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

Safe Planning in Unknown Environments Using Conformalized Semantic Maps

在未知环境中使用符合化语义地图进行安全规划

David Smith Sundarsingh, Yifei Li, Tianji Tang, George J. Pappas, Nikolay Atanasov, Yiannis Kantaros

机构 * Department of Electrical and Systems Engineering, Washington University in St. Louis（华盛顿大学圣路易斯分校电气与系统工程系） ； Department of Electrical and Computer Engineering, University of California, San Diego（加州大学圣地亚哥分校电气与计算机工程系） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） 纠错

AI总结 本文提出了一种在未知环境中使用符合化语义地图进行安全规划的方法，能够实现用户指定的任务完成率，无需依赖传感器模型或噪声知识。

Comments 8 pages, 5 figures, 2 algorithms, 1 table

Rethinking Beam Management: Generalization Limits Under Hardware Heterogeneity

重新思考波束管理：在硬件异质性下的泛化限制

Nikita Zeulin, Olga Galinina, Ibrahim Kilinc, Sergey Andreev, Robert W. Heath

机构 * Tampere University（塔尔皮奥大学） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文探讨了在硬件异质性环境下基于机器学习的波束管理面临的泛化限制，并提出了改进策略。

Comments This work has been submitted to the IEEE for possible publication

Learning Without Training

无需训练的学习

Ryan O'Dowd

机构 * Claremont Graduate University（克莱蒙特研究生大学） ； Claremont McKenna College（克莱蒙特麦肯纳学院） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本研究通过三个项目探讨了监督学习、迁移学习和分类任务中的理论问题与方法改进。

Comments PhD Dissertation of Ryan O'Dowd, defended successfully at Claremont Graduate University on 1/28/2026

Homotopic information gain for sparse active target tracking

同伦信息增益用于稀疏主动目标跟踪

Jennifer Wakulicz, Ki Myung Brian Lee, Teresa Vidal-Calleja, Robert Fitch

机构 * Australian Centre for Robotics, School of Aerospace, Mechanical and Mechatronic Engineering, University of Sydney（澳大利亚机器人中心，航空航天、机械与机电工程学院，悉尼大学） ； Department of Electrical and Computer Engineering, UC San Diego（电气与计算机工程系，UC圣地亚哥大学） ； School of Mechanical and Mechatronics Engineering, University of Technology Sydney（机械与机电工程学院，技术大学悉尼） 纠错

AI总结 本文提出同伦信息增益方法，通过最大化目标高层运动信息实现更高效的稀疏主动目标跟踪。

Comments 12 pages, 12 figures, accepted to Transactions on Robotics

Two Calm Ends and the Wild Middle: A Geometric Picture of Memorization in Diffusion Models

两个平静的终点与野性中间：扩散模型中记忆的几何图景

Nick Dodson, Xinyu Gao, Qingsong Wang, Yusu Wang, Zhengchao Wan

机构 * Department of Mathematics, University of Missouri（数学系，密苏里大学） ； Halıcıoğlu Data Science Institute, University of California San Diego（哈利奇奥数据科学研究所，加州大学圣地亚哥分校） 纠错

AI总结 本文提出了一种几何框架，通过分析噪声调度的不同区域，揭示了扩散模型中记忆与泛化的机制，并提出针对性干预以减少记忆风险。

Through the Judge's Eyes: Inferred Thinking Traces Improve Reliability of LLM Raters

通过裁判之眼：推断的思考轨迹提升LLM评分器的可靠性

Xingjian Zhang, Tianhong Gao, Suliang Jin, Tianhao Wang, Teng Ye, Eytan Adar, Qiaozhu Mei

机构 * University of Michigan（密歇根大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Minnesota（明尼苏达大学） 纠错

AI总结 通过人与LLM协作框架推断思考轨迹，提升LLM评分器的可靠性及人类与LLM之间的一致性。

Investigating Demographic Bias in Brain MRI Segmentation: A Comparative Study of Deep-Learning and Non-Deep-Learning Methods

研究脑部MRI分割中的人口统计学偏差：深度学习与非深度学习方法的比较研究

Ghazal Danaee, Marc Niethammer, Jarrett Rushmore, Sylvain Bouix

机构 * École de technologie supérieure ； University of California San Diego（加州大学圣地亚哥分校） ； Boston University School of Medicine（波士顿大学医学院） 纠错

AI总结 本研究比较了深度学习和非深度学习方法在脑MRI分割中的性能，发现种族匹配数据能提升分割准确性，但种族效应在部分模型中消失。

Comments 17 pages, 2 figures, Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:035

Journal ref Machine.Learning.for.Biomedical.Imaging. " (2026)

ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions

ChoiceMates: 通过多智能体对话交互支持陌生在线决策

Jeongeon Park, Bryan Min, Kihoon Son, Jean Y. Song, Xiaojuan Ma, Juho Kim

机构 * University of California, San Diego（加州大学圣迭戈分校） ； School of Computing, KAIST（韩国科学技术院计算机学院） ； Information and Interaction Design, Yonsei University（延世大学信息与交互设计） ； Hong Kong University of Science（香港科学大学） 纠错

AI总结 ChoiceMates通过多智能体对话交互帮助用户更高效地进行陌生在线决策。

Comments Accepted to IUI 2026