University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Visual Sync: Multi-Camera Synchronization via Cross-View Object Motion

视觉同步：通过跨视角物体运动实现多摄像头同步

Shaowei Liu, David Yifan Yao, Saurabh Gupta, Shenlong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 VisualSync通过多视角动态优化，实现跨摄像头流的毫秒级同步，有效降低同步误差至50毫秒以下。

Comments Accepted to NeurIPS 2025. Project page: https://stevenlsw.github.io/visualsync/

Feature-Based Semantics-Aware Scheduling for Energy-Harvesting Federated Learning

基于特征的语义感知调度用于能量收集联邦学习

Eunjeong Jeong, Giovanni Perin, Howard H. Yang, Nikolaos Pappas

机构 * Department of Computer and Information Science（计算机与信息科学系） ； Linköping University（林奈技术大学） ； Department of Information Engineering（信息工程系） ； University of Brescia（布雷西亚大学） ； ZJU-UIUC Institute（浙大-伊利诺伊大学联合研究所） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出了一种基于特征的语义感知调度框架，通过引入版本年龄信息度量标准，有效降低计算复杂性，提升能量收集联邦学习的效率和性能。

Comments This paper is currently under review for presentation at a peer-reviewed conference

PRIMT: Preference-based Reinforcement Learning with Multimodal Feedback and Trajectory Synthesis from Foundation Models

基于偏好强化学习的多模态反馈与轨迹合成：从基础模型出发

Ruiqi Wang, Dezhong Zhao, Ziqin Yuan, Tianyu Shao, Guohua Chen, Dominic Kao, Sungeun Hong, Byung-Cheol Min

机构 * Purdue University（普渡大学） ； Beijing University of Chemical Technology（北京化工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Sungkyunkwan University（成均馆大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

AI总结 PRIMT通过多模态反馈和轨迹合成，利用基础模型解决偏好强化学习中的查询模糊性和信用分配问题，提升机器人复杂行为的学习效率。

On the Tension Between Optimality and Adversarial Robustness in Policy Optimization

在策略优化中最优性与对抗鲁棒性之间的张力

Haoran Li, Jiayu Lv, Congying Han, Zicheng Zhang, Anqi Li, Yan Liu, Tiande Guo, Nan Jiang

机构 * School of Mathematical Sciences University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； School of Mathematical Sciences Nankai University（南开大学数学科学学院） ； School of Statistics and Data Science Nankai University（南开大学统计与数据科学学院） ； Siebel School of Computing and Data Science University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） 纠错

AI总结 本文提出 BARPO 框架，通过调节对手强度统一 SPO 和 ARPO，解决策略优化中最优性与对抗鲁棒性之间的张力问题。

The Silence that Speaks: Neural Estimation via Communication Gaps

沉默的言语：通过通信差距进行神经估计

Shubham Aggarwal, Dipankar Maity, Tamer Başar

机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） 纠错

AI总结 本文提出CALM框架，通过学习通信调度和估计器设计，利用沉默中的隐含信息提升估计精度。

Mitigating Indirect Prompt Injection via Instruction-Following Intent Analysis

通过指令遵循意图分析缓解间接提示注入

Mintong Kang, Chong Xiang, Sanjay Kariyappa, Chaowei Xiao, Bo Li, Edward Suh

机构 * NVIDIA ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 IntentGuard通过分析指令遵循意图，有效缓解间接提示注入攻击，保持模型性能并降低攻击成功率

On the Regulatory Potential of User Interfaces for AI Agent Governance

关于用户界面在AI代理治理中的调节潜力

K. J. Kevin Feng, Tae Soo Kim, Rock Yuren Pang, Faria Huq, Tal August, Amy X. Zhang

机构 * University of Washington（华盛顿大学） ； KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

AI总结 本文提出通过调节AI代理的用户界面来增强透明性和行为规范，从而在系统和基础设施层面实现治理。

Comments RegML workshop at NeurIPS 2025 (oral)

Evaluating Spatio-Temporal Forecasting Trade-offs Between Graph Neural Networks and Foundation Models

