本周亮点：本周该领域的论文涵盖了人机物理交互、无线通信、多模态智能体、人工智能安全以及医学图像分割。在机器人与人机交互方面，学者们探索了高难度的人机多球杂耍实时规划和新型混合智能体博物馆导游系统，展示了精细控制与多模态交互对用户体验的提升。在医疗应用上，结合SAM模型的视觉提示分割框架ViPSAM有效解决了低对比度非增强CT的分割难题。此外，针对电磁感应通信中的天线部署优化，以及从历史社会技术灾难中反思AI系统级安全风险的论述，都展现了该学科从底层硬件优化到高层系统治理与临床应用的多元发展趋势。
由于感知、时序和富接触交互中的不确定性，人类与机器人之间的动态物体交换仍然是一个具有挑战性的问题。人类-机器人杂耍是该问题中一个特别苛刻的实例，需要精确的实时协调、带反馈控制的预测运动规划，以及对人类运动变异性的鲁棒性。我们提出了一种用于人机伙伴杂耍的实时规划和控制架构，使机器人能够与人类伙伴在同步的多球模式中可靠地接球和抛球。在对8名参与者进行的用户研究中，我们证明了系统可以实现机器人和人类之间共享的三球级联杂耍，其中一名参与者将此前共享三球级联杂耍的记录延长了五倍，达到了连续20次机器人接球。
磁感应（MI）通信可应用于矿井、地下河等穿地场景。为了提高MI通信的传输速率，我们提出了一种具有放大转发（AF）中继的协作MI（CMI）方案。与现有研究不同，我们主要关注具有任意天线位置和方向的中继。我们推导了中继的CMI可达数据速率增益（CMG）的闭式表达式以及CMI信道带宽的闭式表达式。仿真表明，部署合适天线的中继可以显著提高MI系统的可达速率。
机器人正越来越多地融入日常场景，包括博物馆。为了增强游客的体验和参与度，我们提出了一种新型的混合智能体导游系统，将实体机器人与投影虚拟智能体相结合，通过对话和互动积极参与导览，在单一平台上实现两个移动智能体的丰富交互性。通过对30名参与者进行内组研究，结果显示混合智能体条件提高了女性参与者的学习表现，且无论性别如何，参与者都表示更倾向于混合智能体团队。
随着自动决策和数据驱动技术渗透到社会中，在具体情境中理解技术的能力、局限性和风险需要对完整的社会技术系统进行分析。人类制造的灾难因其严重性已被研究了数十年（如切尔诺贝利、三里岛、福岛、挑战者号），常见误解是这些事件源于不可预测的相互作用。仔细研究表明，风险在事前早已广为人知，但因社会结构、政治和经济因素未被采取行动。本文概述了AI开发可从这些未吸取的教训中受益的领域：组织层面的风险感知、需求和责任的可追溯性，以及将社会和组织动态作为首要工程关注点的整体方法。
在质子治疗规划中，呼吸门控非增强CT（NCCT）常用于病变分割，但由于对比度低，准确勾画仍具挑战性。受临床实践启发，我们提出了ViPSAM，一个基于Segment Anything Model（SAM）的视觉提示框架。ViPSAM引入视觉提示编码器从增强图像中提取引导特征，并引入视觉引导的交叉注意力模块整合非增强和增强特征，增强低对比度区域中病变相关表征。实验结果表明，ViPSAM优于代表性的基于U-Net和SAM的方法，跨模态视觉提示能够在非增强图像中实现更鲁棒和精确的分割。
本周亮点：本周定量生物学领域选入了一篇将控制理论与生物医学应用相结合的突破性论文。该研究聚焦于安全控制理论中的经典框架——Hamilton-Jacobi可达性（HJR），攻克了在存在外部"对手"（不确定性或干扰）的情况下，双目标值函数精确分解的理论难题。作者不仅在数学上证明了该分解的有效性，更将其成功应用于临床医学中的"优化药物给药方案设计"，展示了控制论、博弈论与定量生物学的深度交叉。
Hamilton-Jacobi可达性（HJR）是安全控制理论中的核心框架。虽然HJR传统上专注于一些基础任务，但人们对将其扩展到更复杂的战略目标越来越感兴趣。最近的研究探讨了在无对手设定下两个基础双目标任务的值函数的精确分解。然而，在存在对手的情况下，并非所有值函数分解都保持有效。在这项工作中，我们开发了理论方法证明了这两个复合值函数的分解在存在对手的情况下仍然成立，并展示了这些结果如何解决将HJR应用于优化药物给药方案设计时出现的问题。
本周亮点：计算机科学领域本周展示了人工智能、算法理论和边缘计算的前沿突破。在因果推理与多模态AI方面，teLLMe利用大语言模型辅助城市驾驶数据的因果分析，Symbal系统有效检测多模态大模型在图像描述中产生的"系统性错配"。在医疗图像领域，CRISP框架在冻结权重的前提下，利用概率排名稳定性攻克了跨域图像分割中的分布偏移难题。此外，算法理论研究对仅通过得分序列解决竞赛图经典问题给出了统一的理论刻画，而物联网传感研究则通过"哨兵辅助"卡尔曼滤波框架实现了无线传感器网络中极低能耗下的高精度异常监测。
