高校专区
InT：自我提出干预使LLM推理中的信用分配成为可能
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 InT通过自我提出干预实现LLM推理中的细粒度信用分配，提升模型在数学推理任务中的表现。
广泛注释错误破坏文本到SQL基准测试和排行榜
机构 * University of Illinois (UIUC)（伊利诺伊大学香槟分校）
AI总结 本研究发现文本到SQL基准测试中广泛存在的注释错误显著影响了代理性能和排行榜排名，可能误导研究方向和部署选择。
Comments 18 pages, 14 figures, 9 tables
Waymo开放运动数据集能否支持真实的行为建模？一项与自然轨迹相结合的验证研究
机构 * Department of Civil and Environmental Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校土木与环境工程系） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northwestern University Transportation Center（西北大学交通中心） ； George Washington University（乔治·华盛顿大学）
AI总结 本研究通过对比自然主义数据与Waymo数据集，发现其无法准确反映真实自动驾驶行为，需谨慎使用。
OpenExempt：法律推理的诊断基准及自定义基准框架
机构 * Northwestern University（西北大学） ； Adobe Research（Adobe研究） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 OpenExempt通过动态生成法律推理任务和解决方案，提供一个用于诊断评估的基准和框架，揭示模型在复杂推理中的性能差异。
Comments 25 pages, 9 Figures, 15 tables
VISPA：通过自动价值选择和激活实现多元对齐
机构 * University of Waterloo（滑铁卢大学） ； University of Melbourne（墨尔本大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； MBZUAI（马克斯·普朗克智能系统研究所） ； Macquarie University（麦考瑞大学）
AI总结 VISPA通过自动价值选择和激活实现多元对齐，适用于多种模型和场景，提供了一种可扩展的语言模型对齐方法。
Comments WIP
利用一致性提升鲁棒性测试时LLM集成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 CoRE通过利用模型一致性提升LLM集成的鲁棒性，通过token和model级别的一致性改进集成性能。
Comments 18 pages, 15 figures
解析湍流磁流体动力学：一种混合运算-扩散框架
机构 * 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中心） ； Department of Physics, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校物理系） ； Data Science and Learning Division, Argonne National Laboratory（阿贡国家实验室数据科学与学习部门） ； Department of Computer Science, The University of Chicago（芝加哥大学计算机科学系） ； Department of Astronomy, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校天文学系） ； Department of Physics and Astronomy, University of British Columbia（不列颠哥伦比亚大学物理与天文学系）
AI总结 该研究提出混合运算-扩散框架，结合PINOs与生成扩散模型，实现对高雷诺数MHD湍流的高精度模拟与预测。
Comments 16 pages, 6 figures, 1 table. Content synced with the published version
Journal ref Mach. Learn.: Sci. Technol. 6 (2025) 035057
二体黑洞并合高阶波模式的序列建模
机构 * Learning Division, Argonne National Laboratory（Argonne国家实验室学习部） ； Department of Physics, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校物理系） ； NCSA, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校NCSA） ； School of Physics and Astronomy, University of Minnesota（明尼苏达大学物理与天文学学院） ； Department of Computer Science, The University of Chicago（芝加哥大学计算机科学系） ； Department of Astronomy, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校天文学系）
AI总结 本文提出基于transformer的模型，用于高精度建模二体黑洞并合的高阶引力波模式，实现非线性动力学的快速准确预测。
Comments 32 pages, 2 appendices, 17 figures
Journal ref Class. Quantum Grav. 43 (2026) 015009
CoReflect：通过共进化模拟与反思性评分表细化进行对话评估
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 CoReflect通过共进化模拟与反思性评分表细化，实现对话系统的自适应评估，提升测试用例复杂性和评分表精度。
DeepEvidence: 通过深度知识图谱研究赋能生物医学发现
机构 * Keiji AI ； Institute of Scientific and Industrial Research, Osaka University（大阪大学科学工业研究所） ； Bioinformatics Center, Institute for Chemical Research, Kyoto University（京都大学化学研究所生物信息中心） ； Division of Intramural Research, National Library of Medicine, National Institutes of Health（国家卫生研究院生物医学图书馆内部研究部） ； Department of Population Health Sciences, Weill Cornell Medicine（韦尔·科恩医学中心流行病学与健康科学系） ； School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机与数据科学学院）
AI总结 DeepEvidence通过深度知识图谱研究框架，系统化地连接异构生物医学资源，提升科学发现的效率和证据综合能力。
MIMIC-RD: 能否在真实临床环境中让大语言模型对罕见病进行差异性诊断？
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois College of Medicine（伊利诺伊大学医学学院）
AI总结 MIMIC-RD通过直接映射临床文本实体到Orphanet，评估LLM在真实临床环境下的罕见病差异性诊断能力，发现现有模型表现不佳，揭示了临床需求与现有能力之间的差距。
Comments 5 pages
大语言模型对顺序敏感性如何？OrderProbe用于确定性结构重建
机构 * Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Marquette University（马凯特大学） ； Juniata College（朱尼阿特学院）
AI总结 研究通过OrderProbe基准评估大语言模型对输入顺序的敏感性，发现即使在前沿模型上，结构重建仍面临挑战，且语义能力与结构鲁棒性存在脱节。
自我进化代理的综述：何时、何地、如何进化以实现人工超级智能
机构 * Princeton University（普林斯顿大学） ； Princeton AI Lab（普林斯顿人工智能实验室） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Sydney（悉尼大学） ； Shanghai Jiao Tong University（上海交通大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of Michigan（密歇根大学） ； Oregon State University（俄勒冈州立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The University of Hong Kong（香港大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Edinburgh（爱丁堡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文综述了自我进化代理的现状，探讨了进化机制、适应方法及挑战，为实现人工超级智能提供路线图。
Comments 77 pages, 9 figures, Transactions on Machine Learning Research (01/2026)
深度神经网络中从缩放定律量化不确定性
机构 * Department of Physics, University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校物理系） ； Department of Physics, University of Toronto, Toronto, ON, Canada（多伦多大学物理系） ； Vector Institute, Toronto, ON, Canada（向量研究所）
AI总结 本文研究了深度神经网络中通过缩放定律量化不确定性的方法，发现测试损失的方差与均值比值在足够大的训练集下与网络宽度无关。
Comments 18+3 pages, 6 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