高校专区
基于记忆树引导的关键帧查询的高效三维问答
机构 * University of Washington（华盛顿大学） ； Amazon（亚马逊公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究针对具身场景三维问答的效率问题，提出MemTree3D记忆树引导的关键帧选择方法，在OpenEQA数据集上显著提升GPT-4o与LLaVA-OneVision-7B的问答性能，优于现有视觉搜索方法。
Comments ECCV 2026
病理迁移：临床数据的最优传输解释及其热图（无法）定位疾病的情形
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究构建了最优传输修正流系统，在威斯康星乳腺癌数据集上实现了无监督恶性评分与归因，发现胸部X光的无标签最优传输热图无法真实定位疾病，仅监督式Grad-CAM表现良好，并贡献了相关方案与基准。
如果、那么、否则：诊断视觉-语言导航中的条件分支
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Collins Aerospace（柯林斯航空航天公司）
AI总结 针对视觉-语言导航智能体的条件分支诊断需求，提出基于场景图的基准CondVLN及轻量级神经符号分支选择模型，可暴露智能体的逻辑决策失败并提升性能2倍。
Comments 11 pages, 1 figure, 3 tables. Project page: this https URL (https://condvln.github.io/)
Qwen-Video-Edit：通过复用图像编辑模型实现基于指令的视频编辑
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； Reve（Reve公司）
AI总结 该研究提出Qwen-Video-Edit，通过复用Qwen-Image-Edit图像编辑模型，经少量适配实现基于指令的视频编辑，证明图像编辑先验可迁移至视频编辑任务。
Comments Project Page: this https URL (https://yunpeng1998.github.io/Qwen-Video-Edit-Page) Code: this https URL (https://github.com/yunpeng1998/Qwen-Video-Edit) Model: this https URL (https://huggingface.co/yunpeng1998/Qwen-Video-Edit)
SafeGesture：通过场景条件安全解释评估视觉语言模型的细粒度手势理解能力
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Urban Information Lab, The University of Texas at Austin（德克萨斯大学奥斯汀分校城市信息实验室）
AI总结 本文提出SafeGesture基准，评估5款视觉语言模型的细粒度手势安全理解能力，发现模型存在感知与推理脱节，瓶颈为场景条件安全推理而非手势识别。
Comments 14 pages, 22 tables, 2 figures. Code and benchmark resources available at https://github.com/The-Responsible-AI-Initiative/SafeGesture
SEER：基于选择性视觉-文本压缩的长上下文推理
机构 * The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Cambridge（剑桥大学） ； University of Technology Sydney（悉尼科技大学） ； The University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 SEER是结合视觉压缩效率与文本推理精度的框架，经监督微调后在LongBench等长上下文基准测试中，准确率优于Glyph-9B、Qwen3-8B等基线模型，可提升提取精度并保留提示token节省量。
Comments COLM 2026, Third Conference on Language Modeling
CrossView：视觉-语言模型能否跨相机进行推理？
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出CrossView多相机视频问答基准，评估发现GPT-5.2等模型跨相机推理准确率低，开源模型表现更差，该基准可用于测试模型联合处理多视角的能力。
Comments ECCV 2026
分层多智能体系统中基于语义不确定性的协调策略
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； AT&T Chief Data Office（AT&T首席数据办公室） ； Cognizant AI Lab（高知特人工智能实验室）
AI总结 本文提出HASSUM框架，利用语义熵和密度估计不确定性实现多智能体自适应协调，在StrategyQA等基准上验证其可提升复杂推理任务的可靠性。
Comments 17 pages, 5 figures, 2 tables
先验清洗：具有继承性、不可检测的过度自信的学习先验
机构 * Institute for Artificial Intelligence, University of Central Florida（人工智能研究所，中央佛罗里达大学） ； Department of CS, University of Central Florida（计算机科学系，中央佛罗里达大学） ； Department of ECE, The University of Texas at Austin（电子工程系，德克萨斯大学奥斯汀分校）
AI总结 研究在贝叶斯逆问题中使用学习生成先验时因真值稀缺采用先验清洗的情况，指出其过度自信问题，通过对旧后验求平均产生旧正则化器，单个最佳档案更糟，部署时拟合档案的先验未覆盖盲子空间，建议分开数据支持置信度与继承信念。
