Tetris3D：通过契合物体进行三维场景生成
机构 * KAIST AI（韩国科学技术院人工智能研究所）
AI总结 Tetris3D通过显式条件化周围物体几何与物理关系，实现单图像三维场景中物体形状和姿态的连贯生成，并引入120万场景的ComOb数据集，在生成质量和物理稳定性上达到最优。
Comments Project page: https://cvlab-kaist.github.io/Tetris3D/
在RLVR中将探索与优化解耦
机构 * Columbia University（哥伦比亚大学）
AI总结 本研究提出探索-蒸馏（ExpDis）框架，将RLVR中的探索与优化解耦，通过训练探索者策略并蒸馏至学生策略，在不降低质量的前提下扩大探索，在数学推理基准上优于DAPO并提升多样解生成能力。
Comments 20 pages, 16 figures, 9 tables. Code: https://github.com/SaifPunjwani/Exploration-Distillation. Checkpoints: https://huggingface.co/SaifPunjwani/expdis-checkpoints
RoboPrompt：基于稀疏人类输入的直观机器人策略引导
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Noematrix Ltd.（Noematrix有限公司）
AI总结 提出RoboPrompt，一种无需修改策略架构的轻量级引导系统，通过稀疏人类输入控制动作生成，经DAgger迭代后显著提升多种策略的成功率并减少人类干预。
Comments 8 pages
EngramEdit：通过条件记忆实现大语言模型中的解耦知识更新
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Hangzhou Diagens Biotechnology Co., Ltd（杭州迪安基因生物技术有限公司） ； University of Science and Technology of China（中国科学技术大学）
AI总结 EngramEdit通过条件记忆架构实现大语言模型的事实知识解耦更新，联合调整共享n-gram嵌入，在保持无关知识的同时达到近乎完美的编辑成功率，并支持多跳推理。
Long-WAM：扩展世界-动作模型的上下文
机构 * NVIDIA（英伟达） ； MIT（麻省理工学院） ； HKU（香港大学） ； UCSD（加州大学圣迭戈分校）
AI总结 Long-WAM通过自回归预训练和流式系统设计，扩展因果世界-动作模型的上下文，在实时控制中显著提升成功率，并支持动态长时程操作。
行动前改写：表征并缓解视觉-语言-动作模型中的语言敏感性
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本研究揭示视觉-语言-动作模型对指令措辞高度敏感，通过大型语言模型提炼改写规则，在不修改策略的情况下显著提升分布外任务成功率，并零样本泛化至未见任务。
Comments 9 pages, 8 figures, 3 tables. Project page: https://sttawm.github.io/rephrase-before-you-act
GRACE：面向高效视频生成的生成感知潜空间压缩
机构 * KAIST AI（韩国科学技术院人工智能学院） ； Kakao Corp.（Kakao公司）
AI总结 GRACE通过两阶段框架压缩预训练视频自编码器，保留冻结基础潜变量并学习残差，对齐生成特征，实现8倍令牌减少和11.1倍加速，同时保持生成质量。
Comments Project page : https://cvlab-kaist.github.io/GRACE/, 43 pages, 24 figures
蒸馏图几何：从GNN到MLP的知识差距
机构 * Australian National University（澳大利亚国立大学） ； Data61, CSIRO（Data61，澳大利亚联邦科学与工业研究组织） ； University of New South Wales（新南威尔士大学）
AI总结 针对GNN到MLP蒸馏中忽略图几何导致谱欠拟合与过拟合的问题，提出基于Ollivier-Ricci曲率引导的G^2MLP框架，在训练时对齐预测与表示，提升无图推理性能。
自主无人机无监督机动感知声学故障检测
机构 * Carleton University（卡尔顿大学） ； University of Alberta（阿尔伯塔大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出一种无监督机动感知声学故障检测框架，结合Noise2Noise去噪与机动条件自编码器，利用重建误差检测无人机故障，并在嵌入式平台上实现实时检测。
RoboJEPA：扩展机器人潜在世界模型
机构 * FAIR at Meta（Meta FAIR） ； Chandar Research Lab（Chandar 研究实验室） ； Mila - Quebec AI Institute（Mila - 魁北克人工智能研究所） ； Polytechnique Montréal（蒙特利尔理工学院）
