ARMFUL: Learning Whole-Arm Grasp Configurations for Single-Arm Pickup of Large Objects
机构 * University of Southern California(南加州大学)
AI总结 该研究针对单臂拾取大型物体的难题,构建了首个全臂抓取数据集WAG,开发了基于扩散模型的ARMFUL流水线,在仿真和物理机械臂实验中均取得良好拾取效果。
高校专区
机构 * University of Southern California(南加州大学)
AI总结 该研究针对单臂拾取大型物体的难题,构建了首个全臂抓取数据集WAG,开发了基于扩散模型的ARMFUL流水线,在仿真和物理机械臂实验中均取得良好拾取效果。
当成本感知型大语言模型路由中最便宜的可行路由器失效时:审计部署承诺
机构 * Cornell University(康奈尔大学) ; Marquette University(马凯特大学) ; University of Texas at Austin(德克萨斯大学奥斯汀分校) ; University of Southern California(南加州大学) ; Georgia Institute of Technology(佐治亚理工学院) ; Nanyang Technological University(南洋理工大学) ; Johns Hopkins University(约翰斯·霍普金斯大学)
AI总结 该研究针对成本感知LLM路由中审计通过的路由器仍违反服务合同的问题,提出MARC方法,可降低部署承诺失败率,确立了部署承诺作为连接路由器评估等的独特运营决策。
机构 * Institute of Foundation Models(基础模型研究所) ; USC(南加州大学) ; CMU(卡内基梅隆大学)
AI总结 该研究提出潜在反馈方法,经多规模模型测试及缩放定律验证,其可节省最多48%计算与47%数据,是数据受限场景下FLOP的更优利用方式。
Comments 23 pages. Code: https://github.com/ifm-ai/LoRM
DominoBench:基于静态图像的多步骤物理推理评估基准
机构 * University of Southern California(南加州大学)
AI总结 本研究构建DominoBench基准测试多模态模型的多步骤物理推理能力,发现前沿模型无辅助时预测静态图像物理结果的可靠性低,需明确提供决定量才能达到较高准确率。
Comments DominoBench dataset, evaluation harnesses, and benchmarks available at https://huggingface.co/datasets/emilioferrara/DominoBench
机构 * University of Southern California(南加州大学) ; Islamic Azad University, Amol Branch(伊斯兰阿扎德大学阿莫尔分校)
AI总结 本文针对带代价目标嵌入的稀疏分配问题,提出单位范数嵌入的固定实现证书,在四个文本实体匹配基准上审计后发现其运行时声明被反驳,选择性执行更慢且部分重新编码未保留最优解。
Comments 7 pages, 2 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
机构 * University of Southern California(南加州大学) ; Islamic Azad University, Amol Branch(伊斯兰阿扎德大学阿莫尔分校)
AI总结 该研究探讨AUROC比较在总体混合变化时的稳定性,通过理论分析证明通用优势性为coNP难,结合图像与语言模型实验验证了混合下的比较反转现象,并提出有限库审计与边际秩对齐等解决方案。
Comments 30 pages, 5 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
机构 * University of Southern California(南加州大学) ; Islamic Azad University, Amol Branch(伊斯兰阿扎德大学阿莫尔分校)
AI总结 针对有限深度样本下相机视图的精确首击识别问题,基于有界利普希茨逆深度场,刻画可实现首击深度的精确集合,给出多候选深度为共享场景首击的充要检验,推导特定模型下的尖锐最坏情况逆深度直径并验证其有效性。
Comments 36 pages, 9 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
批评者可能有害:关于大型语言模型引导的自动机器学习搜索中批评者的安全性
机构 * Amazon(亚马逊) ; University of Massachusetts Boston(马萨诸塞大学波士顿分校) ; University of Southern California(南加州大学)
AI总结 该研究聚焦LLM引导的AutoML搜索中批评者的安全性,通过四组审计和受控故障注入发现朴素8B批评者会降低搜索性能,提出验证门和检测器可减少损失,还将发布首个相关基准CRITFAULT。
Comments Accepted at KDD 2027 Research track
机构 * Columbia University(哥伦比亚大学) ; UC Berkeley(加州大学伯克利分校) ; Texas A&M University(德克萨斯农工大学) ; Rice University(莱斯大学) ; Sun Yat-sen University(中山大学) ; Stanford University(斯坦福大学) ; Georgetown University(乔治城大学) ; Carnegie Mellon University(卡内基梅隆大学) ; University of Southern California(南加州大学)
AI总结 该研究针对混合权威视觉-语言推理问题,提出无需训练的 AITHER 框架,通过语义框架路由器实现权威仲裁,在 MATRIX、FRAME 等数据集上显著提升推理准确率。
Quantum 3xplorer:面向下一代量子材料建模的原生AI引擎
