高校专区
体育联盟何时失去竞争力？基于比赛级数据的竞争平衡时代贝叶斯检测
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Indiana University（印第安纳大学） ； Michigan State University（密歇根州立大学）
AI总结 本文提出贝叶斯框架，从比赛级数据推断体育联盟结构性竞争平衡，应用于英超25个赛季发现2005/06后联盟分层加剧，2010/11是唯一回归压缩结构的赛季，为联盟监管提供模型依据。
机构 * University of Padova（帕多瓦大学） ； Flatiron Institute（平顿研究所） ； University of Oregon（俄勒冈大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Rutgers University（罗格斯大学） ； Neuroscience Institute, NYU Langone Medical Center（纽约大学朗格尼医学中心神经科学研究所）
AI总结 本研究提出局部预测方向（LPD）自监督框架，通过将过去-未来典型相关分析应用于时间差分，结合非负相似性匹配目标，在随机非线性系统和自然感觉流上验证其可恢复局部预测几何并产生类似早期视觉神经元的感受野。
Comments Marco Zenari and Xuehao Ding contributed equally
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出一种随机近线性时间算法，通过归约到最大流计算无向图的规范割层次，进而可高效计算划分连通性、林数等多种图论参数。
Comments 39 pages, 5 figures
机构 * Salesforce AI Research（Salesforce人工智能研究部） ； UIUC（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究对比OPD与GRPO的计算效率，发现当教师为学生自身GRPO检查点时，OPD在数学等任务上效率更高，多教师OPD可整合GRPO专家并降低总计算量。
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hong Kong University of Science and Technology（香港科技大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 提出无训练两阶段令牌细化框架T3R，通过分割引导剪枝和显著性引导注意力偏置，在多摄像头VLA模型推理中实现高效鲁棒性，获显著准确率-效率收益。
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究通过预注册实验发现，API迁移后LLM修复的代码存在静默错误，边界输入可降低错误发布率，且盲态AI审计发现部分契约过严，部分错误程序仍能通过测试。
Comments 30 pages, 2 figures. Preregistered; artifacts are available from the authors on request
机构 * Meta ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对扩散语言模型块级似然难以计算的问题，提出PBPO方法，通过前缀块状态与单步替代项实现块级策略优化，在多基准测试中取得与现有方法相当的性能。
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究针对多智能体大语言模型交接中需求易被篡改的问题，提出带HMAC-SHA256签名的需求清单方案，实验表明其可大幅降低不安全提交率，且签名前提取错误是残余风险来源。
Comments 34 pages, 0 figures. Preregistered; code, task banks, freeze manifests and run logs are available from the authors on request
通往现实世界的最后一公里：智能体原生原语作为解决现实世界任务的可复用构建块
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对智能体处理现实世界任务的最后一公里难题，提出智能体原生原语与HEELO框架，经多基准测试验证，可显著提升任务解决率、降低时间与成本。
Comments 102 pages, 21 figures, 54 tables. Project page: this https URL (https://www.heelo.dev/)
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究证明GreedTok是分区覆盖分词的常数因子近似算法，给出其近似比下界，还构造实例给出上界并证明该目标的不可近似性。
Comments 24 pages, 2 figures. Code, certificates and results: this https URL (https://doi.org/10.5281/zenodo.23954767)
ArtiVidRM：用于视频生成中明确质量表述的可验证工件即评分准则的奖励建模
机构 * Southeast University（东南大学） ； Opus AI Research（Opus 人工智能研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 ArtiVidRM是一种以工件为评分准则的可验证视频奖励模型，通过多奖励强化学习联合优化工件预测与质量评估，在视频偏好基准上达SOTA，可优化视频扩散模型并引导闭源视频生成器优化。
机构 * University of California Berkeley（加州大学伯克利分校） ； University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Southern California（南加州大学） ； University of California Merced（加州大学默塞德分校）
AI总结 该研究探究Transformer能否在上下文内控制未知参数的不稳定非线性动力系统，采用GPT-2架构，经特定训练技术后可实现该控制，且性能随上下文提升，还能泛化到分布外系统。
Comments 6 pages, 5 figures, Accepted to the 65th IEEE Conference on Decision and Control (CDC 2026)
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northeastern University（东北大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； UT Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究提出统一框架衡量异构智能体系统的token浪费，通过LLM作为评判者识别可移除片段并验证，发现token浪费的系统级结构，该框架可转化为优化信号助力提升智能体效率。
机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对不完全信息博弈中 mediator 仅知博弈形式与自身目标、不知智能体效用且仅获终端结果反馈的问题，提出结合学习、均衡计算与引导的在线 Learn-Compute-Steer 算法，样本复杂度匹配最坏情况下界，可实现 mediator 最优均衡的高概率收敛。
Comments 57 pages, 5 figures
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究采用直接模拟蒙特卡洛（DSMC）方法，探究高超声速锥流与侧喷流的相互作用，捕捉到多尺度结构及激波非定常性，明确其对表面参数的局部影响并预测低频非定常性。
Comments Accepted manuscript. Published in AIAA Journal 61, 4741-4751 (2023). DOI: https://doi.org/10.2514/1.J063020. Partially presented at AIAA Aviation 2022 (AIAA 2022-3987) and AIAA SCITECH 2023 (AIAA 2023-0857)
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Kyushu University（九州大学）
AI总结 本文针对含预算受限买家的定价博弈，提出响应感知理性均衡（RARE）概念，证明其在竞争商品等场景存在，还研究了相关动态的收敛性，结果已在Lean 4中形式验证。
Comments Changes in v2: improved title, exposition, and bibliography