AI总结 RoboJEPA基于JEPA架构，在12种机器人形态数据上训练，发现想象误差随计算量呈二阶幂律缩放，可预测下游规划性能，并支持零样本长时程规划，为多形态机器人世界模型建立缩放定律。
视频条件下的生成式联合二维-三维手部运动恢复
机构 * The University of Hong Kong（香港大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 针对视频中手部运动恢复因遮挡而不准确的问题，提出生成式框架JoHan，联合生成二维和三维姿态序列，利用二维线索和运动先验，显著提升精度、速度与运动平滑度。
Comments 20 pages, 6 figures
因子化触觉表征与控制用于仿真到现实操作
机构 * Amazon Fulfillment Technologies & Robotics（亚马逊履约技术与机器人） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Northeastern University（东北大学）
AI总结 提出因子化触觉表征与控制框架，将接触响应分解为几何、力分布和时间变化，通过触觉门控策略实现仿真到现实迁移，在插销插入等任务中显著提升性能。
Comments 8 pages, 7 figures
你的提示词应发挥更大作用：检索指令对嵌入模型的影响
机构 * TurkuNLP（图尔库NLP） ； University of Turku（图尔库大学） ； Ellis Institute Finland（芬兰ELLIS研究所）
AI总结 本文研究嵌入模型在非对称检索中遵循指令的机制，发现查询侧干扰项导致模型失败，通过加入此类干扰项微调可显著提升性能且对其他任务影响极小。
RECAST：通过自适应证据路由学习计算正确的上下文
机构 * MIT（麻省理工学院）
AI总结 RECAST通过自适应证据路由将证据构建视为顺序决策过程，利用RouterLM和CompilerLM主动推导证据，在六个基准上平均成功率75.6%，比最强基线高15.9%。
Comments 35 pages, 2 figures, 13 tables
无真实标签的有效性：陈述偏好经济学为语言模型评估提供的启示
机构 * University of Michigan（密歇根大学） ； Cornell University（康奈尔大学）
AI总结 本文借鉴陈述偏好经济学的有效性框架，提出一种无需真实标签评估语言模型的方法，并通过水质调查数据对六个模型进行测试，区分了模型的理论有效性与收敛效度。
Oracle高效且无参数的不可知平滑在线学习
机构 * MIT（麻省理工学院） ； Columbia University（哥伦比亚大学） ； Georgia Tech（佐治亚理工学院）
AI总结 本文提出首个无需基测度知识、无参数且Oracle高效的不可知平滑在线学习算法，基于高斯跟随扰动领导者，实现次线性遗憾，填补了理论与实用间的空白。
EmbodiedRSI：通过假设引导的协同进化实现主动持续机器人学习
机构 * Columbia University（哥伦比亚大学） ； Princeton University（普林斯顿大学）
AI总结 EmbodiedRSI通过快慢双系统架构和假设图，自主选择实验并协同进化代码与技能，在多个基准和真实机器人上显著提升持续学习性能。
QuadTok：用于自回归图像生成的四叉树视觉分词器
机构 * University of California, San Diego（加州大学圣迭戈分校）
AI总结 QuadTok提出了一种层次化四叉树视觉分词器，动态分配表示能力，节省约10%的标记，并利用树结构因果性实现自回归图像生成，在ImageNet上达到2.08 gFID，支持零样本空间控制生成。
自动研究在太阳能电池板分割中的见解
机构 * Vilnius University（维尔纽斯大学） ； IRISA, Université Bretagne Sud（IRISA，南布列塔尼大学） ； European Commission Joint Research Centre（欧盟委员会联合研究中心）
AI总结 本文探讨AutoResearch协议在太阳能电池板分割中的应用，通过编码语言模型在GPU预算内迭代改进训练程序，发现其能提升基线性能但修改不跨硬件迁移，其中Qwen3-8B在真实图像上达到0.836的IoU，略优于GAN增强方案。
Comments Accepted at AutoML4EO 2026 (non-archival AutoML conference workshop). 4 pages + references. accepted-papers/" target="_blank" rel="noopener">https://automl4eo.org/accepted-papers/
HuMBLE：基于人体运动驱动的具身运动行为学习
机构 * RAI Institute, USA（RAI研究所，美国） ； Boston Dynamics, USA（波士顿动力公司，美国） ； Carnegie Mellon University, USA（卡内基梅隆大学，美国）
