高校专区
一个编辑器，多种编辑：用于多样化视频编辑的统一无训练框架
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对单一框架内实现高质量多样化视频编辑的挑战，提出无训练框架EditVid，结合稀疏因果记忆等技术，在FiVE、IVEBench数据集及用户研究中均取得优于基线的结果。
Comments https://plan-lab.github.io/editvid
大型语言模型的在线策略蒸馏再思考 II：一个训练示例
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该研究通过单查询训练探究在线策略蒸馏（OPD）的训练数据作用，发现单查询 OPD 可恢复大部分全数据增益，16 个语义查询可匹配全数据效果，指出 OPD 数据过剩但算法不足，为后续研究指明方向。
Comments 29 pages, 20 figures
退化扩散模型的条件设置
机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对奇异扩散系数且密度不光滑的条件生成模型，该研究提出基于因果最优传输的近似损失函数，以实现最小熵控制的引导。
随机注意力：重新思考高效推理的KV缓存驱逐策略
机构 * Salesforce AI Research（Salesforce AI研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 Random Attention方法不计算KV缓存token的得分，均匀随机驱逐token，在四个模型六个推理任务上性能与现有最强方法相当，且vLLM部署吞吐量提升32%-43%，揭示了推理轨迹的冗余抵御驱逐的机制。
SLIDEFORGE：一款用于将幻灯片作为结构化工件进行可控编辑的大语言模型智能体
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 SLIDEFORGE是一款基于Deck State Graph的LLM智能体，可实现保留布局样式等的可控幻灯片编辑，在多维度评估中优于现有基线，提供可控幻灯片编辑的新方案。
Comments EMNLP 2026 Main Conference. Haozhen and Fulin contributed equally
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。
Skyfall-GS：从卫星图像合成沉浸式3D城市场景
机构 * National Yang Ming Chiao Tung University ； UIUC ； University of Zaragoza ； UC Merced
AI总结 本文提出Skyfall-GS框架，通过结合卫星重建与扩散模型，实现大规模3D城市场景合成，无需昂贵3D标注，支持实时沉浸式探索。
Comments ECCV 2026. Project page: https://skyfall-gs.jayinnn.dev/
LDC：基于动态控制的研究思路生成学习框架
机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） ； UIUC（伊利诺伊大学香槟分校） ； Stony Brook University（史泰森布鲁克大学）
AI总结 该研究针对LLMs生成科研思路时的维度权衡问题，提出结合SFT与可控RL的LDC框架，通过动态控制实现高质量思路生成。
Journal ref EMNLP 2026
图像中的思考：推理驱动图像生成的系统基准
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University（纽约大学）
AI总结 该研究针对现有生成模型存在的推理-生成差距问题，提出包含2000个样本的RIG-BENCH基准，评估四类认知任务下的推理驱动图像生成，为下一代逻辑型生成模型开发提供诊断框架。
Cliff：从首次错误中学习过程奖励
机构 * Amazon Web Services（亚马逊网络服务） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 Cliff是一种利用现成LLM识别推理轨迹首次错误的奖励塑形策略，在12种场景下可提升推理性能，比策略蒸馏高15%、比标准GRPO高7%，为RLVR提供细粒度监督。
洞察式诊断：基于行为抽象的智能体失败结构化分析
机构 * Tsinghua University（清华大学） ； Microsoft Research（微软研究院） ； Microsoft（微软公司） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出神经符号方法AGENTSCOPE，通过将智能体轨迹行为抽象为结构化表示并结合LLM引导推理，在Who&When、AgentErrata数据集上显著提升智能体失败的故障定位与归因准确率。
预测而非迭代：用于扩散语言模型的高效自适应长度 infilling
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 该研究针对扩散语言模型 infilling 任务的局限，提出无预设长度的高效 PILL 方法，在多模型多基准上实现代码通过率、文本 BLEU-2 提升且推理速度加快。
Comments Accepted at EMNLP 2026 (Main Conference)
HyGRAIL：面向知识图谱的成本感知且证据支撑的科学假设发现框架
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 HyGRAIL是结合异构GNN分类与LLM审查的科学假设发现框架，在MatKG上F1达0.429，降LLM调用率54.36%，紧凑图证据更利于假设验证。
Kirin：从野外视频生成动物动作
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学）
AI总结 针对动物动作数据稀缺的问题，提出Kirin框架，构建首个四足动物视频-文本-动作对齐大规模数据集AiM3D，开发双条件动作生成模型，实现可渲染动画动物的自动生成。
Comments ECCV 2026
通过智能体原生可复用工具原语实现大语言模型工具使用的工程化
机构 * School of Information Sciences（信息科学学院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Starc Institute（斯塔克研究所）
AI总结 本文提出HEART框架，通过工具原语与ToolFace解决LLM工具使用的推理脆弱性与性能下降问题，在基准测试和现实任务中均实现性能提升并降低API成本。
Comments 21 pages
TUX：衡量人机默契理解
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University（纽约大学）
AI总结 通过光谱放置任务和TUX指数，量化人类与LLM之间的默契理解，发现人格特征影响对齐程度。
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2026
非渐近中心极限定理与两时间尺度随机逼近的误差界
机构 * Coordinated Science Laboratory, Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室，电气与计算机工程系） ； JP Morgan AI Research（摩根大通人工智能研究）
AI总结 本文提出非渐近中心极限定理与两时间尺度随机逼近的误差界，证明期望误差以$1/\sqrt{n}$速率衰减，改进了传统收敛速率。
