University of Texas at Austin（得克萨斯大学奥斯汀分校）

DLRREC: Denoising Latent Representations via Multi-Modal Knowledge Fusion in Deep Recommender Systems

DLRREC: 通过深度融合多模态知识在深度推荐系统中进行潜在表示去噪

Jiahao Tian, Zhenkai Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 DLRREC通过深度融合多模态和协同知识，提升深度推荐系统中潜在表示的去噪能力，从而实现更精确的推荐性能。

From Topology to Retrieval: Decoding Embedding Spaces with Unified Signatures

从拓扑到检索：利用统一签名解码嵌入空间

Florian Rottach, William Rudman, Bastian Rieck, Harrisen Scells, Carsten Eickhoff

机构 * University of Tübingen（图宾根大学） ； Fribourg University（弗里堡大学） ； Boehringer Ingelheim GmbH, Biberach (Riss), Germany（勃林格殷格翰公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出统一拓扑签名框架，用于全面表征文本嵌入空间，揭示模型架构驱动的相似性，并通过拓扑结构与排序有效性关联，提升文档检索性能。

Harmful Traits of AI Companions

AI伴侣的有害特性

W. Bradley Knox, Katie Bradford, Samanta Varela Castro, Desmond C. Ong, Sean Williams, Jacob Romanow, Carly Nations, Peter Stone, Samuel Baker

机构 * UT Austin — Department of Computer Science（德克萨斯大学奥斯汀分校计算机科学系） ； UT Austin — Department of Communication Studies（德克萨斯大学奥斯汀分校传播学系） ； UT Austin — Technology & Information Policy Institute（德克萨斯大学奥斯汀分校科技与信息政策研究所） ； UT Austin — Department of Psychology（德克萨斯大学奥斯汀分校心理学系） ； UT School of Law（德克萨斯大学法学院） ； UT Austin — Department of English（德克萨斯大学奥斯汀分校英语系） ； El Colegio Mexiquense, A.C. — Seminario de Instituciones, Sociedad Civil y Políticas Públicas（墨西哥埃尔科尔西奥学院，A.C. — 社会与公共政策研讨会） ； Sony AI（索尼人工智能） 纠错

AI总结 本文研究了AI伴侣可能带来的有害特性，分析了其潜在负面影响及因果路径，并提出减轻风险的设计建议。

SizeGS: Size-aware Compression of 3D Gaussian Splatting via Mixed Integer Programming

SizeGS: 通过混合整数规划实现3D高斯点云的尺寸感知压缩

Shuzhao Xie, Jiahang Liu, Weixiang Zhang, Shijia Ge, Sicheng Pan, Chen Tang, Yunpeng Bai, Cong Zhang, Xiaoyi Fan, Zhi Wang

机构 * SIGS, Tsinghua University（清华大学SIGS实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Jiangxing Intelligence Inc.（江行智能有限公司） 纠错

AI总结 SizeGS通过混合整数规划优化3DGS的超参数，实现高效尺寸感知压缩，提升压缩效率和视觉质量。

Comments Automatically compressing 3DGS into the desired file size while maximizing the visual quality

Thought2Text: Text Generation from EEG Signal using Large Language Models (LLMs)

Thought2Text: 使用大型语言模型（LLMs）从EEG信号生成文本

Abhijit Mishra, Shreya Shukla, Jose Torres, Jacek Gwizdka, Shounak Roychowdhury

机构 * School of Information University of Texas at Austin（信息学院 德克萨斯大学奥斯汀分校） 纠错

AI总结 Thought2Text利用大型语言模型从EEG信号生成文本，通过多阶段微调实现脑活动的可理解表达。

Comments Accepted to Findings of NAACL 2025

Data-Driven Modeling and Correction of Vehicle Dynamics

数据驱动建模与车辆动力学校正

Nguyen Ly, Caroline Tatsuoka, Jai Nagaraj, Jacob Levy, Fernando Palafox, David Fridovich-Keil, Hannah Lu

机构 * Department of Aerospace Engineering and Engineering Mechanics, The University of Texas at Austin（航空航天工程与工程力学系，德克萨斯大学奥斯汀分校） ； Department of Mathematics, The Ohio State University（数学系，俄亥俄州立大学） ； Department of Computer Science, The University of Texas at Austin（计算机科学系，德克萨斯大学奥斯汀分校） ； Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（计算工程与科学研究所，德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出DRIPS和FML两种方法，用于数据驱动校正非自主车辆动力学，实现高效且准确的模型学习与误差修正。

A Survey on Bridging EEG Signals and Generative AI: From Image and Text to Beyond

关于将EEG信号与生成式AI连接的综述：从图像和文本到更广泛的领域

Shreya Shukla, Jose Torres, Akshaj Murhekar, Christina Liu, Abhijit Mishra, Jacek Gwizdka, Shounak Roychowdhury

机构 * School of Information, The University of Texas at Austin, Austin, TX, USA（信息学院，德克萨斯大学奥斯汀分校，奥斯汀，德克萨斯州） 纠错

AI总结 本综述探讨了将EEG信号转化为图像、文本和音频的生成式AI方法，分析了当前技术趋势与挑战，为未来研究提供参考。