机构 * KAIST（韩国科学技术院） ； POSTECH（浦项科技大学） ； RLWRLD
AI总结 针对统一多模态模型在图像生成中难以利用语言思维链推理的问题，提出连续空间潜在推理框架LARC，通过两阶段训练实现潜在推理，在文本到图像生成基准上取得优于现有方法的性能。
Comments Published as conference proceeding for NeurIPS 2026. Last two authors advised equally
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学）
AI总结 提出Flide推理引擎，通过ForkAttention等技术解决现有引擎的前缀重计算等问题，使决策模型推理速度较vLLM、SGLang快达9.5倍，且精度接近float32参考值，为智能体系统决策智能奠定基础。
Comments 20 pages. Project page: this https URL (https://flide.org)
机构 * Prefrontal AI（前额AI） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对超长上下文下全注意力成本过高、现有稀疏注意力精度不足或复杂度高的问题，提出隐稀疏注意力及其两种变体，在保持精度的同时大幅提升超长上下文下的注意力速度。
机构 * Courant Institute, New York University（纽约大学库朗研究所） ； Meta-FAIR（Meta FAIR研究院） ； AMI Labs（AMI实验室）
AI总结 本研究提出 ID-WM 分层世界模型，解耦状态可达性与局部控制，在三类导航操作任务中，较现有最优规划器提升 38.5%，较单级世界模型 MPC 提升 135%，缓解长 horizon 任务的累积误差问题。
RoboArchitect：利用持久内存自动设计智能体机器人
机构 * Stanford University（斯坦福大学）
AI总结 RoboArchitect 可自动设计机器人控制框架，无需更新模型权重，大幅提升机器人在新场景、新任务上的操作成功率，其进化出的策略与持久内存能实现更优控制。
Comments Project Website: this https URL (https://roboarchitect-ai.github.io/)
机构 * Apple（苹果公司）
AI总结 本研究针对DP-SGD中批次大小易泄露及截断导致隐私损失增加的问题，提出含虚拟样本的机制，可在分布式环境实现，能实现更优的隐私-效率权衡。
机构 * Technion – Israel Institute of Technology（以色列理工学院） ； NVIDIA（英伟达公司）
AI总结 ReLift将密集3D跟踪转化为几何轨迹修复，利用预训练2D跟踪器与3D几何模型，在WorldTrack上实现最先进精度，且可复用、运行高效。
机构 * Adobe（奥多比公司） ； MIT（麻省理工学院）
AI总结 该研究针对分布匹配蒸馏，提出联合扩展评判者与教师模型的策略及步感知评判者STAC，在多类生成任务的少步蒸馏中实现了性能提升并避免训练崩溃。
Comments 35 pages, 16 figures. Project page and code: this https URL (https://peppaking8.github.io/critic-matters/)
DecisionRank：面向决策模型重排序器的策略内蒸馏方法
机构 * Meta ； Purdue University（普渡大学）
AI总结 本文提出DecisionRank，采用物品空间策略内蒸馏训练决策模型，在TREC DL等四个检索基准上性能优于对应生成式模型，且推理速度大幅提升。
Comments 25 pages, 8 figures
机构 * University of California, Berkeley（加州大学伯克利分校） ； École Normale Supérieure Paris-Saclay（巴黎萨克雷高等师范学校） ； New York University（纽约大学） ； Flatiron Institute（弗拉蒂伦研究所） ； University of California, San Diego（加州大学圣迭戈分校）
AI总结 本文针对双ReLU神经元的教师-学生模型，分析梯度下降的全局损失景观与分岔动力学，揭示其多阶段对称性破缺行为，为神经网络学习特征的机制提供了理论解释。
Comments 85 pages, 2 figures. Accepted at NeurIPS 2026
机构 * Apple（苹果公司）
AI总结 针对随机分配采样方案的隐私损失计算，提出多尺度FFT算法，将运行时间复杂度从O(α⁻²)优化至O(α⁻¹log(1/α))，并通过保均值连线投影降低舍入误差，实验中实现大幅加速且改进了DP-SGD的隐私界。
机构 * Tsinghua University（清华大学）
AI总结 ACCT是一种跨大语言模型的KV缓存迁移方法，通过三个轻量组件实现上下文计算复用，在KV缓存缩减75%时仍保持性能，19K上下文长度下加速达6.5-21.2倍，验证了跨模型上下文迁移的可行性。
机构 * Zyphra Research（齐普拉研究机构）
