University of California, San Diego（加州大学圣迭戈分校）

Sub--Riemannian boundary value problems for Optimal Geometric Locomotion

亚黎曼边界值问题用于最优几何运动

Oliver Gross, Florine Hartwig, Martin Rumpf, Peter Schröder

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Bonn（波恩大学） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本文提出了一种几何模型，用于研究最优几何运动中的亚黎曼边界值问题，通过考虑身体位移和代谢能耗，提高了运动效率分析。

Where Bits Matter in World Model Planning: A Paired Mixed-Bit Study for Efficient Spatial Reasoning

位在世界模型规划中的作用：一种混合位研究以实现高效的空问推理

Suraj Ranganath, Anish Patnaik, Vaishak Menon

机构 * University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本研究通过混合位方法探讨位分配对世界模型规划的影响，发现不同比特分配策略在空间推理中的表现差异显著，提出模块意识和预算意识的量化策略作为未来研究方向。

Comments Workshop submission

Translating Flow to Policy via Hindsight Online Imitation

通过回顾在线模仿将流翻译为政策

Yitian Zheng, Zhangchen Ye, Weijun Dong, Shengjie Wang, Yuyang Liu, Chongjie Zhang, Chuan Wen, Yang Gao

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； University of California San Diego（加州大学圣地亚哥分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Qi Zhi Institute（上海启智研究所） 纠错

AI总结 通过回顾在线模仿将流翻译为政策，利用2D点流作为高层规划器，在模拟和现实任务中实现超过2倍的性能提升。

scPilot: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discovery

scPilot：面向自动化单细胞分析与发现的大型语言模型推理

Yiming Gao, Zhen Wang, Jefferson Chen, Mark Antkowiak, Mengzhou Hu, JungHo Kong, Dexter Pratt, Jieyuan Liu, Enze Ma, Zhiting Hu, Eric P. Xing

机构 * UC San Diego（UC圣地亚哥大学） ； MBZUAI ； CMU（卡内基梅隆大学） ； Texas A&M（德克萨斯A&M大学） 纠错

AI总结 scPilot通过组学原生推理提升单细胞分析的准确性与可解释性，实现自动化细胞类型注释和轨迹重建。

Comments Accepted at NeurIPS 2025 Main Conference

Assessing Low Back Movement with Motion Tape Sensor Data Through Deep Learning

通过深度学习评估运动带传感器数据中的低背运动

Jared Levy, Aarti Lalwani, Elijah Wyckoff, Kenneth J. Loh, Sara P. Gombatto, Rose Yu, Emilia Farcas

机构 * University of California San Diego（加州大学圣地亚哥分校） ； Active, Responsive, Multifunctional, and Ordered-Materials Research (ARMOR) Laboratory（主动、响应、多功能和有序材料研究实验室） ； San Diego State University（圣地亚哥州立大学） ； Qualcomm Institute（高通研究院） 纠错

AI总结 本研究提出MT-AIM模型，通过生成合成数据和特征增强，实现对低背运动的高准确率分类，提升运动分析的实用性。

Journal ref Sensors 26 (2026) 1127

Divide and Learn: Multi-Objective Combinatorial Optimization at Scale

分割学习：大规模多目标组合优化

Esha Singh, Dongxia Wu, Chien-Yi Yang, Tajana Rosing, Rose Yu, Yi-An Ma

机构 * Department of Computer Science & Engineering UC San Diego（计算机科学与工程系，圣地亚哥大学） ； Department of Statistics Stanford University（统计学系，斯坦福大学） ； Halıcıoğlu Data Science Institute UC San Diego（Halıcıoğlu数据科学研究所，圣地亚哥大学） 纠错

AI总结 本文提出一种基于在线学习的多目标组合优化方法，通过分解决策空间和自适应专家引导，实现高效的样本和计算效率，优于现有方法。

Comments Tech report. Code URL coming soon

No Word Left Behind: Mitigating Prefix Bias in Open-Vocabulary Keyword Spotting

无词遗留：减轻开放式词汇关键词定位中的前缀偏差

Yi Liu, Chuan-Che Huang, Xiao Quan

机构 * University of California San Diego, Dept. of Electrical and Computer Engineering（加州大学圣迭戈分校电子与计算机工程系） ； Bose Corporation（博世公司） 纠错

AI总结 本文提出EPS方法，通过减轻开放式词汇关键词定位中的前缀偏差，显著提升识别准确率，同时保持其他数据集的性能。

Comments Published in ICASSP 2026