高校专区
生物力学三维人体：从三维人体基础模型自监督蒸馏生物力学姿态
机构 * Shirley Ryan AbilityLab（雪莉·瑞安能力实验室） ； Northwestern University（西北大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究扩展SAM-3D-Body模型新增生物力学预测头，用JAX结合Equinox实现，在公开数据集训练后，在多数据集验证中优于现有生物力学回归模型，仅略逊于需高成本轨迹优化的同类方法。
Comments Accepted to the ECCV 2026 Workshop MoCha
重新审视DP-SGD的可证明可审计隐私差距
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Waterloo（滑铁卢大学） ； Vector Institute（矢量研究院）
AI总结 本研究针对DP-SGD的可证明可审计隐私差距，提出轻量级防御框架提升其经验隐私且不损失理论隐私，经多场景评估验证其灵活性。
Comments The code for this paper can be found here: https://github.com/pineappleEnthusiast/empirical-privacy-defense
因果干预揭示多语言语言模型中类型学组织的句法机制
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Saarland University（萨尔大学） ； Leipzig University（莱比锡大学） ； Heidelberg Institute for Theoretical Studies（海德堡理论研究所）
AI总结 本研究利用机制可解释性技术，在四种多语言语言模型的三种句法结构上证实跨语言机制迁移，且迁移程度与语言类型学相似度正相关，为语言学理论提供新假说。
Comments 20 Pages, 7 Figures, 11 Tables
RoboPhys-3D：通过三维重建进行全面的具身世界模型评估
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Purdue University（普渡大学） ； Futurewei Technologies, Inc（星纪时代科技公司）
AI总结 本研究推出基于RoboTwin 2.0的三维具身世界模型基准RoboPhys-3D，含50个操作任务等数据，提出两个评估分数，发现Cosmos 3的RoboPhyscore最高，该分数与人类评估一致性强。
Comments 66 pages, 12 figures, 55 tables
Mol-JEPA：用于分子的多模态联合嵌入预测架构
机构 * University of Tübingen（蒂宾根大学） ； Boehringer Ingelheim（勃林格殷格翰） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Brown University（布朗大学）
AI总结 针对分子基础模型的化学无效增强等局限，提出Mol-JEPA多模态框架，利用模态掩码融入生化上下文，在基准测试中展现出优异性能。
优化器即智能体：跨提示、程序与机器学习工作流的推理驱动搜索
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Snowflake（思诺飞克公司）
AI总结 该研究提出ReASearch统一框架，让智能体自主优化提示、程序与ML工作流，在14项任务中优于专用系统，部分发现超人类最佳结果的方案。
Journal ref COLM 2026
Fund2Persona：基于基金披露数据构建与精炼金融顾问角色的框架
机构 * UNIST（蔚山科学技术院） ； LinqAlpha ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Florida（佛罗里达大学） ； Blackstone（黑石集团） ； Hanwha Life（韩华生命）
AI总结 提出Fund2Persona框架，利用基金披露、持仓变动、市场背景和管理人评论构建金融顾问角色，并通过智能体循环精炼，在持仓重建和管理人评论对齐任务上优于通用基线，生成更具体有用的建议。
Comments 18 pages, 4 figures, 18 tables. EMNLP 2026 Industry Track
并非真正的多语言：脚本一致性作为VLM评估中缺失的维度
机构 * RediMinds Inc.（RediMinds公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Independent Researcher（独立研究员）
AI总结 提出PuMVR基准，评估10个VLM在旁遮普语三种文字上的表现，发现显著的脚本差距，并提出脚本一致性率（SCR）作为必要评估指标。
SYNAPSE: 通过拓扑语义去噪的神经符号视觉思维到文本解码
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）
AI总结 提出SYNAPSE框架，利用常识图结构和潜在样本进行推理时符号正则化，稳定脑电到文本解码中的语义生成，无需微调大语言模型。
Comments Accepted to Findings of EMNLP 2026
最强的教师并不总是最好的教师：以学生为中心的答案选择
机构 * University of Washington（华盛顿大学） ； 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） ； Independent Researcher（独立研究者） ； National University of Singapore（新加坡国立大学） ； Microsoft（微软） ； Google（谷歌） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Northwestern University（西北大学） ； Allen Institute for AI (AI2)（人工智能研究院（AI2））
AI总结 提出以学生为中心的答案采样（SCAS）框架，通过估计学生中心的学习成本选择教师生成的答案，从而提升学生模型性能。
运算学习用于海面波浪诱导力的替代建模
机构 * Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校奥登计算工程与科学研究所） ； Information Technology Laboratory, U.S. Army Engineer Research and Development Center（美国陆军工程兵研究与发展中心信息技术实验室） ； Department of Mechanical Engineering and Technology Management, Norwegian University of Life Sciences（挪威生命科学大学机械工程与技术管理系） ； Department of Numerical Analysis and Scientific Computing, Simula Research Laboratory（Simula研究实验室数值分析与科学计算系）
AI总结 本文利用深度运算网络替代传统波浪模型，通过不同边界条件和风场的数值实验，验证了其在预测辐射应力梯度和显著波高方面的高精度。
Comments 46 pages, 15 figures
针对GPS退化和欺骗的鲁棒多智能体强化学习用于小型无人机分离保障
机构 * George Washington University（乔治华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文通过多智能体强化学习解决小型无人机在GPS退化和欺骗下的鲁棒分离保障问题，提出闭式表达式对抗扰动，实现线性时间评估，并在高密度无人机模拟中取得近零碰撞率。
Comments This work has been submitted to the IEEE for possible publication
时间序列基础模型中的通用冗余性
机构 * ECE Department, UT Austin（UT奥斯汀电子工程系） ； Department of Physics, UT Austin（UT奥斯汀物理系） ； Oden Institute, UT Austin（UT奥斯汀奥登研究所）
AI总结 本研究揭示了时间序列基础模型中普遍存在的冗余特性，并通过理论框架和消融实验揭示了模型退化现象的根源。
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