AI总结 本文提出HuMBLE框架，通过教师-学生蒸馏和多任务RL平衡指令跟踪与人体数据风格，生成可操控、鲁棒且仿生的人形运动策略，并在多款机器人上验证。
两级Softmax采样正确做法：纠正大小不平衡与离散度带来的偏差
机构 * Spotify ； SJTU Paris Elite Institute of Technology（上海交通大学巴黎卓越工程师学院）
AI总结 针对两级softmax采样因忽略簇大小不平衡和簇内离散度而产生的偏差，提出S-2LS和SD-2LS两种校正方法，在五个大规模数据集上验证了改进的采样性能，建议替代标准2LS。
Comments NeurIPS 2026
Agentic RSR：通过场景重建和执行接地机器人策略实现真实到仿真到真实
机构 * Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 Agentic RSR框架通过场景重建与执行接地策略，实现真实到仿真到真实的闭环，在18个场景中深度误差0.1057米，真实机器人任务成功率保留仿真性能的80%。
Comments 25 pages including appendices, 5 figures
在它们能解决之前：从基础模型预测训练后编码智能体的性能
机构 * NVIDIA（英伟达） ； University of Minnesota – Twin Cities（明尼苏达大学双城分校） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出三种基于成功轨迹和验证器的筛选方法，无需冷启动即可预测基础模型经后训练后的编码智能体性能，与SWE-bench Verified排名高度一致。
基于明场成像和深度学习的无标记细胞计数与活力预测
机构 * Princeton University（普林斯顿大学） ； Waters Corporation（沃特世公司）
AI总结 该研究提出基于明场成像和深度学习的无标记细胞活力分析方法ViabiLens，通过检测和分类模型实现准确预测，在CHO细胞上误差仅2.68%，并发布基准数据集。
基于模型释放设计的机器人回旋镖投掷
机构 * EPFL（洛桑联邦理工学院）
AI总结 提出基于释放状态的模型框架，通过分阶段动力学识别和参数筛选，为6自由度机械臂设计投掷运动与回旋镖，首次实现机器人产生返回式回旋镖飞行，释放速度51 rad/s，返回距离0.31米。
Comments Project page: https://robot-boomerang.github.io
CMP-IRRT*：一种面向四足机器人的感知辅助高度自适应规划器
机构 * School of Integrated Circuits, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区集成电路学院）
AI总结 针对四足机器人二维规划中低障碍物处理低效的问题，提出基于CMP-IRRT*的感知辅助高度自适应规划器，通过高度条件碰撞检测和Mamba引导采样，减少探索节点，在可穿越场景中路径长度最多缩短16.3%。
Comments Accepted at the 18th Asian Conference on Machine Learning (ACML 2026)
LLA-MPPI：基于GPU加速并行模拟的腿式机器人快速自适应全身控制
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出LLA-MPPI方法，通过GPU并行模拟器选择实现腿式机器人全身自适应控制，无需离线训练，在模拟和硬件上均显著优于基线。
Comments The first two authors are co-first authors (contributed equally to the work)
FoldBack：用于长时程衣物折叠的自校正掩码生成策略
机构 * University of Glasgow（格拉斯哥大学）
AI总结 FoldBack提出一种自校正掩码生成策略，通过三个推理时决策（细化验证、回滚、重试）实现长时程衣物折叠中的失败检测与修复，在33件真实衣物上达到75.2%成功率，优于基线。
组合每位教师所学：通过教师相对偏移实现多教师在线策略蒸馏
机构 * Iowa State University（爱荷华州立大学） ； LinkedIn（领英） ； Harvard University（哈佛大学）
AI总结 提出Δ-MOPD，通过转移教师相对基础模型的偏移并重新锚定到学生初始化，改善多教师在线策略蒸馏，在组合和路由设置中提升性能并减少顺序偏差。
NeuralBES：一种可微分、控制感知的可扩展建筑能耗建模仿真器
机构 * Fujitsu Research of America（富士通美国研究院）
AI总结 NeuralBES通过共享神经编码器参数化RC热模型，实现可微分、控制感知的建筑能耗仿真，在保持物理有效性的同时，以更少参数达到与最强基线相差4个MAPE点以内的精度。
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