交通管理机构现在可以获取大量基于视频的数据来研究安全和拥堵，但这些数据大多是观测性的，使得因果问题难以回答。我们介绍了teLLMe，一个用于城市驾驶数据集探索性因果分析的系统。该系统将因果结构学习与PC算法、基于自助法的稳定性检查以及线性回归和DoWhy的特定查询效应估计相结合。自然语言问题通过感知模式的大语言模型映射到结构化的因果查询。在源自BDD的交通事件案例研究中，系统能够发现涉及天气、高峰时段和交通密度的合理关系，同时明确展示不确定性和模型选择。
医学成像中的分布偏移仍然是临床转化医疗AI的核心瓶颈。现有的领域自适应方法受限于通过模拟偏移或伪监督穷尽预定义的可能性，在开放且不可预测的真实世界中力不从心。我们采用"阳性区域的等级稳定性"作为分布偏移下的工作假设，提出了CRISP，一个与模型无关的即插即用精细化框架，在冻结权重的情况下进行分割。CRISP利用分布偏移下概率排名的稳定性推导鲁棒的空间先验，通过迭代训练逐步将高精度核心和高召回率支撑压缩到最终分割结果中。在多中心心脏MRI和CT肺部血管分割评估中，CRISP显著优于最先进方法，HD95分别提升7.0%、13.1%和38.9%。
多模态大语言模型（MLLMs）在生成图像描述时经常会引入错误，导致图像-文本对出现错配。我们的工作重点关注一类称为"系统性错配"的描述错误。我们提出了Symbal，利用结构化双阶段设置识别系统性错配并用自然语言总结结果。我们还引入了SymbalBench，一个包含来自自然图像和医学图像领域170万个图像-文本对的基准，组织在420个标有系统性错配的数据集中。Symbal正确识别了63.8%数据集中的系统性错配，比最接近基线提高近4倍。代码开源于https://github.com/Stanford-AIMI/Symbal。
如果仅知道一个竞赛图的得分序列，我们可以解决它的哪些问题？研究人员已确定多个经典图问题可通过得分序列解决，包括无环性测试和拓扑排序、s,t-可达性、强连通性以及强连通分量分解等。在这项工作中，我们提供了一个简单的统一框架，仅使用入度即可解决所有这些问题，并且完全刻画了由入度信息决定的问题类别：即其答案在循环反转下保持不变的问题。作为副产品，我们在流模型、双人通信模型和割查询计算模型中，获得了竞赛图上各种基于连通性和顶点排序问题的算法。
无线传感器网络（WSN）中的长期环境监测通常使用稀疏采样来延长网络寿命，但稀疏传感可能遗漏短暂的、局部的异常情况。本文提出了一种哨兵辅助的自适应采样框架。在正常期间，节点执行由卡尔曼滤波器预测不确定性驱动的稀疏传感；在异常期间，持续采样的哨兵节点执行基于混合广义似然比的检测，局部检测触发一跳邻域唤醒。在英特尔伯克利实验室温度数据集上的实验表明，所提方法将异常窗口采样率从0.439提高到0.933，同时在减少总成本的情况下提高了可见性。
本周亮点：天体物理学领域展示了从系外行星演化到恒星动力学以及观测设备的最新进展。系外行星方向，学者利用模拟证明了大多数热木星可能形成于水冰线之外，并研究了年轻岩石行星表面岩浆洋时期释气与逃逸对大气成分的共同塑造。在恒星与星团研究上，针对即将爆发的北冕座T再发新星，研究者结合历史演化给出了最新的爆发约束窗口；同时，对古老星团Berkeley 32的化学-动力学分析研究了银河系盘内的径向迁移机制。此外，结合SKA-LOW的亚太低频VLBI网络提案展示了未来低频射电天文观测灵敏度大幅提升的蓝图。
北冕座T（T CrB）是最近的共生再发新星，目前正受到密切监测。我们结合了三个关于爆发时间的限制条件：历史再发性、轨道相位以及最近的吸积态演化。在2026年7月11日之前未发生爆发的前提下，历史间隔给出了条件概率：2026年剩余时间内为30.2%，随后一年内为56.9%。采用的四个历史爆发相位在φ≃0.44和φ≃0.62附近形成了两个松散的配对。如果2026年重新开始的变暗是1946年前的真实对应物，那么2026年12月左右的爆发仍然合理；如果2024年后的亮度保持在高态之下，吸积赤字估计给出最早下限接近2029年5月。
巨型系外行星的大气成分可以保留其形成环境的信息。我们使用ChemComp代码进行了行星形成模拟，包括卵石漂移、行星迁移、恒星丰度以及额外的化学过程。我们将该框架应用于九个已观测到的热木星系统，将产生的气体大气金属丰度（C/H和O/H）与观测约束进行了对比。结果表明，九个系统中至少有六个与在H2O雪线以外形成相一致。结合观测到的轨道间距、偏心率和自转轨道倾角，这些推断出的形成位置表明许多系统可能经历了动力学散射以及随后的潮汐演化。