评估图神经网络与基础模型在时空预测中的权衡

Ragini Gupta, Naman Raina, Bo Chen, Li Chen, Claudiu Danilov, Josh Eckhardt, Keyshla Bernard, Klara Nahrstedt

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Louisiana at Lafayette（路易斯安那州立大学拉斐特分校） ； Boeing Research and Technology（波音研究与技术） 纠错

AI总结 本文研究了不同模型在时空预测中的表现，发现STGNNs在稀疏部署中有效，而TSFMs在高频下表现良好，但空间覆盖减少时退化，Moirai模型表现最佳。

Multi-Agent Conditional Diffusion Model with Mean Field Communication as Wireless Resource Allocation Planner

多智能体条件扩散模型与均场通信作为无线资源分配规划器

Kechen Meng, Sinuo Zhang, Rongpeng Li, Xiangming Meng, Yansha Deng, Chan Wang, Ming Lei, Zhifeng Zhao

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Zhejiang University-University of Illinois Urbana-Champaign (ZJU-UIUC) Institute, Zhejiang University（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） ； Department of Engineering, King’s College London（伦敦国王学院工程系） 纠错

AI总结 多智能体条件扩散模型与均场通信用于无线资源分配规划，通过扩散模型和逆动态模型提升样本效率与策略可扩展性，理论保证收敛稳定性，实验显示在无线网络优化中表现优异。

Unsupervised Multi-channel Speech Dereverberation via Diffusion

无监督多通道语音去回声 via 扩散

Yulun Wu, Zhongweiyang Xu, Jianchong Chen, Zhong-Qiu Wang, Romit Roy Choudhury

机构 * Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（电气与计算机工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science and Engineering, Southern University of Science and Technology（计算机科学与工程系，南方科技大学） 纠错

AI总结 本文提出USD-DPS方法，利用扩散模型和多通道RIR估计实现无监督多通道语音去回声，通过后验采样和一致性约束提升性能。

SWE-RL: Advancing LLM Reasoning via Reinforcement Learning on Open Software Evolution

SWE-RL：通过强化学习提升大语言模型推理能力

Yuxiang Wei, Olivier Duchenne, Jade Copet, Quentin Carbonneaux, Lingming Zhang, Daniel Fried, Gabriel Synnaeve, Rishabh Singh, Sida I. Wang

机构 * Meta AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 SWE-RL通过强化学习提升大语言模型在软件工程领域的推理能力，实现了41.0%的解决率，超越了现有中等规模LLM的性能。

Comments Accepted to NeurIPS 2025 Main Track

DenseScan: Advancing 3D Scene Understanding with 2D Dense Annotation

DenseScan: 通过2D密集标注提升3D场景理解

Zirui Wang, Tao Zhang

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Wuhan University（武汉大学） 纠错

AI总结 DenseScan通过2D密集标注提升3D场景理解，结合多视角图像和多模态大语言模型生成丰富语义标注，拓展下游任务应用。

Comments Workshop on Space in Vision, Language, and Embodied AI at NeurIPS 2025

Adaptive Slimming for Scalable and Efficient Speech Enhancement

自适应瘦身以实现可扩展和高效的语音增强

Riccardo Miccini, Minje Kim, Clément Laroche, Luca Pezzarossa, Paris Smaragdis

机构 * University of Illinois at Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校） ； Technical University of Denmark, Denmark（丹麦技术大学） 纠错

AI总结 本文提出动态瘦身技术，使DEMUcs架构在不同利用因子下自适应运行，实现高效语音增强，减少计算量并保持语音质量。

Comments Accepted for publication at the 2025 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA 2025)

Journal ref IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA) 2025

The Unified Cognitive Consciousness Theory for Language Models: Anchoring Semantics, Thresholds of Activation, and Emergent Reasoning

语言模型的统一认知意识理论：锚定语义、激活阈值与涌现推理

Edward Y. Chang, Zeyneb N. Kaya, Ethan Chang

机构 * Stanford University（斯坦福大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

AI总结 该研究提出统一认知意识理论，通过语义锚定解释语言模型如何将预训练能力转化为目标导向行为，并通过实验验证了锚定强度对模型性能的影响。

Comments 21 pages, 7 figure, 4 table