University of Southern California（南加州大学）

Can Image Splicing and Copy-Move Forgery Be Detected by the Same Model? Forensim: An Attention-Based State-Space Approach

图像拼接和复制移动伪造能否由同一模型检测？Forensim：一种基于注意力的状态空间方法

Soumyaroop Nandi, Prem Natarajan

机构 * USC Information Sciences Institute（USC信息科学研究所） ； USC Thomas Lord Department of Computer Science（USC托马斯·劳德计算机科学系） 纠错

AI总结 Forensim通过基于注意力的状态空间方法，实现图像拼接和复制移动伪造的联合定位检测，并发布新数据集提升伪造检测性能。

Auditing Multi-Agent LLM Reasoning Trees Outperforms Majority Vote and LLM-as-Judge

对多智能体大语言模型推理树进行审计优于多数投票和LLM作为裁判

Wei Yang, Shixuan Li, Heng Ping, Peiyu Zhang, Paul Bogdan, Jesse Thomason

机构 * University of Southern California, Los Angeles, CA, USA（美国南加州大学） 纠错

AI总结 通过构建推理树路径搜索机制，AgentAuditor在多智能体系统中实现了优于多数投票和LLM作为裁判的推理准确性提升

Layer-wise Update Aggregation with Recycling for Communication-Efficient Federated Learning

分层更新聚合与回收的通信高效联邦学习

Jisoo Kim, Sungmin Kang, Sunwoo Lee

机构 * Inha University（延世大学） ； University of Southern California（南加州大学） 纠错

AI总结 FedLUAR通过分层更新聚合与回收技术，在保持模型准确性的同时显著降低联邦学习的通信成本。

Comments NeurIPS 2025

Deep Meta Coordination Graphs for Multi-agent Reinforcement Learning

基于深度元协调图的多智能体强化学习

Nikunj Gupta, James Zachary Hare, Jesse Milzman, Rajgopal Kannan, Viktor Prasanna

机构 * University of Southern California（南加州大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） ； DEVCOM ARL Army Research Office（陆军研究办公室） 纠错

AI总结 本文提出深度元协调图方法，通过图卷积网络提升多智能体协作策略的学习效率和表现。