我们基于Gaia DR3天体测量学和Gaia-ESO Survey DR5.1光谱学，对古老且贫金属的疏散星团Berkeley 32进行了全面的化学-动力学分析。等时线拟合得出其年龄为4.9±0.5 Gyr，日心距离为3325 pc。光谱成员星表现出[Fe/H]=-0.39±0.02 dex的平均金属丰度。轨道积分表明其具有中等偏心率的轨道（e=0.268），推断出的化学诞生半径Rb=9.82 kpc以及ΔR≈-1 kpc表明存在中等的向内径向迁移。这些结果表明Berkeley 32是一个动态演化的古老盘星团，其结构和轨道保留了银河系盘内动力学演化和径向迁移的特征。
我们建议开发一个工作在100-350 MHz频段、并纳入平方公里阵列低频段（SKA-LOW）的低频甚长基线干涉测量（VLBI）网络。SKA-LOW预计将在该频段内实现极高的灵敏度。通过将SKA-LOW与分布在亚太地区的其他高灵敏度射电望远镜相整合，所提出的网络预计将比现有的VLBA提供高达两个数量级的灵敏度提升。将SKA-LOW与其他射电望远镜相结合将能够实现高保真度的成像观测，显著增强低频VLBI科学的质量和范围。
早期岩石行星的大气由初始挥发物储量与大气逃逸之间的竞争决定。我们扩展了内部-大气耦合模型，引入能量限制的大气逃逸模块模拟岩浆洋时期的岩石行星演化。研究发现，大气逃逸通过减弱温室保温作用缩短了岩浆洋的寿命。地幔氧化还原状态仍是保留大气成分的关键控制因素：高氧逸度产生较重的、富含H2O和CO2的大气，而低氧逸度产生轻的、以H2或CO为主的大气。轨道间距、初始挥发物储量和恒星类型产生了多样的演化路径，从裸露岩石行星到具有厚大气的岩浆洋。
本周亮点：统计学领域的两篇论文聚焦于隐私保护机制与时间序列分析。在数据隐私方面，研究者针对举报人面临的报复威胁，首次将保护机制形式化为每条报告的(0, δ)-差分隐私，并提出了一种将隐私审计简化为"隐私持续计数"的创新算法框架。在应用统计领域，针对可穿戴设备产生的高维时间序列，学者提出了贝叶斯脉冲-平板谱分析框架，实现了多维生理信号中共享与特异性节律的高分辨率、稀疏提取。两项工作在隐私计算理论和健康医疗数据分析上均提供了兼具严谨数学论证与强实用性的统计学方案。
举报人是防范组织不当行为的关键保障，但报复的威胁阻碍了举报。我们将针对强对手威胁模型的保护形式化为审计选择转录本上针对每条报告的(0, δ)-差分隐私。在此框架内，我们证明了一种自然方法——在选择步骤应用随机回答——在任何视界内都无法比均匀随机审计好过δ。我们提出了一种通用机制，将隐私审计转化为隐私持续计数，在T次审计决定的视界中实现噪声按O(√log T)缩放的每条报告(0, δ)-DP。模拟实验显示相比随机回答有显著改进。
本文介绍了一种用于时间序列数据谱分析的贝叶斯脉冲-平板框架。所提方法将频率选择和降维与候选频率的细化网格相结合，能够高分辨率地恢复振荡分量，同时通过结构化的脉冲-平板先验促进稀疏性。我们将该框架扩展到多元信号，使模型能够捕获多个时间序列中共享的和特定于分量的节奏。应用于活动记录仪数据时，单变量模型识别出了临床相关的昼夜和超昼夜节律；对健康个体身体活动和皮肤温度的联合分析揭示了与已知生理耦合一致的节律分量。
本周亮点：经济学领域探讨了物理学与政治经济学的跨学科交叉。研究者将统计力学中的热力学概念引入选举投票分析，创新性地在非线性振动系统的能量守恒、概率范数与政党得票率之间建立映射，利用瑞利-金斯热化与凝聚原理解释了欧盟选举和法国总统大选中选票的分布规律。这一热力学投票理论不仅能精准拟合代表不平等的洛伦兹曲线与帕累托曲线，也为用统计物理手段剖析社会群体决策行为和政治极化现象开辟了全新的跨学科视角。
我们引入了一种投票的热力学理论，并表明它能很好地描述欧盟选举中政党选票的分布。该理论在耦合非线性振子系统能量与政党得票率之间建立了平行关系。这种经典系统演化的特征是总能量和概率范数守恒，从而导致低能量状态下的瑞利-金斯热化和凝聚。类似的热化也描述了社会中的财富不平等。我们展示了RJ理论很好地描绘了从欧盟投票结果中获得的洛伦兹曲线和帕累托曲线，该理论还复现了法国第一轮总统选举中候选人之间选票的分散情况。
AI论文结构化导读、一键思维导图，精确还原排版翻译，文献管理，文献查询等功能
立即下载 EasyReader，体验一键论文导读带来的效率提升，让你的科研之路更加顺畅！