LLMs Get Smarter from Targeted Synthetic Multilingual Data
大语言模型（LLMs）从针对性的合成多语言数据中提升性能
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Uniphore（优尼佛（Uniphore）公司）
AI总结 本研究提出HOTFIXR数据生成框架，通过探测学生模型多语言弱点生成合成多语言数据，可提升大语言模型的多语言性能，降低微调引发的灾难性遗忘。
高校专区
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
Rotate Disks to Reach Farther: Design and Modeling of a Novel Reconfigurable Tendon Driven Manipulator
旋转圆盘以实现更远操作：一种新型可重构绳索驱动机械臂的设计与建模
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究设计了两种可重构绳索驱动机械臂，建立了含圆盘旋转等因素的预测静态模型，模型末端误差低且计算速度优于现有Cosserat杆求解器。
Characterizing Rhetorical Misalignment in Decision-Making with Language Models
表征语言模型决策中的修辞失配问题
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NYC Health + Hospitals/Jacobi Medical Center（纽约市健康与医院公司雅各比医学中心） ； University of Chicago（芝加哥大学）
AI总结 该研究开发决策理论框架研究LLM的修辞失配问题，通过临床实验发现其会诱导平均2.81%的有害决策翻转，还提出用LLM模拟决策者实现可扩展评估，揭示了高风险领域的新安全隐患。
Multimodal Language Models Benchmarked Against the NRC Reactor Operator Licensing Examination: Fine-Tuning and Retrieval Strategies
基于美国核管理委员会反应堆操作员执照考试的多模态语言模型微调与检索策略基准测试
机构 * organization= Department of Nuclear Engineering, Hanyang University , addressline= 222 Wangsimni-ro , postcode= 04763 , state= Seongdong-gu , city= Seoul , country= South Korea ； organization= The Grainger College of Engineering, Nuclear, Plasma \& Radiological Engineering, University of Illinois Urbana-Champaign , city= Urbana , state= IL , country= USA
AI总结 该研究针对美国核管理委员会反应堆操作员执照考试，评估310亿参数多模态模型应用核知识的能力，通过对比基础模型与多种微调及检索配置，发现固定大小分块RAG的SFT配置表现最佳，并揭示了分块策略规律及RAFT与SFT的性能差异。
Less Data, Faster Convergence: Goal-Driven Data Optimization for Multimodal Instruction Tuning
数据更少，收敛更快：面向多模态指令微调的目标驱动数据优化
机构 * Peking University（北京大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出目标驱动数据优化框架GDO，通过优化训练样本实现更快收敛和更高精度，适用于多模态指令微调任务。
Comments Accepted to ECCV 2026
OctoSplat: Hybrid OctoMap-Gaussian Splatting for Active Semantic Mapping and Phenotyping with Horticultural Robots
利用高斯点云进行园艺环境的主动语义映射
机构 * the Siebel School of Computing and Data Science（塞比尔计算与数据科学学院） ； the Department of Agricultural and Biological Engineering（农业与生物工程系） ； National Center for Supercomputing Applications at University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算中心）
AI总结 本文提出利用移动机械臂和高斯点云进行园艺环境主动3D重建，提升重建精度与效率，实现水果计数和体积估算。
Comments 23 pages, 12 figures
Predictive Relative-Velocity Steering for Safe Robotic Manipulator Teleoperation in Dynamic Environments
动态环境下安全机器人操纵器遥操作的预测相对速度转向方法
机构 * Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学具身智能与机器人研究所） ； TetraBOT
AI总结 针对动态环境下机器人遥操作的安全问题，提出轻量级模块化预测相对速度转向框架，可提升末端执行器避障率并缓解死锁，仿真与物理实验验证了其有效性。
Comments 8 pages, 8 figures
Falsehood and Impossibility Are Different Directions in an AI's Representation of Language
AI对语言的表征中，虚假与不可能是不同的方向
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究通过对Gemma 3 4B IT模型的激活分析，发现其内部能区分语言的不可能性与虚假，但将偶然虚假混同于矛盾，且不可能性表征与真值、语义异常表征方向不同。
Scaling Automatic Research Agents via World Models
通过世界模型扩展自动研究智能体
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊公司）
AI总结 针对自动研究智能体扩展时的训练瓶颈，提出WMRL方法，结合两种缓解措施提升收敛性，训练加速3-4倍且性能优于更大规模智能体，还可迁移至多类任务。
CIDER: A Dataset of Contextual Disclosure Boundaries for Privacy Preference Alignment
CIDER：用于隐私偏好对齐的上下文披露边界数据集
机构 * University of Washington（华盛顿大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Northeastern University（东北大学）