StudentSim：基于大语言模型的学生模拟器训练框架
机构 * Microsoft Research（微软研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究提出 StudentSim 框架，结合标准化评估协议 StudentSimEval，在国际象棋、写作、数学领域训练出优于 GPT-5.4 的学生模拟器，用作奖励模型可生成更优质的个性化辅导系统。
面向AI辅助的临床试验匹配：实践考量、多中心评估与真实世界部署
机构 * National Library of Medicine, National Institutes of Health（美国国立卫生研究院国立医学图书馆） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National Cancer Institute, National Institutes of Health（美国国立卫生研究院国家癌症研究所）
AI总结 本研究提出AI辅助临床试验推荐系统TrialGPT 2.0，经多中心评估可提升临床医生效率、增加患者入组机会，还发布了配套数据集NIH-TrialBench以支持研究可重复性。
Comments 43 pages, 12 figures
大型语言模型能否预测研究人员接下来会研究什么？
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究推出 IdeaForecastBench 基准，对比不同大模型的思路预测性能，发现 Qwen2.5 表现优于 GPT-4.1，为研究领域后续研究方向预测提供统一任务。
Comments 31 pages, 4 figures. Accepted to EMNLP 2026
ViTAL-X：具备跨模态时序编辑的视频-文本对齐模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Research（奥多比研究中心）
AI总结 本文针对视频-文本模型的时序盲问题，提出跨模态时序编辑（XTE）自监督框架，构建轻量模型ViTAL-X，在6个时序基准上实现最优性能，参数和训练数据远少于同类模型。
面向大语言模型的有效性感知越狱评估
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Capital One（第一资本金融公司）
AI总结 该研究针对现有LLM越狱评估依赖语言合理性而非正确性的局限，提出SEAV框架，可降低假阳性率并重新归类大量先前标记为成功的越狱，显著改变测得的鲁棒性。
Comments To appear on EMNLP 2026 main
面向大语言模型智能体的基于信念的世界模型
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； IBM（国际商业机器公司）
AI总结 本研究针对LLM智能体在部分可观测下的决策缺陷，提出BB-WMs，将世界模型的信念暴露给LLM策略，可提升部分可观测任务性能，且与现有基于模拟的世界模型互补。
Comments pre-print
面向金融推理的依赖感知思维链压缩
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Syracuse University（雪城大学） ； Northeastern University（东北大学）
AI总结 针对思维链在金融推理中成本高的问题，提出HSDN分层语义蒸馏网络压缩推理链，在AFAC2025基准上准确率91.0%、压缩率68.4%，优于基线，验证了图引导压缩的有效性。
ConvDeck：通过阶段特定用户反馈实现的对话式论文转幻灯片生成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 ConvDeck是一种多智能体对话式论文转幻灯片生成流水线，通过阶段特定循环让用户迭代优化演示大纲与幻灯片集，其阶段特定对话反馈可在保障多方面质量的同时提升用户目标满意度。
Comments Accepted to Findings of EMNLP 2026. Project webpage: https://convdeck.github.io/
折扣马尔可夫博弈中的独立强化学习
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对折扣一般和马尔可夫博弈，在假设ETH与PPAD等价下证明独立学习无多项式时间算法，提出首个完全解耦的分层乐观镜像下降算法，保证次指数收敛并开发全反馈与部分反馈版本。
Comments 54 pages, 3 figures
PropUQ-MAS：面向大语言模型多智能体系统的传播感知不确定性量化
机构 * Scale AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对现有不确定性量化方法无法捕捉大语言模型多智能体系统中不确定性传播的问题，提出PropUQ-MAS框架，实验显示其可显著提升该系统的不确定性量化性能。
Comments Accepted to EMNLP 2026 (Main Conference)
为何微调会鼓励幻觉以及如何解决
机构 * Hebrew University of Jerusalem（海法大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； University of Southern California（南加州大学）
AI总结 本文探讨微调导致幻觉的原因，提出基于自蒸馏的微调方法以减少幻觉，通过抑制输出分布漂移提升事实学习效果。
Comments Published in the CoLM 2026 conference
VectorGym：一个多任务基准用于SVG代码生成、草图和编辑
机构 * ServiceNow Research（ServiceNow 研究院） ； Mila, Quebec AI Institute（Mila 魁北克人工智能研究所） ； Columbia University（哥伦比亚大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Stony Brook University（石溪大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Minzu University of China（中央民族大学） ； University of Waterloo（滑铁卢大学） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能讲席） ； Computer Vision Center（计算机视觉中心）
AI总结 VectorGym提出一个涵盖SVG生成、复杂编辑和视觉理解的多任务基准，通过专家标注解决现有基准的不足，采用多任务强化学习方法，训练出性能领先的Qwen3-VL模型，公开可用。
Comments Accepted to EMNLP 2026. Camera-ready version. Updated author list and author order
从可理解到不可理解的轨迹：考虑多个观察者的（不）可理解运动规划
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出MMLO-LMP问题，设计DUBIOUS算法，实现对不同动机观察者的轨迹可理解性与可见性限制的平衡。
Comments 17 pages, 5 figures
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