AI总结 本文提出Zyphra分层注意力（ZHA），一种基于分层树结构索引器的次二次稀疏注意力方法，可廉价应用于现有预训练LLM，在长上下文任务上性能优异，有望将有效上下文窗口扩展至数亿或数十亿token。
Comments 43 pages
机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； Salk Institute for Biological Studies（索尔克生物研究所） ； Causal Labs（因果实验室）
AI总结 提出Hyperbolic IRL，将奖励参数化为双曲距离函数，在低数据量等场景优于基线，可提升IRL的预测精度与可解释性。
机构 * University of Freiburg（弗莱堡大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
AI总结 该研究针对随机环境下强化学习的可塑性损失问题，通过在带噪声的DeepMind Control任务上训练SAC智能体，揭示了可塑性保留方法的鲁棒性优势及随机性对可塑性的影响，明确了训练早期TD不稳定性为主要失效模式。
Comments 9 pages main paper, 15 pages references and appendix, 17 figures. Presented at the Nineteenth European Workshop on Reinforcement Learning (EWRL 2026)
ROOF：在 overhead 约束下学习人形机器人的跌倒恢复
机构 * The University of Hong Kong（香港大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 本研究提出带接触支撑几何逃逸引导的强化学习方法 ROOF，使人形机器人在 overhead 障碍物下仅用本体感觉完成跌倒恢复，仿真与真实实验均取得高成功率。
Comments 8 pages, 4 figures
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UCSD（加利福尼亚大学圣迭戈分校）
AI总结 该研究针对世界动作模型（WAMs）易将动作相关潜变量与干扰变量纠缠的问题，提出CausalWAM（CWAM），通过在预训练WAM的动作头添加稀疏路由路径，经合成数据与真实机器人实验验证，可提升闭环成功率。
机构 * Aalborg University（奥尔堡大学）
AI总结 本文提出围绕变换类的几何模式匹配理论框架，定义相关概念并证明结果，探讨出现集、异构出现集与变换等价，为音乐领域的模式匹配与发现提供理论支撑。
Comments 61 pages; 23 figures; draft of second chapter of forthcoming book
机构 * Yonsei University（延世大学） ； UC Merced（加州大学默塞德分校） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本研究针对自监督3D几何学习，将非对称性从输入空间调整至3D表示空间，结合视图密度对齐与冻结视觉基础模型，提升了几何估计性能及后续监督训练效果。
Comments Website: this https URL (https://gynjn.github.io/rethinking-asymmetry/)
机构 * Clemson University（克莱姆森大学） ； University of Ottawa（渥太华大学） ； PayPal（贝宝） ； actAVA AI
AI总结 针对连续扩散语言模型生成长度超训练长度时的质量问题，提出无训练的RangeSWA方法，结合多种技术缓解退化，实验证实其能降低长文本生成的困惑度与重复率。
机构 * Nanjing University（南京大学） ； NVIDIA（英伟达）
AI总结 该研究推出全景视频理解基准PanoVideoBench，构建推理数据集PanoVideoCoT，提出PanoVideoReasoner模型，使通用视频MLLM在全景视频推理任务上的准确率显著提升。
机构 * Williams College（威廉姆斯学院） ； Claremont McKenna College（克莱蒙特麦肯纳学院） ； New York University（纽约大学）
AI总结 本研究提出SPLICE算法，通过测量带噪切片切比雪夫矩生成差分隐私合成数据，其切片Wasserstein-1距离与数据维度无关，在基准测试中达到当前最优性能。
PersonaChatBench：利用多样化模拟用户评估聊天助手