AI总结 本文推出包含169名用户标注的CIDER数据集，用于评估LLM隐私偏好对齐，发现上下文个性化可提升预测准确率，GPT-5.4和Claude Sonnet 4.6表现更优。
Comments Accepted to COLM 2026
Linguistic Comparison of AI- and Human-Written Responses to Online Mental Health Queries
人工智能与人类撰写回复的语言比较：在线心理健康查询
机构 * Siebel School of Computing and Data Science, The Grainger College of Engineering, University of Illinois Urbana-Champaign（Siebel计算与数据科学学院，格拉inger工程学院，伊利诺伊大学厄巴纳-香槟分校） ； Department of Psychology, College of Liberal Arts and Sciences, University of Illinois Urbana-Champaign（心理学系，文理学院，伊利诺伊大学厄巴纳-香槟分校） ； School of Interactive Computing, College of Computing, Georgia Institute of Technology（交互计算学院，计算机学院，佐治亚理工学院）
AI总结 研究通过比较AI和人类回复的语义和语言特征，探讨AI在心理健康支持中的有效性及局限性。
Journal ref npj Artificial Intelligence, 2026
RubRIX: Rubric-Driven Risk Mitigation in Caregiver-AI Interactions
RubRIX：基于评分标准的风险缓解在护理人员-AI交互中
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； OSF HealthCare（OSF医疗集团） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
AI总结 RubRIX提出了一种基于评分标准的框架，用于评估护理人员-AI交互中的风险，通过实证方法减少LLM响应的风险组件，为高负担情境下的AI支持系统提供评估方法。
Journal ref Findings of the Association for Computational Linguistics: ACL 2026
AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses
测试时的AI辅助AI：通过 harness 实现强模型到弱模型的能力迁移
机构 * Salesforce AI Research（Salesforce人工智能研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究提出在测试时通过构建 harness，无需重新训练即可将强模型的认知结构迁移给弱模型，使目标模型在四个心理理论基准上的平均性能从0.49提升至0.91，为模型能力迁移提供了新的思路。
Comments 23 Pages, 12 Figures, 6 Tables
Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents
智能体技能可能有害：LLM智能体中技能诱导故障的实证研究
机构 * Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文通过提出差异分析框架，在SkillsBench等数据集上发现LLM智能体的技能会引发功能故障与效率回归，并构建SkillTriage工具，为安全复用技能提供研究方向。
Making Your LLMs More Objective: Stabilizing LLM Safety Behavior Across Traits with Trait-Invariant Safety Tuning
提升大语言模型的客观性：通过特质不变安全微调稳定LLM在不同特质下的安全行为
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LLM因系统提示词中特质不同导致同一请求安全决策不一致的问题，提出特质不变安全微调（TIST）框架及TraSN方法，提升跨特质安全稳定性且保留通用能力。
Learning to Persuade Exposes How Easily LLMs Abandon Correct Beliefs
学习说服暴露了大语言模型（LLMs）放弃正确信念的难易程度
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究发现优化后的对抗性说服策略可轻易让LLMs放弃正确信念，攻击成功率高且可迁移，凸显多智能体决策系统需将说服鲁棒性作为安全标准
VLMs Win a Systematic Evaluation of Underwater Image Reconstruction
视觉语言模型（VLMs）在水下图像重建的系统评估中胜出
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出水下图像重建的系统评估流程，评估发现未经过明确物理模型训练的视觉语言模型（VLMs）显著优于基于物理的模型，真实场景图像结果验证了该评估。
Gaze Target Estimation Anywhere with Concepts
基于概念的任意场景注视目标估计
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google（谷歌公司）
AI总结 针对现有注视估计方法依赖中间阶段、缺乏灵活性的局限，提出PGE任务，构建Gaze-Co数据集，开发GazeAnywhere模型，实现端到端的概念驱动注视目标估计并达到最优性能。
Comments CVPR 2026 Code and Benchmark are aviliable at https://github.com/IrohXu/GazeAnywhere and https://huggingface.co/datasets/IrohXu/Gaze-Co-Benchmark
CLEAR: Class-wise Expert Aggregation with Structured Sampling for Long-Tailed Classification
CLEAR：面向长尾分类的结构化采样类级专家聚合
机构 * School of Information Sciences（信息科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对长尾分类中模型在不同类别间可靠性不均的问题，提出模块化集成框架CLEAR，通过结构化采样生成专家并估计类级信任分数，实验显示其在多数据集上表现优异，尤其小样本性能突出。
Cloud-Boosted Low-Compute Multi-Channel Speech Enhancement
云端增强型低计算量多通道语音增强
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta Reality Labs Research（Meta现实实验室）
