回合完成率仅37.3%，且工具接地任务的跨轮次保留率更低，揭示生成式UI需关注多轮状态同步问题。
Plant-Inspired AI: Plants as Inspiration for Novel Problem Formulations, and Two Case Studies
植物启发的AI：以植物为灵感的新型问题表述及两个案例研究
机构 * New York University（纽约大学） ； Universidad de Murcia（穆尔西亚大学） ； University of Edinburgh（爱丁堡大学）
AI总结 本文以植物复杂行为为灵感，提出构建涵盖现有AI框架未关注问题的新型AI框架，并通过叶拟态、根-茎协调生长两个案例提炼计算原理，确定未解决问题，为AI发展提供新方向。
From Analytics to Tumor Boards: An Evidence-Linked Multi-Agent Workflow for Oncology Feature Extraction
从分析学到肿瘤委员会：一种用于肿瘤学特征提取的证据关联多智能体工作流
机构 * Nimblemind ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Florida International University（佛罗里达国际大学） ； Duke-NUS Medical School（杜克-新加坡国立大学医学院） ； Singapore General Hospital（新加坡中央医院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； OncoLens
AI总结 该研究针对肿瘤学文档的结构化提取需求，提出nMAS多智能体工作流，在230份肿瘤学文档上的F1值达85.0%，优于对照模型，验证了其将碎片化肿瘤学文档转为结构化数据的可行性。
