高校专区
跨架构、语料库与噪声条件的神经音频编解码器令牌的语言统计分析
机构 * The University of Tokyo（东京大学） ； Keio University（庆应义塾大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文分析13款不同架构的神经音频编解码器在多语料库、多噪声条件下的令牌统计特征，明确声学条件与量化器元类别的主导作用，为该类编解码器的语言统计分析提供架构相关规范。
Comments Submitted to IEEE Transactions on Audio, Speech, and Language Processing (TASLP)
CHASE：当排序成为唯一目标时，内容生态系统如何被重塑
机构 * University of California, Berkeley（加州大学伯克利分校） ； Zhejiang University（浙江大学）
AI总结 本研究提出CHASE模拟框架，发现针对固定LLM排序信号的重复优化会使内容质量与排序一致性下降，且生态系统动态具领域依赖性，揭示了GEO的群体层面效应。
Comments Accepted to the Conference on Language Modeling (COLM) 2026
Spec2Twin-Chain：利用大型语言模型编排双层优化以构建区块链数字孪生
机构 * University of California, Berkeley（加利福尼亚大学伯克利分校） ； Columbia University（哥伦比亚大学）
AI总结 Spec2Twin-Chain框架将区块链数字孪生构建转化为双层优化问题，利用LLM与仿真优化器迭代协作，经多类实验验证可构建准确孪生体并支持下游决策。
V2TATC：用于空中交通管制员态势感知的联合语音-轨迹嵌入框架与数据集
机构 * University of California, Berkeley（加利福尼亚大学伯克利分校）
AI总结 V2TATC是联合语音-轨迹嵌入框架，结合多模态技术，在旧金山湾区空域验证有效性，发布配对数据集并开展多类实验，助力空中交通管制员态势感知。
Comments 41 pages, 21 figures, 9 tables
自动研究人员可可靠缓解对齐失败问题
机构 * Anthropic ； UC Berkeley（加州大学伯克利分校）
AI总结 该研究提出自动对齐研究人员（AARs）的训练方法，可在保留通用能力的同时缓解10种对齐失败，其效果优于人类研究人员，且无需人类指导，近期具备可行性。
培育林分而非单棵树：联合冠层生成再现树冠羞避现象
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 该研究提出基于流匹配模型的联合冠层生成方法，成功再现树冠羞避现象，其间隙分布误差仅为单独生成树木的模型的一半，且与热带橡树林实地测量结果匹配
Comments 8 pages plus references, 8 figures
面向大规模 overhead hoist transport 系统的轨迹初始化神经双 Q 路由算法
机构 * The University of Hong Kong（香港大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校）
AI总结 针对大规模 OHT 系统路由问题，提出轨迹初始化的神经双 Q 路由算法，在多组集群规模-到达率设置中显著降低平均完成时间，提升已完成任务数量并缩短尾部完成时间。
DuplexGen：人机交替对话的自适应合成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Seoul National University（首尔大学） ； Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 DuplexGen框架通过将LLM预测与少量槽级人类偏好标注校准，生成场景自适应交替发言对话，契合人类偏好的效果优于未校准方法，证明人类校准对交替发言合成场景特定性的关键作用。
Comments EMNLP 2026; Project website: https://duplexgen.github.io
MagicSim: 可执行具身交互的统一基础设施
机构 * Northwestern University（西北大学） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校） ； ShanghaiTech University（上海科技大学）
AI总结 提出MagicSim，一个基于确定性批处理运行时和共享MDP的具身交互基础设施，通过YAML规范解耦内容、放置、行为和智能体暴露，统一世界构建、执行、评估和自动生成轨迹。
Comments v2:Expanded the supplementary materials by adding three sections-Scene YAML, Robot Embodiment List, and Atomic Skill List-corrected typographical errors, and corrected author-affiliation information that was inaccurate in the previous version
脉冲神经网络配置在网络入侵检测中的评估
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 通过消融实验评估9种神经元模型与3种脉冲编码方案的27种组合，发现延迟编码优于速率和增量编码，且LeakyParallel神经元结合延迟编码在四个基准数据集上平均准确率92.11%，宏F1 0.80，假阳性率2.01%，推理速度最快。
Comments This manuscript is under review for IEEE CogMI 2026. \c{opyright} 2026 IEEE. Personal use is permitted; all other uses require IEEE permission, including reprinting, republication, redistribution, resale, or reuse of copyrighted components
隐藏的思考并非秘密：大型语言模型中的推理痕迹暴露
机构 * National Yang Ming Chiao Tung University（国家阳明交通大学） ； UC Berkeley（伯克利大学）
AI总结 本文提出推理暴露提示（REP）方法，通过影子模型生成的示范以辅助代码格式包装，从受害者模型中引出用户可见的推理痕迹，显著提高暴露痕迹与内部痕迹的相似性并保留有用推理信号。
Comments This version is accepted to EMNLP 2026
不确定性驱动量化大语言模型中的社会偏见变化
机构 * UC Berkeley（伯克利大学） ； Centre for Computational Medicine at The Hospital for Sick Children（儿童医院计算医学中心） ； UCSF（旧金山大学） ； Meta Superintelligence Labs（Meta超智能实验室）
AI总结 研究发现量化过程导致大语言模型中社会偏见的翻转，且不确定性与量化强度影响偏见变化，需进行后续评估以确保可靠性。
Comments Accepted to COLM 2026 (10 pages, 5 figures)
通过检索增强型大语言模型中的水印金丝雀实现数据集保护
机构 * University of Florida（佛罗里达大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本研究提出CanaryTrace方法，通过在IP数据集中插入带水印的金丝雀文档，可高效检测RA-LLMs对数据集的未经授权使用，且不影响RAG系统性能。
Comments EMNLP2026
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