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

PRISM: Predictive Recomposition via Semantic Latent Decomposition for View-invariant Video Representation Learning

PRISM：基于语义隐分解的预测重组用于视角不变视频表示学习

Youngchae Chee, Hosu Lee, Sungjune Park, Junho Kim, Yong Man Ro

机构 * KAIST（韩国科学技术院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； LG AI Research（LG人工智能研究院） 纠错

AI总结 针对现有跨视角视频表示学习方法中视角不变与可变语义纠缠的问题，提出PRISM模型，通过语义隐分解与语言监督实现解耦，在多个数据集上达到SOTA，零样本性能优于领域内模型。

PaperBanana-Interact: Scientific Diagram Refinement with Multi-Turn Human Feedback

PaperBanana-Interact：基于多轮人类反馈的科学图表优化

Xueqing Wu, Ashwin Balasubramanian, Bingxuan Li, Dawei Zhu, Kai-Wei Chang, Yale Song, Yiwen Song, Rui Meng, Tomas Pfister, Nanyun Peng

机构 * Google（谷歌公司） ； Peking University（北京大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 该研究针对科学图表多轮优化的空白，构建了多轮图表生成基准MTPaperBananaBench，提出多智能体系统PaperBanana-Interact，解决基线系统的质量漂移与遗忘问题，显著提升图表优化效果。

Comments https://shirley-wu.github.io/PaperBanana-Interact/

On the Recoverability of Private Information Unlearning in Large Language Models

大型语言模型中私有信息遗忘的可恢复性研究

Shicheng Hu, Runzhi Tian, Ziqiao Wang, Yongyi Mao

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Ottawa（渥太华大学） ； Tongji University（同济大学） 纠错

AI总结 本研究针对大型语言模型的私有信息遗忘问题，构建含虚假私有信息的合成数据集，提出白盒审计框架，发现五种现有遗忘方法中，逆贪心解码可恢复所谓已遗忘的信息，表明当前遗忘方法常无法完全消除敏感信息，需更可靠方法保障LLMs隐私。

JPO: Juris Policy Optimization for Structured Legal Reasoning in Criminal Judgment Prediction

JPO：用于刑事判决预测中结构化法律推理的司法策略优化

Zhaolu Kang, Yantao Liu, Tailong Luo, Leqi Zheng, Lei Wei, Chenghua Zhu, Junhao Gong, Jiachen Qian, Eric Hanchen Jiang, Jiaxin Liu, Yuan Wang, Hao Zhang, Zixia Wang, Rong Fu, Zheng Lin, Richeng Xuan, Zhichao Hu

机构 * Tencent（腾讯） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； City University of Hong Kong（香港城市大学） ； University of California（加利福尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Zhejiang University（浙江大学） ； University of Hong Kong（香港大学） 纠错

AI总结 JPO是用于中国刑事判决预测的后训练框架，通过监督四步推理过程与带复合奖励的强化学习，提升判决预测及推理质量。

Comments EMNLP 2026 Main

FISICA: A Deployed Service for Plantar-Pressure and Posture Assessment with Ontology-Grounded Recommendation

FISICA：一款基于本体推荐的足底压力与姿态评估部署服务

Juhwan Song, Heejung Kim, Juntae Noh, Jonghak Ryu, Huiju Park, Junseong Lee, Dohyeon Ahn, Byungwoo Jo

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

AI总结 FISICA是一款已部署的身体评估服务，采用特制秤与规则评估器，以采样不变脊柱指标实现3D化身建模，在公开数据上达0.960 PCK@0.2，可返回足部负荷、姿态等结果并推荐鞋类与运动。

Comments 31 pages, 17 figures, 25 tables

LightFuse: Relightable Interactive Gaussian Scene Reconstruction via Multi-Scan Fusion and 2D Gaussian Ray Tracing

LightFuse：通过多扫描融合与2D高斯光线追踪实现可重光照的交互式高斯场景重建

Haonan Zhou, Gaoxiang Linghu, Youlin Jia, Hongyu Cui, Kewei Wei, Kaiyue Zhou, Bruce X. B. Yu, Gaoang Wang

机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC学院） ； College of Mathematics, Sichuan University（四川大学数学学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Chengdu Minto Tech（成都敏途科技） 纠错

AI总结 LightFuse是基于2D高斯框架的交互式场景重建方法，通过多扫描融合、几何细化与材质-光照分解，实现可重光照的可编辑场景，在合成场景上重光照质量优于现有基线。

Facts Without Rules: Boundary Metadata Collapse in Multi-Agent LLM Handoffs

无规则的事实：多智能体大语言模型交接中的边界元数据崩溃

Yian Wang, Agam Goyal, Eshwar Chandrasekharan, Hari Sundaram

机构 * Siebel School of Computing and Data Science（西贝尔计算与数据科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 该研究揭示多智能体LLM交接存在边界元数据崩溃的隐私泄露问题，发现压缩交接会削弱边界标记物，明确约束与受众允许列表可有效缓解泄露。

Agentic AI uncovers conserved cross-tissue protein co-abundance programs inaccessible to single-dataset analysis

智能体AI揭示跨组织保守蛋白质共丰度程序，这类程序是单数据集分析无法获取的

Runyu Guan, Dehao Wu, Qiqi Xie, Yang Li, Haohan Wang

机构 * School of Information Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Department of Ecology and Evolutionary Biology, University of Michigan（密歇根大学生态与进化生物学系） 纠错

AI总结 该研究提出LLM智能体框架，分析41种人体组织与体液的820种成对组合，识别出大量跨组织保守蛋白质共丰度簇，为疾病机制与治疗探索提供资源。

Comments 16 pages, 6 figures

From Analytics to Tumor Boards: An Evidence-Linked Multi-Agent Workflow for Oncology Feature Extraction

从分析学到肿瘤委员会：一种用于肿瘤学特征提取的证据关联多智能体工作流

Daniel Kang, Michelle Hu, Soorya Ram Shimgekar, Shayan Vassef, Yufan Wang, Anit Kumar Sahu, Munmun De Choudhury, Vedant Das Swain, Christian Poellabauer, Li Yan Khor, Koustuv Saha, Robert Wojciechowski, Elliot Kidd, Piyum Zonooz, Navin Kumar

机构 * Nimblemind ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Florida International University（佛罗里达国际大学） ； Duke-NUS Medical School（杜克-新加坡国立大学医学院） ； Singapore General Hospital（新加坡中央医院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； OncoLens 纠错

AI总结 该研究针对肿瘤学文档的结构化提取需求，提出nMAS多智能体工作流，在230份肿瘤学文档上的F1值达85.0%，优于对照模型，验证了其将碎片化肿瘤学文档转为结构化数据的可行性。

Evaluating the Hidden Costs of Personalization in Large Language Models

评估大语言模型个性化的隐性成本

Yumeng Wang, Yuchen Wu, Cheng Qian, Zhiyuan Fan, Hyeonjeong Ha, Shujin Wu, Jiayu Liu, Heng Ji, Ge Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； HKUST（香港科技大学） 纠错

AI总结 本研究针对大语言模型个性化的三种隐性风险，提出PRISK评估框架，经13个模型实证分析，发现个性化信息会加剧偏见并导致特定指标下降。