AI总结 针对可穿戴设备语音增强的计算约束瓶颈，提出融合延迟服务器输出、分层特征增强及协作多通道维纳滤波的云端协作框架，以低额外开销显著提升边缘模型性能。
Comments Accepted to Interspeech 2026
ReCodeAgent: A Multi-agent Workflow for Language-Agnostic Translation and Validation of Large-Scale Repositories
ReCodeAgent：一种多智能体工作流用于语言无关的大规模仓库翻译与验证
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊）
AI总结 ReCodeAgent通过多智能体方法实现大规模仓库代码翻译与验证的语言无关性，提升翻译正确率并降低成本，验证其效率和设计影响。
Comments Published in ASE 2026
TEAMMix: Taxonomy Enrichment Augmentation and Minority-augmented Mixing Strategy for LLM-enhanced Weak-Supervised Hierarchical Text Classification
TEAMMix：用于大语言模型增强弱监督分层文本分类的类别体系丰富增强与少数类增强混合策略
机构 * School of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Shaoxing K3i Technology Co. Ltd（绍兴K3i科技有限公司） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室）
AI总结 针对LLM应用于分层文本分类的局限，本文提出TEAMMix框架，通过丰富标签层次、生成伪样本并优化其质量，提升了细粒度及不平衡数据集上的分类性能。
Comments Accepted by IEEE CSCWD 2026
Fisher8: Stabilizing Neural Heteroscedastic Regression via Output-Layer Fisher Geometry
Fisher8：通过输出层Fisher几何稳定神经异方差回归
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 Fisher8是一种输出层梯度修正方法，通过Fisher几何稳定神经异方差回归，无数据依赖超参数，在多维回归等任务中实现了更优的似然-误差权衡与校准不确定性估计。
Journal ref Proceedings of the 42nd Conference on Uncertainty in Artificial Intelligence (UAI), PMLR 337:6885-6899, 2026
Co-Evolution in Agentic Systems: Toward Self-Directed Evolution Beyond Human Design
智能体系统中的协同进化：迈向超越人类设计的自主进化
机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 本综述聚焦智能体系统的协同进化，提出三阶段分类法梳理其发展，探讨相关开放挑战，为构建超越人类设计路径的自主智能体系统提供统一基础。
CARD: Controlled Agentic Reddit Discussions for Credit Card Simulation
CARD：用于信用卡模拟的受控智能体Reddit讨论框架
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； U.S. Bank（美国银行） ； Stanford University（斯坦福大学）
AI总结 本研究提出CARD框架，通过规划器、生成器与校准循环，结合多维度控制项生成逼真信用卡讨论线程，经多指标评估，其效果优于多种LLM模拟基线。
TimePre: Bridging Accuracy, Efficiency, and Stability in Probabilistic Time-Series Forecasting
TimePre: 联合精度、效率与稳定性在概率时间序列预测中的应用
机构 * Tohoku University（东京大学） ； WPI ； Texas A&M University（德克萨斯大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； UIUC（伊利诺伊大学香槟分校） ； Georgia Tech（佐治亚理工学院） ； MIT（麻省理工学院） ； University of Southern California（南加州大学） ； San Diego State University（圣地亚哥州立大学）
AI总结 TimePre结合MLP模型的高效性与MCL方法的分布灵活性，通过SIN层解决精度、效率与稳定性之间的平衡问题，实现在概率时间序列预测中的高精度与高速度。
Comments 25 pages, 6 figures, 16 tables
Navigating in Uncertain Environments with Heterogeneous Visibility
在不确定环境中利用异质可见性导航
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种基于异质可见性的导航算法，通过优化观察奖励与通行成本之和，有效降低导航成本并提升信息获取效率。
MentorCollab: Large-to-Small Inference-Time Mentorship for Concise Reasoning in Language Models
MentorCollab: 选择性大到小推理时指导以实现高效推理
机构 * UIUC（伊利诺伊大学香槟分校） ； University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
AI总结 MentorCollab通过选择性推理时指导，使小型模型在多步骤推理任务中实现高效协作，提升性能的同时降低计算开销。
WRAP: Wasserstein-Robust Adaptive Plug-in for Robot Localization
WRAP：用于机器人定位的Wasserstein鲁棒自适应插件
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究提出适用于EKF和ESKF的Wasserstein鲁棒插件WRAP，经实验验证可显著降低机器人定位的3D位置RMSE，且计算耗时短，能改善定位一致性。
LatticeMind: A Conflict-Aware Memory Primitive for Multi-Agent Systems
LatticeMind：面向多智能体系统的冲突感知记忆原语
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Oxford（牛津大学）
AI总结 本研究提出冲突感知记忆原语LatticeMind，解决多智能体LLM系统的主张信任决策问题，在ConflictBank评估中准确率达0.97，显著优于基线， ablation验证了其核心组件的重要性。
