University of Washington（华盛顿大学）

Visuo-Tactile World Models

视觉-触觉世界模型

Carolina Higuera, Sergio Arnaud, Byron Boots, Mustafa Mukadam, Francois Robert Hogan, Franziska Meier

机构 * Paul G. Allen School of Computer Science, University of Washington（华盛顿大学保罗·G·阿伦计算机科学学院） ； FAIR, Meta（FAIR，Meta） 纠错

AI总结 本文提出视觉-触觉世界模型，通过融合视觉与触觉传感提升机器人在接触丰富任务中的物理建模能力，实验显示其在物体永恒性和运动定律遵守方面表现更优，并在真实机器人任务中实现更高的成功率。

Comments Preprint

NeVStereo: A NeRF-Driven NVS-Stereo Architecture for High-Fidelity 3D Tasks

NeVStereo: 一种基于NeRF的NVS-立体架构用于高保真3D任务

Pengcheng Chen, Yue Hu, Wenhao Li, Nicole M Gunderson, Andrew Feng, Zhenglong Sun, Peter Beerel, Eric J Seibel

机构 * University of Washington（华盛顿大学） ； University of Southern California（南加州大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； USC Institute for Creative Technologies（南加州大学创意技术研究所） 纠错

AI总结 NeVStereo通过结合NeRF和多视角深度估计，实现了高保真3D重建，显著提升了深度精度和网格质量。

RFS: Reinforcement Learning with Residual Flow Steering for Dexterous Manipulation

RFS: 通过残差流引导的强化学习用于灵巧操作

Entong Su, Tyler Westenbroek, Anusha Nagabandi, Abhishek Gupta

机构 * University of Washington, Paul G. Allen School of Computer Science & Engineering（华盛顿大学，保罗·G·艾伦计算机科学与工程学院） ； Amazon Frontier AI & Robotics（亚马逊前沿人工智能与机器人） 纠错

AI总结 RFS通过残差流引导强化学习，实现高效适应预训练生成策略，提升灵巧操作任务的性能

Learning to summarize user information for personalized reinforcement learning from human feedback

学习总结用户信息以实现基于人类反馈的个性化强化学习

Hyunji Nam, Yanming Wan, Mickel Liu, Peter Ahnn, Jianxun Lian, Natasha Jaques

机构 * Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； DoorDash ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 PLUS通过学习用户信息摘要实现个性化强化学习，提升奖励模型准确性并实现零样本个性化。

Comments 10 pages for main text, 10 pages for appendix

MaxSup: Overcoming Representation Collapse in Label Smoothing

MaxSup: 解决标签平滑中的表征崩溃

Yuxuan Zhou, Heng Li, Zhi-Qi Cheng, Xudong Yan, Yifei Dong, Mario Fritz, Margret Keuper

机构 * University of Mannheim（曼海姆大学） ； University of Washington（华盛顿大学） ； Meta AI ； CISPA Helmholtz Center for Information Security（信息安全霍普夫研究所） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） 纠错

AI总结 MaxSup通过惩罚top-1 logit解决标签平滑中的表征崩溃问题，恢复类内多样性并增强类间边界。

Comments NeurIPS 2025 Oral (0.36% acceptance); code: https://github.com/ZhouYuxuanYX/Maximum-Suppression-Regularization

Among Us: Measuring and Mitigating Malicious Contributions in Model Collaboration Systems

Among Us: 在模型协作系统中衡量并减轻恶意贡献

Ziyuan Yang, Wenxuan Ding, Shangbin Feng, Yulia Tsvetkov

机构 * University of Washington（华盛顿大学） ； New York University（纽约大学） 纠错

AI总结 研究针对模型协作系统中的恶意贡献问题，通过实验评估恶意模型的影响，并提出外部监督策略以缓解其影响。

Comments 19 pages, 15 tables, 4 figures

ARGaze: Autoregressive Transformers for Online Egocentric Gaze Estimation

ARGaze：用于在线第一人称注视估计的自回归变换器

Jia Li, Wenjie Zhao, Shijian Deng, Bolin Lai, Yuheng Wu, RUijia Chen, Jon E. Froehlich, Yuhang Zhao, Yapeng Tian

机构 * Department of Computer Science, University of Texas at Dallas, Richardson, TX, USA.（德克萨斯大学达拉斯分校计算机科学系） ； College of Computing, Georgia Institute of Technology, Atlanta, GA, USA（佐治亚理工学院计算机学院） ； Department of Computer Science, University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校计算机科学系） ； Allen School of Computer Science, University of Washington, USA（华盛顿大学阿伦计算机科学学院） 纠错

AI总结 ARGaze通过自回归变换器模型，利用时间连续性提升在线第一人称注视估计的鲁棒性与准确性。

Large-Ensemble Simulations Reveal Links Between Atmospheric Blocking Frequency and Sea Surface Temperature Variability

大规模集合模拟揭示大气阻塞频率与海表温度变率之间的联系

Zilu Meng, Gregory J. Hakim, Wenchang Yang, Gabriel A. Vecchi

机构 * Department of Atmospheric and Climate Science, University of Washington（大气与气候科学系，华盛顿大学） ； Department of Geosciences, Princeton University（地球科学系，普林斯顿大学） ； High Meadows Environmental Institute, Princeton University（高梅斯环境研究所，普林斯顿大学） 纠错

AI总结 本文利用深度学习模型的大规模集合模拟，揭示了SST变率对大气阻塞频率的显著影响，并展示了该方法在分离SST信号与内部噪声中的有效性。

Governance at the Edge of Architecture: Regulating NeuroAI and Neuromorphic Systems

架构边缘的治理：规范神经AI与神经形态系统

Afifah Kashif, Abdul Muhsin Hameed, Asim Iqbal

机构 * University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； Tibbling Technologies（Tibbling技术公司） 纠错

AI总结 本文探讨了神经AI系统在传统AI治理框架下的局限性，提出需与架构共同进化以实现技术基础的保证。

Comments 9 pages, 1 table, 1 figure

Patterns in the Transition From Founder-Leadership to Community Governance of Open Source

开源项目从创始人领导到社区治理的过渡模式

Mobina Noori, Mahasweta Chakraborti, Amy X Zhang, Seth Frey

机构 * University of California Davis（加州大学戴维斯分校） ； University of Washington（华盛顿大学） 纠错

AI总结 研究通过分析开源项目从创始人领导到社区治理的过渡，揭示了治理结构演变的模式与机制。

Verifying the Verifiers: Unveiling Pitfalls and Potentials in Fact Verifiers

验证验证者：揭示事实验证器中的陷阱与潜力

Wooseok Seo, Seungju Han, Jaehun Jung, Benjamin Newman, Seungwon Lim, Seungbeen Lee, Ximing Lu, Yejin Choi, Youngjae Yu

机构 * Yonsei University（延世大学） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Seoul National University（首尔国立大学） 纠错

AI总结 本研究评估了多种大语言模型和事实验证器，揭示了数据标注问题、前沿模型性能及小型验证器的改进潜力。

Comments Accepted to COLM 2025