University of Southern California（南加州大学）

Splat Feature Solver

基于稀疏线性逆问题的特征提升求解器

Butian Xiong, Rong Liu, Kenneth Xu, Meida Chen, Andrew Feng

机构 * University of Southern California, Institute for Creative Technologies（南加州大学，创意技术研究所） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 Splat Feature Solver通过统一的稀疏线性逆问题框架，高效解决3D场景中特征提升问题，实现高质量提升特征生成，优于现有基线方法。

Comments ICLR 2026 Accepted

Rewarding Intellectual Humility Learning When Not To Answer In Large Language Models

在大型语言模型中不回答时如何奖励智力谦逊学习

Abha Jha, Akanksha Mahajan, Ashwath Vaithinathan Aravindan, Praveen Saravanan, Sai Sailaja Policharla, Sonal Chaturbhuj Gehlot

机构 * University of Southern California（南加州大学） ； Los Angeles, United States of America（美国洛杉矶） 纠错

AI总结 本文提出通过可验证奖励强化学习促进大型语言模型的智力谦逊，通过调整回避奖励机制减少错误响应，提升模型可靠性。

Judgelight: Trajectory-Level Post-Optimization for Multi-Agent Path Finding via Closed-Subwalk Collapsing

Judgelight: 多智能体路径寻找中的轨迹级后优化 via 关闭子轨迹压缩

Yimin Tang, Sven Koenig, Erdem Bıyık

机构 * University of Southern California（南加州大学） ； University of California Irvine（加州大学尔湾分校） 纠错

AI总结 Judgelight通过压缩智能体轨迹中的闭合子轨迹，提高多智能体路径寻找的轨迹质量，减少20%的解决方案成本。

Quantifying Speaker Embedding Phonological Rule Interactions in Accented Speech Synthesis

量化口音语法规则在口音语音合成中的相互作用

Thanathai Lertpetchpun, Yoonjeong Lee, Thanapat Trachu, Jihwan Lee, Tiantian Feng, Dani Byrd, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Lab, University of Southern California（南加州大学信号分析与解释实验室） ； Thomas Lord Department of Computer Science, University of Southern California（南加州大学托马斯·劳德计算机科学系） ； Department of Linguistics, University of Southern California（南加州大学语言学系） 纠错

AI总结 本研究通过量化说话者嵌入与语音规则的相互作用，提出 PSR 度量标准，揭示口音生成中规则与身份的纠缠关系。

Comments Accepted to ICASSP2026

LLM Multi-Agent Systems: Challenges and Open Problems

大语言模型多智能体系统：挑战与开放问题

Shanshan Han, Qifan Zhang, Weizhao Jin, Zhaozhuo Xu

机构 * University of California, Irvine, CA, USA（加州大学尔湾分校） ； University of Southern California, Los Angeles, CA, USA（南加州大学） ； Stevens Institute of Technology, Hoboken, NJ, USA（史蒂文斯理工学院） 纠错

AI总结 本文研究了多智能体系统在任务分配、推理增强和内存管理方面的挑战，并探讨其在区块链中的应用潜力。

Membership Privacy Risks of Sharpness Aware Minimization

sharpness aware minimization 的成员隐私风险

Young In Kim, Andrea Agiollo, Pratiksha Agrawal, Johannes O. Royset, Rajiv Khanna

机构 * Department of Computer Science（计算机科学系） ； Purdue University（普渡大学） ； Delft University of Technology（代尔夫特理工大学） ； Department of Industrial and Systems Engineering（工业与系统工程系） ； University of Southern California（南加州大学） 纠错

AI总结 本文发现SAM在提升泛化能力的同时加剧了成员隐私泄露，通过分析记忆分数和影响分数揭示其对非典型子模式的捕捉能力更强，从而在成员推断攻击中表现更差。

Comments accepted to iclr 2026