ExpertEdit: 从专家视频中学习技能感知的动作编辑
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 ExpertEdit通过无配对专家视频学习技能驱动的动作编辑，无需配对数据或手动指导，提升动作真实感和专家质量。
Comments Accepted to ECCV 2026
非独立同分布与不平衡数据下的联邦自监督调制分类
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Qualcomm Technologies Inc.（高通技术公司）
AI总结 该研究针对非独立同分布与不平衡数据场景，提出FedSSL-AMC联邦自监督框架，结合因果时间膨胀CNN编码器与轻量级本地SVM，在调制分类任务上取得优于监督联邦学习基线的性能。
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
面向LLM辅助的模拟电路版图优化的感知仿真上下文内策略改进
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 针对LLM辅助模拟版图优化的样本效率问题，提出感知仿真的LLM多智能体框架，通过上下文内策略改进，仅需数十次仿真即可提升后版图性能，优于生成器启发式规则与贝叶斯优化方法。
Comments 7 pages, 3 figures. To appear in the Proceedings of the 2026 International Conference on LLM-Aided Design (ICLAD 2026)
学习用于游戏NR-VQA的多任务FR信号感知表示
机构 * National Yang Ming Chiao Tung University ； The University of Texas at Austin ； Netflix Inc.
AI总结 本文提出MTL-VQA，通过多任务学习框架利用全参考信号学习感知特征，有效提升游戏视频无参考质量评估的性能。
Comments 6 pages, 2 figures, IEEE ICIP 2026
超越最佳猜测：用进化策略提升大语言模型的解决方案覆盖率
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cognizant AI Lab（高知特人工智能实验室）
AI总结 该研究针对LLM后训练中RL导致pass@k受限、解决方案覆盖率不足的问题，采用进化策略（ES）方法，提升了pass@k与解决方案覆盖率，在数学基准上取得更好结果，为相关领域后训练提供了更好基础。
@skills：你所需的全部注意力
机构 * SylphAI（西尔菲人工智能公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 针对当前智能体技能安装模式下触发槽位稀缺的问题，提出@skills开放协议，分离技能的内容、持久化与自动触发功能，无需安装即可使用技能，通过Git管理实现灵活适配，搭配免费技能 hub 提供搜索等功能，减少安装、提升使用效率。
Comments 7 pages main, 23 pages in total with appendix, 6 figures
生成AI对协作开源软件开发的影响：来自GitHub Copilot的证据
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究探讨生成AI对开源协作开发的影响，发现GitHub Copilot提高了代码贡献和开发者参与，但增加了协调时间，揭示了AI在扩展贡献者的同时减缓协作的权衡。
类人工作记忆干扰在大语言模型中
机构 * School of Psychological and Brain Sciences, Georgia Tech（佐治亚理工学院心理与脑科学学院） ； Department of Psychology, New York University（纽约大学心理学系） ； Department of Cognitive Science, Indiana University Bloomington（印第安纳大学布卢明顿分校认知科学系） ； Honda Research Institute（本田研究所） ； Center of Excellence for Computational Cognition, Georgia Tech（佐治亚理工学院计算认知卓越中心） ； Departments of Neuroscience and Psychology, The University of Texas at Austin（德克萨斯大学奥斯汀分校神经科学和心理学系）
AI总结 研究发现大语言模型在工作记忆任务中存在干扰限制，其表现与人类相似，且通过抑制无关信息实现有效记忆检索。
Comments Published as a conference paper at COLM 2026
OpenRC：一种用于多模态数据采集和自主性研究的开源机器人结肠镜框架
机构 * Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程系） ； Department of Surgical Oncology, Division of Surgery, The University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心外科肿瘤学系） ； School of Medicine and Health, Technical University of Munich（慕尼黑工业大学医学与健康学院）
AI总结 OpenRC框架通过整合开源硬件和多模态数据集，为机器人结肠镜和手术自主性研究提供了可重复的基础，支持同时记录视频、操作指令、执行状态和末端位置，并验证了运动一致性和跨模态延迟。
Comments Abstract: Added repository and contribution statement
从测试时缩放的视角理解在线策略蒸馏
