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

CrackSegFlow: Controllable Flow Matching Synthesis for Generalizable Crack Segmentation with a 50K Image-Mask Benchmark

CrackSegFlow: 可控流匹配合成用于通用裂纹分割的50K图像-掩码基准

Babak Asadi, Peiyang Wu, Mani Golparvar-Fard, Ramez Hajj

机构 * Department of Civil and Environmental Engineering, Grainger College of Engineering, University of Illinois Urbana--Champaign（土木与环境工程系，格拉inger工程学院，伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science, Grainger College of Engineering, University of Illinois Urbana--Champaign（计算机科学系，格拉inger工程学院，伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 CrackSegFlow通过可控流匹配合成方法，利用50K图像-掩码基准提升裂纹分割的泛化能力和性能指标。

Belief Is All You Need: Modeling Narrative Archetypes in Conspiratorial Discourse

信念即一切：在阴谋论话语中建模叙事原型

Soorya Ram Shimgekar, Abhay Goyal, Roy Ka-Wei Lee, Koustuv Saha, Pi Zonooz, Navin Kumar

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nimblemind（Nimblemind公司） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

AI总结 本文提出SiBeGNN模型，通过分析Telegram群组中的阴谋论话语，识别出七种叙事原型，挑战了传统对网络激进化的认知。

From Wearables to Warnings: Predicting Pain Spikes in Patients with Opioid Use Disorder

从可穿戴设备到预警：预测阿片类药物使用障碍患者疼痛峰值

Abhay Goyal, Navin Kumar, Kimberly DiMeola, Rafael Trujillo, Soorya Ram Shimgekar, Christian Poellabauer, Pi Zonooz, Ermonda Gjoni-Markaj, Declan Barry, Lynn Madden

机构 * Nimblemind USA（Nimblemind美国公司） ； APT Foundation New Haven CT USA（APT基金会） ； Florida International University（佛罗里达国际大学） ； University of Illinois – Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Yale University School of Medicine（耶鲁大学医学院） 纠错

AI总结 本研究利用AI方法预测阿片类药物使用障碍患者疼痛峰值，发现机器学习模型在预测准确性上较高，而LLMs在提供见解方面有限，强调需开发更有效的LLMs以提升治疗效果。

The Best Instruction-Tuning Data are Those That Fit

最适合指令微调的数据是那些能适应的

Dylan Zhang, Qirun Dai, Hao Peng

机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Chicago（芝加哥大学） 纠错

AI总结 GRAPE通过选择与目标模型分布最匹配的响应，提升大语言模型的微调效果，实验显示其在多个基准测试中表现优异。

A Rising Tide Lifts All Boats: MTQE Rewards for Idioms Improve General Translation Quality

潮水上涨，所有船都会上升：MTQE对习语的奖励提升一般翻译质量

Ishika Agarwal, Zhenlin He, Dhruva Patil, Dilek Hakkani-Tür

机构 * UIUC（伊利诺伊大学香槟分校） 纠错

AI总结 通过MTQE奖励机制提升模型对习语的翻译能力，显著改善一般翻译质量及跨语言翻译表现。

Why Slop Matters

为何 slop 重要

Cody Kommers, Eamon Duede, Julia Gordon, Ari Holtzman, Tess McNulty, Spencer Stewart, Lindsay Thomas, Richard Jean So, Hoyt Long

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； Purdue University（普渡大学） ； Duke University（杜克大学） ； University of Chicago（芝加哥大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Cornell University（康奈尔大学） 纠错

AI总结 本文探讨了AI生成内容（slop）的社会功能与审美价值，指出其在文化经济中的重要性，并提出其三个核心特征。

Comments To be published in ACM AI Letters (submitted 8 December 2025; accepted 23 December 2025)

Operation Veja: Fixing Fundamental Concepts Missing from Modern Roleplaying Training Paradigms

Operation Veja: 修复现代角色扮演训练范式中缺失的根本概念

Yueze Liu, Ajay Nagi Reddy Kumdam, Ronit Kanjilal, Hao Yang, Yichi Zhang

机构 * Divergence 2% LLC ； 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 University of Illinois Urbana-Champaign（计算机科学系伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 Operation Veja提出VEJA框架，通过整合价值观、经历、判断和能力，改进角色扮演模型的数据整理方法，以提升角色真实性和叙述连续性。

Comments Accepted to NeurIPS 2025 PeronaLLM workshop

JoIN: Joint GANs Inversion for Intrinsic Image Decomposition

JoIN: 用于内在图像分解的联合GAN反向求解

Viraj Shah, Svetlana Lazebnik, Julien Philip

机构 * UIUC（伊利诺伊大学） ； Adobe Research（Adobe研究） 纠错

AI总结 JoIN通过联合反向求解多个GAN实现内在图像分解，利用合成数据训练GAN先验并微调生成器，以提高真实图像的泛化能力。

Comments Project webpage is available at https://virajshah.com/join