机构 * Brown University（布朗大学） ； Texas A&M University（德克萨斯农工大学） ； Harvard University（哈佛大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Arizona State University（亚利桑那州立大学） ； Northeastern University（东北大学） ； University of Southern California（南加州大学） ； University of Chicago（芝加哥大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； California Institute of Technology（加州理工学院） ； University of Illinois Chicago（芝加哥大学伊利诺伊分校） ； University of Michigan（密歇根大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Amherst College（阿默斯特学院） ； Purdue University（普渡大学） ； The Ohio State University（俄亥俄州立大学）
AI总结 提出PersonaChatBench框架，通过固定任务改变模拟用户的方式评估20个语言模型在六个领域的表现，发现任务性能与需求满足的差异，为开发适配多样化需求的聊天助手提供依据。
Comments 74 pages, including appendices
CRoS：基于打乱的思维链（CoT）的因果奖励可提升准确性与推理忠实度
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 该研究针对RLVR仅依赖结果正确性无法保证CoT因果性的问题，提出CRoS指标，通过打乱CoT步骤顺序保留信息，在Reasoning Gym与Gemma-3-4B上的多项指标均优于现有方法。
Comments 17 pages, 3 figures, 14 tables. Project page: this https URL (https://xxiaoyuuuu.github.io/CRoS-Page)
机构 * National University of Singapore（新加坡国立大学） ； InfRec ； Cardinal AI Lab（Cardinal AI实验室） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； The University of Tokyo（东京大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出REA统一运行时，通过路由记忆、边界触发判断门等机制解决脑-小脑异步协调问题，在LIBERO-Pro等任务中提升成功率、减少控制步骤与时间，且可迁移至真实机器人。
Comments 32 pages, 14 figures
机构 * Northeastern University（东北大学） ； Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所）
AI总结 本文提出一种混合路径规划框架，结合TSP、PF与RRT、A*算法，用于动态行人环境下辅助轮椅的多目标导航，经仿真验证该框架可实现高效安全导航，TSP-PF-RRT表现更优。
Comments 14 pages, 5 figures. Presented as a main-track paper at the International Conference of Social Robotics + ART'26, London, UK, 1-4 July 2026
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Universidad Politécnica de Madrid（马德里理工大学）
AI总结 该研究提出带证明的进化（PCE）方法，对比语言模型与经典搜索在三类控制任务上的表现，发现保留经过证明的候选是生成新证明设计的关键，且部分模型在特定场景下可优于经典基线。
基于物种级检测的丰富度敏感型声学生物多样性指数：分类器基准测试、假阳性控制及在非洲稀树草原与城市动物园中与标准声景指数的验证
机构 * Abu Dhabi Maritime Academy（阿布扎比海事学院） ； My Trees Trust（我的树木信托基金） ； Emirates Park Zoo and Resort（酋长国公园动物园及度假村）
AI总结 本研究提出基于物种级检测的ABI指数，经分类器基准测试、假阳性控制及在稀树草原与动物园验证，其与物种丰富度相关性远优于标准声景指数，可作为更具可解释性的生物多样性指标。
Comments 35 pages, 16 figures, 7 tables; supplementary tables and figures included
相同问题，不同答案：审计六个大型语言模型（LLM）在戒烟建议上的角色依赖差异
机构 * The George Washington University（乔治·华盛顿大学）
AI总结 本研究审计六个LLM在戒烟建议上的角色依赖差异，发现其回答随提问者身份变化，验证了年龄感知的事实底线提示可缩小差异，发布了2880个响应及分析代码。
机构 * University of Basel（巴塞尔大学）
AI总结 该研究提出利用Noise2Noise回归结合一致性约束，从含噪视图中学习后验预测，以解决仅用含噪观测学习干净图像生成模型的问题，经多类数据集验证一致性可修复噪声水平外的预测。
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