高校专区
通过魔镜：AI介导的视频通信减少人际信任和判断信心
机构 * Bauhaus University（包豪斯大学） ； Stanford University（斯坦福大学）
AI总结 研究探讨AI介导的视频处理对人际信任和判断信心的影响，发现AI处理降低信任和信心，但不影响实际判断准确性。
ZEBRAARENA：一种用于研究工具增强大语言模型中推理-动作耦合的诊断模拟环境
机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院）
AI总结 ZEBRAARENA通过可控难度和知识最小化设计，研究工具增强大语言模型中的推理-动作耦合，强调深度推理与精准工具调用的结合，揭示理论最优与实际工具使用间的差距。
SuperDec：基于超二次体的3D场景分解
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Microsoft（微软公司）
AI总结 SuperDec通过将场景分解为超二次体基元，实现紧凑的3D表示。该方法利用实例分割技术扩展到完整3D场景，并在ShapeNet和ScanNet++上验证了其泛化能力，适用于机器人任务和可控视觉内容生成。
Comments Project page: https://super-dec.github.io
利用嵌入特征分数评估合成胸片的分布保真度
机构 * Department of Biomedical Data Science, Stanford University（生物医学数据科学系，斯坦福大学） ； Gladstone Institutes（格拉斯顿研究所）
AI总结 本文提出嵌入特征分数(ECS)评估合成胸片与真实胸片分布的保真度，通过特征嵌入的特征函数变换，捕捉高阶矩和分布尾部差异，优于传统指标如FID。
通过扩展合成巨文档实现数据高效的预训练
机构 * Stanford University（斯坦福大学）
AI总结 本文研究如何通过生成更长的合成巨文档提升预训练效果，发现其在降低损失和提升基准准确率方面优于简单重述，数据效率从1.48倍提升至1.80倍。
无需可操作性：机制方法无法纠正语言模型错误，尽管内部表示几乎完美
机构 * University of California San Francisco（加州大学旧金山分校） ； Waymark ； University of Pennsylvania（宾夕法尼亚大学） ； Virginia Commonwealth University（弗吉尼亚 Commonwealth 大学） ； Stanford University（斯坦福大学）
AI总结 研究探讨了机制解释方法在纠正语言模型错误中的有效性，发现尽管内部表示接近完美，但现有方法无法有效将知识转化为正确输出，揭示了AI安全框架中的潜在问题。
Comments 27 pages, 5 figures, 10 tables. Code available at https://github.com/sanjaybasu/interpretability-triage
粒子动力学快速适应用于广义变形物体移动操作
机构 * Stanford University（斯坦福大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出RAPiD方法，通过学习视觉-运动策略和动态嵌入推理，实现变形物体移动操作的高成功率。
Comments 8 pages, ICRA 2026
持续自我改进的AI
机构 * STANFORD UNIVERSITY（斯坦福大学）
AI总结 本文提出三种方法，通过合成数据提升知识获取效率，减少对人类数据的依赖，并超越人类设计的训练范式，实现持续自我改进的AI。
Comments PhD thesis
TherapyGym: 评估和对齐疗法聊天机器人中的临床忠实性与安全性
机构 * Department of Computer Science, Stanford University, Stanford, CA, USA（计算机科学系，斯坦福大学，斯坦福，加州，美国） ； Department of Psychiatry and Behavioral Sciences, Stanford University, Stanford, CA, USA（精神病学与行为科学系，斯坦福大学，斯坦福，加州，美国） ； Department of Biomedical Data Science, Stanford University, Stanford, CA, USA（生物医学数据科学系，斯坦福大学，斯坦福，加州，美国） ； University of California, Berkeley, Berkeley, CA, USA（加州大学伯克利分校，伯克利，加州，美国） ； The University of Hong Kong, Hong Kong（香港大学，香港）
AI总结 TherapyGym通过评估和提升疗法聊天机器人中的忠实性与安全性，结合CTRS评分和多标签标注方案，利用RL训练框架改进模型性能，提升临床应用的安全性和有效性。
MedMASLab：多模态医疗多智能体系统的统一协调框架
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； vivo ； Stanford University（斯坦福大学）
AI总结 本文提出MedMASLab框架，解决医疗多智能体系统中多模态整合碎片化问题，通过标准化通信协议、自动化评估器和大规模基准测试，揭示领域特定性能差距，为未来自主临床系统建立新基准。
Image2Garment: 从单张图像生成可模拟的服装
机构 * Stanford University（斯坦福大学） ； Google（谷歌） ； Institute of Science Tokyo（东京科学研究所）
AI总结 本文提出一种框架，通过微调视觉语言模型获取材料属性，再训练轻量预测模型生成物理参数，实现从单张图像生成可模拟的服装。
Comments Project Page: https://image2garment.github.io/
有偏见的AI会影响政治决策
机构 * Department of Statistics, University of Washington（华盛顿大学统计学系） ； Department of Computer Science, University of Washington（华盛顿大学计算机科学系） ； Dallas, Texas（德克萨斯州达拉斯） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Psychiatry and Behavioral Science, University of Washington（华盛顿大学精神病学与行为科学系） ； Department of Communication, Stanford University（斯坦福大学传播学系）
AI总结 本文通过两个互动实验研究了LLM偏见对政治观点和决策的影响，发现参与者更容易接受与模型偏见一致的观点，即使个人政治倾向相反，且AI知识水平与偏见影响减弱相关。
潜在因果建模用于3D脑MRI反事实
机构 * Stanford University（斯坦福大学） ； Weill Cornell Medicine（韦尔·科恩医学中心） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文提出一种两阶段方法，在潜在空间中构建结构因果模型，利用VQ-VAE学习MRI体积的紧凑嵌入，并通过闭式广义线性模型生成高质量3D脑MRI反事实。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