机构 * Exabyte Inc.(Exabyte公司) ; Applied Mathematics and Computational Research Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室应用数学与计算研究部) ; Department of Materials Science and Engineering, Stanford University(斯坦福大学材料科学与工程系) ; SUNCAT Center for Interface Science and Catalysis, SLAC National Accelerator Laboratory(SLAC国家加速器实验室SUNCAT界面科学与催化中心) ; Mork Family Department of Chemical Engineering and Materials Science, University of Southern California(南加州大学莫克家族化学工程与材料科学系) ; NVIDIA Corporation(英伟达公司) ; Department of Materials Science and Engineering, Johns Hopkins University(约翰斯·霍普金斯大学材料科学与工程系) ; Air Force Research Laboratory(美国空军研究实验室) ; Department of Physics, University of California at Berkeley(加州大学伯克利分校物理系) ; Materials Sciences Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室材料科学部)
AI总结 本研究开发原生AI量子模拟引擎Quantum 3xplorer,由AI编码代理快速构建,可高效实现DFT等量子力学计算,缩短新理论到高性能实现的周期,推动计算量子科学范式转变。
Comments 29 pages, 3 figures, 10 tables
机构 * USC(南加州大学) ; UC Davis(加州大学戴维斯分校) ; Bocconi University(博科尼大学)
AI总结 本文通过原始/对偶搜索与AI认证,确定实Grothendieck常数$K_G$的百分位,证明$1.773 \leq K_G \leq 1.7799$,并估计$K_G \approx 1.779$。
CLIP在区域地理定位任务中学习到了什么?适配后的视觉线索与场景配置探究
机构 * University of Southern California(南加州大学) ; USC IMSC(南加州大学综合媒体系统中心) ; German Jordanian University(德国约旦大学) ; Integrated Media Systems Center (IMSC)(综合媒体系统中心)
AI总结 该研究针对大都市区区域地理定位问题,对比CLIP不同适配方法的性能,发现编码器适配可提升邻近区域区分能力,且对场景配置的敏感性更高。
Comments Accepted at IEEE BigData 2026
机构 * National Taiwan University(台湾大学) ; University of Southern California(南加州大学) ; Academia Sinica(中央研究院)
AI总结 本综述整合400余项相关研究,构建统一框架,针对语音模态提出7种公平定义,梳理偏差来源并系统化缓解策略,为语音AI的公平性研究提供了全面指引。
Comments Accepted at TMLR, Survey Certificate
机构 * Brown University(布朗大学) ; University of Southern California(南加州大学) ; Harvard University(哈佛大学) ; Boston University(波士顿大学)
AI总结 利用LLM的表征几何预测其组合失败模式,发现概念编码近正交时可靠组合,编码接近时因干扰导致失败,无需评估具体输入即可预测错误。
机构 * University of Southern California(南加州大学)
AI总结 本文通过DeGenTWeb系统识别出大量由大语言模型生成内容的网站,发现其在Web中的普及率持续增长,但准确识别此类网站面临挑战。
Comments In submission; 13 pages, 8 figures
近端遗憾与近端相关均衡:在线学习与博弈中一种新的可处理解概念
机构 * Yale University(耶鲁大学) ; MIT CSAIL(麻省理工学院CSAIL) ; University of Southern California(南加州大学) ; University of Virginia(弗吉尼亚大学)
AI总结 本文提出介于外部遗憾与交换遗憾之间的近端遗憾概念,证明经典在线梯度下降无需修改即可达到最优近端遗憾界,并据此定义近端相关均衡,统一并拓展了在线学习与博弈论中的多种均衡概念。
Comments A preliminary version of the paper has been accepted to STOC 2026. This version improves the proximal regret guarantee for gradient descent
机构 * University of Southern California(南加州大学) ; London Business School(伦敦商学院) ; Arizona State University(亚利桑那州立大学)
AI总结 本研究基于语言学预设理论,探究LLM智能体行动前工具信息与用户表述的差距,通过实验发现调整查找操作的呈现方式可减少智能体错误行动,为安全写入提供了优化查找操作的方案。
PRISM:面向RTL PPA优化的基于偏好的奖励与不确定性集成综合最小化方法
机构 * University of Southern California(南加州大学)
AI总结 PRISM是一种预算感知多目标RTL优化框架,结合偏好奖励模型与不确定性获取规则,在固定商业综合工具调用预算下,于多工艺节点实现RTL的PPA优化。
机构 * University of Southern California(南加州大学)
AI总结 该研究测试了三个开放权重模型能否报告注入的疼痛状态,发现模型虽能解码疼痛状态且引导会增加破坏性选择,但无法报告该状态,揭示了可解码状态与未经训练的语言访问的分离。
Comments The OWMI pain battery at https://huggingface.co/emilioferrara/owmi-pain
机构 * University of Southern California(南加州大学)
AI总结 本文针对网络化多智能体决策,提出信息架构理论,权衡信息新鲜度与范围,推导闭式阈值及最优邻域半径,揭示性能取决于最优决策的可预测性。
Comments 32 pages, 6 figures. Manuscript source and complete reproduction materials are available at https://github.com/ANRGUSC/TINA
