UFO: Unifying Feed-Forward and Optimization-based Methods for Large Driving Scene Modeling
UFO: 为大驾驶场景建模统一前馈和基于优化的方法
机构 * Xiaomi EV（小米电动车） ； UIUC（伊利诺伊大学香槟分校）
AI总结 UFO通过结合优化和前馈方法，实现了高效长距离4D驾驶场景重建，能够在0.5秒内高质量重建16秒驾驶日志。
高校专区
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
Protein Language Models Diverge from Natural Language: Comparative Analysis and Improved Inference
蛋白质语言模型偏离自然语言：比较分析与改进推理
机构 * Siebel School of Data Science and Computing（数据科学与计算系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； DOE Center for Advanced Bioenergy and Bioproducts Innovation（能源与生物产品创新部门） ； Chemical and Biomolecular Engineering（化学与生物分子工程系）
AI总结 本研究通过比较蛋白质与自然语言领域中信息分布差异，改进蛋白质非结构性质预测的准确性和效率。
Circuit Tracing in Vision-Language Models: Understanding the Internal Mechanisms of Multimodal Thinking
视觉-语言模型中的电路追踪：理解多模态思维的内部机制
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出首个透明电路追踪框架，用于分析视觉-语言模型的多模态推理机制，揭示不同视觉特征电路在数学推理和跨模态关联中的作用。
Comments To appear in the Findings of CVPR 2026
Multimodal Multi-Agent Empowered Legal Judgment Prediction
多模态多智能体赋能的法律判决预测
机构 * Peking University（北京大学） ； Chengdu Minto Tech（成都Minto科技） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Macau（澳门大学） ； Tsinghua university（清华大学） ； Zhejiang University（浙江大学）
AI总结 本文提出JurisMMA框架，通过多模态多智能体技术提升法律判决预测的准确性，并构建了包含大量司法记录的JurisMM数据集，验证了其在法律领域应用的广泛有效性。
Comments Accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2026
From Samples to Scenarios: A New Paradigm for Probabilistic Forecasting
从样本到场景：概率预测的新范式
机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； School of Software, Tsinghua University（清华大学软件学院）
AI总结 本文提出概率场景范式，通过直接生成场景与概率对，改进概率预测模型，实现更高效和准确的预测效果。
Comments Accepted by ICLR 2026