机构 * Hong Kong Baptist University（香港浸会大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Ant Group（蚂蚁集团）
AI总结 该研究从测试时缩放视角分析OPD，发现其主要提升采样效率而非扩展推理能力边界，属于“虚假蒸馏”。
Comments 15 pages, 8 figures
使用Forma进行完整财务报表的长周期预测
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究发布了ProForma-20Q基准，提出Transformer模型Forma，在1至20个季度的完整财务报表预测任务中，击败各类对比模型，优势随期限扩大，且能支持无需重训的情景分析。
Comments 46 pages, 2 figures, 3 tables. Benchmark: https://github.com/forma-lab-mccombs/proforma-20q. Model and weights: https://github.com/forma-lab-mccombs/forma-release
大型语言模型在上下文学习中重组表征几何结构
机构 * School of Psychological and Brain Sciences, Georgia Tech（佐治亚理工学院心理与脑科学学院） ； Department of Psychology, New York University（纽约大学心理学系） ； Center of Excellence for Computational Cognition, Georgia Tech（佐治亚理工学院计算认知卓越中心） ； Honda Research Institute（本田研究院） ； Departments of Neuroscience and Psychology, The University of Texas at Austin（德克萨斯大学奥斯汀分校神经科学与心理学系）
AI总结 研究大型语言模型在上下文学习中的表征几何重组，发现其性能与任务表征结构相关，并通过原型算法动态调整表征以提高可分性。
Comments Published as a conference paper at COLM 2026
多语言OCR感知微调和提示引导的链式思维推理用于多模态大语言模型
机构 * Meta AI ； UT Austin（德克萨斯大学奥斯汀分校）
AI总结 提出一种多语言OCR感知的多模态训练框架，通过合成数据生成、OCR感知微调和结构化视觉链式思维提示，提升多模态大语言模型在复杂视觉条件下的OCR完整性和多语言翻译准确性。
多模态QUD：来自科学图表的探究性问题
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Ithaca College（伊萨卡学院） ； UC Berkeley, BespokeLabs.ai（伯克利大学，BespokeLabs.ai）
AI总结 本文提出多模态QUD数据集，通过结合图表与文本上下文生成探究性问题，提升多模态推理能力，实现更高质量的视觉 grounding。
部署并非宿命：面向现场未知软件、硬件与计算负载的机器人重组
机构 * Texas Robotics（德克萨斯机器人研究所） ； Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究提出一种机器人运行时重组框架，支持现场快速集成未知软件、硬件与计算负载，将重配置时间缩至数分钟，在灾难响应场景中验证了其灵活性与实用性。
人形机器人在受限空间中通过自碰撞规避实现全身规划的参考方案
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出三阶段全身规划框架，结合可微分自碰撞规避与可达性约束，在Unitree G1人形机器人上实现Cr<1.5的受限空间导航，生成复杂接触轨迹并训练出鲁棒在线跟踪策略。
机构 * UT Austin（德克萨斯大学）
Comments 28 pages, 6 figures, 7 supplementary figures
EndoMD-SLAM：光学退化下的内窥镜高斯溅射SLAM，具备记忆与静态-瞬态分解能力
机构 * Texas A&M University（德克萨斯农工大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Minnesota（明尼苏达大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 EndoMD-SLAM是针对内窥镜光学退化问题的SLAM框架，通过记忆驱动门控、静态-瞬态分解等机制，在结肠镜检查基准上实现了轨迹误差降低91%、PSNR提升9.9 dB的效果。
Comments Project page: https://endomd-slam.github.io/
不值得再增加一个Token：面向高效深度研究智能体的边际价值估计
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Adobe Research（奥多比研究院）
AI总结 该研究针对长周期研究智能体的上下文冗余问题，系统比较不同阶段的剪枝策略，发现早期剪枝可大幅降本，轻量级启发式方法能减73%Token用量且质量损失小，为高效智能体设计提供指导。
RibAssist 3D：基于CT衍生投影的双侧肋骨骨折检测、配对与选择性3D定位
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究提出RibAssist 3D模型，通过CT的双侧投影实现肋骨骨折的检测、配对与选择性3D定位，识别跨视图配对置信度为瓶颈，经实验验证其几何精度高，可辅助提升肋骨骨折定位效率。
Comments 9 pages, 6 figures. Code available at: https://github.com/kabJhai/RibAssist-3D
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