机构 * University of Washington(华盛顿大学) ; University of Southern California(南加州大学)
AI总结 针对非平稳环境中的在线预测校准问题,提出基于epoch调度和非均匀预测空间划分的自适应算法,实现了校准误差在平稳与对抗场景之间的平滑插值,并达到最优或接近最优的遗憾界。
Comments 50 pages, NeurIPS 2026
机构 * Nankai University(南开大学) ; University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校) ; University of Southern California(南加州大学)
AI总结 本文从强化学习视角研究连续时间扩散模型下的最优分红问题,提出基于熵正则化的探索性控制算法,通过神经网络近似价值函数及其导数,实现非显式确定最优控制的数值方法。
Comments In this version the numerical scheme and the experiments are reconstructed
AbFlowNet:通过扩散-GFlowNet融合优化抗体-抗原结合能
机构 * Bangladesh University of Engineering and Technology(孟加拉工程与技术大学) ; University of California Riverside(加州大学河滨分校) ; University of Southern California(南加州大学) ; Princeton University(普林斯顿大学)
AI总结 针对现有CDR设计方法未联合优化结合能、在线RL优化成本高且依赖不可靠估计器的问题,提出融合GFlowNet与扩散模型的AbFlowNet框架,统一扩散与奖励优化,在多项指标上优于基础扩散模型且无需高成本在线RL。
Comments Accepted at NeurIPS 2026
向无延迟对抗马尔可夫决策过程(AMDPs)引入反馈延迟:表格型与线性AMDPs中的最优√S和√K依赖关系
机构 * University of Southern California(南加州大学) ; University of California Los Angeles(加州大学洛杉矶分校) ; Massachusetts Institute of Technology(麻省理工学院)
AI总结 本文针对表格型与线性对抗马尔可夫决策过程,提出引入反馈延迟的技术及带拒绝的几何重采样方法,解决表格型AMDP的√S遗憾差距问题,得到线性AMDP首个K最优高效算法,还扩展到延迟AMDP并获最优界。
超越二分类:基于NHANES的糖尿病与糖尿病前期风险预测多分类机器学习研究
机构 * University of Southern California(南加州大学)
AI总结 本研究针对糖尿病风险预测的二分类局限,基于NHANES数据开发多分类机器学习框架,对比传统与Transformer模型,发现糖尿病前期检测难源于特征重叠,且多分类与二分类任务存在性能权衡。
机构 * University of Southern California(南加州大学) ; Xtelligent, Inc.(Xtelligent公司)
AI总结 本文提出基于QP的耦合CBF控制器,通过让步矩阵编码机器人相互影响,支持让步偏好且保证无死锁,经仿真验证可实现自适应协调与机器人故障鲁棒性。
NIBench:针对神经成像中执行、技能演化与科学判断的自主AI智能体基准测试
机构 * Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California(南加州大学凯克医学院史蒂文斯神经影像与信息学研究所) ; Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California(南加州大学维特比工程学院明·谢电子与计算机工程系) ; Alfred E. Mann Department of Biomedical Engineering, Viterbi School of Engineering, University of Southern California(南加州大学维特比工程学院阿尔弗雷德·E·曼恩生物医学工程系) ; Department of Pediatrics, University of Chicago(芝加哥大学儿科系) ; Department of Biomedical Informatics, Harvard Medical School(哈佛医学院生物医学信息学系) ; Comprehensive Cancer Center, UChicago Medicine(芝加哥医学中心综合癌症中心)
AI总结 研究人员构建神经成像基准NIBench,通过三项评估测试19种语言模型驱动的自主智能体,发现其执行协议表现优异但程序指导缺失会拉大性能差距,技能提炼的泛化效果不稳定,科学判断存在与专家结论不符的问题。
作为技能的先验:通过策略内自蒸馏实现自进化VLM智能体,兼顾外部记忆与内部读取
机构 * Newcastle University(纽卡斯尔大学) ; University of Manchester(曼彻斯特大学) ; University of Melbourne(墨尔本大学) ; University of Nottingham(诺丁汉大学) ; University of Southern California(南加州大学) ; INSAIT, Sofia University ‘‘St. Kliment Ohridski’’(保加利亚索菲亚大学INSAIT研究所) ; Wuhan University(武汉大学) ; City University of Hong Kong(香港城市大学) ; University of Aberdeen(阿伯丁大学)
AI总结 本研究提出PriorSplit方法,结合OPSD训练,可补全VLM智能体部署时缺失的步骤帧,在帧缺失场景下性能优于同类方法,且在顺序异常场景下表现接近OPSD。
Comments under review
机构 * University of Southern California(南加州大学)
AI总结 该研究探究静态词嵌入中词性对上下文、子空间及维度的需求,提出结合频率与词性的维度分配方法,在压缩词表时保留动词、形容词相似度及名词匹配度,提升词嵌入效果。
机构 * University of Southern California(南加州大学)
AI总结 该研究分析了高维空间中Metropolis随机游走的盆地逃离时间,推导了其闭式表达式,证明高维下逃离速度更快,量化了商链与真实链均值的差异。
Comments 13 pages, 5 figures