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文探讨统计学家结合AI工程能力，构建了因果咨询技能与Model Forge工具，提出自适应人类-智能体交互的跨学科研究议程，为统计工具开发提供方向。
与奇异子李代数胚相关的仿射泊松$C^\infty$-概形的辛叶
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究针对奇异子李代数胚对应的泛泊松$C^\infty$-概形，证明其底空间可分解为辛流形不交并，还推广了Helffer-Nourrigat锥并证明其为该概形的嵌入子概形。
Comments 27 pages. We have added an AI declaration section and fixed several typos. Comments are welcome
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of São Paulo（圣保罗大学）
AI总结 针对非连续地形上的感知运动问题，提出CTS-MoE方法，通过密集混合专家策略与感知门控组合共享行为，并用多批评家防止价值干扰，实现端到端训练和隐式地形适应，在仿真和硬件上优于基线。
视觉语言模型能否感知传感器所感？一种可扩展的专家引导设计用于从街景评估轮椅可达性
机构 * University of Florida（佛罗里达大学） ； University of South Florida（南佛罗里达大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出专家引导的检索增强框架，利用视觉语言模型从谷歌街景图像识别轮椅可达性障碍，通过GPS轮椅停留行为验证，表明VLM评分与移动摩擦部分一致，但细粒度障碍识别有限。
Comments Accepted to IEEE/CVF WACV 2027. 8 pages of main content, 2 pages of references
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； UC Santa Cruz（加州大学圣克鲁兹分校） ； Amazon（亚马逊） ； Emory University（埃默里大学） ； UIUC（伊利诺伊大学香槟分校） ； Northeastern University（东北大学）
AI总结 本文通过分析LLM智能体在外部框架（提示、技能、记忆和工具）上的自演化能力，发现框架更新能力与基础能力无关，而框架收益能力与基础能力呈非单调关系，中等能力模型受益最大。
Comments Accepted by EMNLP 2026 (main)
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Sandia National Laboratories（桑迪亚国家实验室）
AI总结 针对时间序列异常检测中缺乏自然语言解释的问题，构建VisAnomBench基准并微调参数高效的视觉-语言模型VisAnomReasoner，在准确性和泛化性上显著超越基线。
Comments Accepted at NeurIPS 2026. Updated experiments and appendix
机构 * Zhejiang University（浙江大学） ； ZJUI-UIUC Institute（ZJUI-UIUC研究院）
AI总结 针对扩散型多模态大语言模型并行解码中视觉冗余问题，提出视觉冗余指数（VRI）和无需训练的视觉冗余控制解码（VRCD）方法，通过令牌到图像的注意力优先选择视觉互补位置，在多个基准上提升准确率。
Comments 23 pages, 7 figures, preprint. Code is available at this https URL (https://github.com/infiniteYuanyl/VRCD)
VTAM：用于复杂物理交互的视频-触觉-动作模型超越VLAs
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 VTAM通过整合触觉感知提升复杂物理交互的稳定性，其多模态框架在接触密集任务中表现优异，成功率达到90%。
Comments 12 pages. Project page: this https URL (https://plan-lab.github.io/projects/vtam/)
机构 * University of the Ryukyus（琉球大学） ； Tohoku University（东北大学） ； Observatoire de Paris, Universite PSL, CNRS, Sorbonne Universite（巴黎天文台，巴黎文理研究大学，法国国家科学研究中心，索邦大学） ； Laboratoire de Mathématiques de Bretagne Atlantique, CNRS UMR 6205, Université de Bretagne Occidentale（布列塔尼大西洋数学实验室，法国国家科学研究中心 UMR 6205，布列塔尼西部大学） ； Stony Brook University（石溪大学） ； National Center for Supercomputing Applications, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校超级计算应用国家中心） ； Tokyo University of Technology（东京工业大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Academy of Athens（雅典科学院）
AI总结 研究通过数值模拟发现强磁场下致密星质量可超过静态解最大质量10%，并获得超超质量解。
Comments 14 pages
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
AI总结 本文通过分析LLMs推理机制，揭示其在复杂问题上的表现优于简单变体，提出基于认知科学的28项元素分类，并开发测试时推理指导方法，提升复杂问题性能达66.7%。
Comments 39 pages, 9 tables, 9 figures
机构 * Siebel School of Computing and Data Science, University of Illinois at Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校谢尔计算与数据科学学院）
AI总结 该研究推翻了细粒度复杂性领域的3-均匀超团假设，提出了3-均匀超图中4-超团检测或计数的次四次算法，还为k≥4的k-超团查找及Max-3-SAT求解提供了更快算法。
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究针对删失投标数据，在MHR等假设下推导第二价格拍卖的最优保留价格学习方法，给出不同场景的遗憾界，实验验证了方法的有效性。
Comments 87 pages, 12 figures, 25 tables. Authors listed alphabetically
DecoupAttn：用于无训练加速视频扩散的解耦稀疏注意力机制
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Fudan University（复旦大学） ； Macao Polytechnic University（澳门理工学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 DecoupAttn是一种无训练的解耦稀疏注意力机制，通过语义聚类补偿、按位置固定的精确注意力块及率失真预算分配，解决现有稀疏注意力的开销、预算分配与误差累积问题，可加速视频扩散Transformer。
Comments 35 pages, 16 figures, 35 tables
机构 * The Grainger College of Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格兰杰工程学院） ； Indian Institute of Technology Delhi（印度理工学院德里分校） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里分校亚尔迪人工智能学院） ； National Center for Supercomputing Applications, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心）
AI总结 该研究提出自主电力系统规划框架，采用单/多智能体架构，在五个电力系统的十个场景中验证，四十条碳约束轨迹均满足要求，二十八条匹配参考设计超出新场景上限，证明了明确排放约束下的自主规划可行性。
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