类型多样性使Transformer能够进行组合泛化
机构 * Aalto University（阿尔托大学） ； University of Helsinki（赫尔辛基大学）
AI总结 本研究提出类型多样性（而非Transformer固有缺陷）是导致结构泛化比词汇泛化更困难的原因，并通过创建COGS和SLOG的语言学多样化变体验证了该假设，同时反驳了复合发散解释，并探讨了其他数据集属性的影响。
Comments Under review
SAS：通过上下文排序的端到端优化实现简单注意力稀疏化
机构 * Tencent HY LLM Frontier（腾讯混元大模型前沿团队） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对现有可训练注意力稀疏化方法中上下文排序与预测影响不对齐的问题，提出SAS门控稀疏注意力机制，通过端到端优化上下文排序，在推理、长上下文和智能体任务中优于基线。
重新思考面向次二次注意力的异构系统解聚
机构 * Harvard University（哈佛大学） ； NVIDIA（英伟达）
AI总结 针对次二次注意力大语言模型，提出细粒度异构解聚方案SQD，按注意力类型拆分解码，在异构系统上显著提升吞吐量和能效。
一种用于多元化股票投资组合多时间跨度收益率预测的混合LSTM-XGBoost框架
机构 * MSA University（MSA大学）
AI总结 提出一种结合LSTM与XGBoost的两阶段混合框架，用于多时间跨度股票收益率预测，在14只美股上验证，30天RMSE显著降低，并构建投资评分框架支持组合决策。
CMA-OT: 用于舞蹈到音乐生成的层级专家监督
机构 * HKUST(GZ)（香港科技大学（广州）） ； Tencent（腾讯）
AI总结 针对舞蹈到音乐生成中稀疏线索与密集音乐信息语义不匹配的问题，提出CMA-OT方法，利用外部音乐专家进行层级监督，结合课程引导多尺度学习和尺度感知最优传输对齐，在两个数据集上达到最先进性能。
Comments 12 pages, 9 figures, accepted by ACM MM 2026
继续、适应或让出：全双工智能体对重叠语音的轮内适应
机构 * Besimple AI
AI总结 针对全双工智能体评估忽视轮内适应的问题，提出Duplex Cue方法，区分听者意图与说话者行为，实验显示真人适应率68.2%远超PersonaPlex的34.8%，强调需同时衡量回应方式与是否继续说话。
Comments 12 pages, 8 tables
Embodied-BenchForge：用于具身基准构建的闭环智能体工作流
机构 * QiYuan Lab（启元实验室） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Northeastern University（东北大学） ； Beihang University（北京航空航天大学） ； Tsinghua University（清华大学）
AI总结 Embodied-BenchForge提出闭环智能体工作流，通过前向合成与后向验证修复构建具身基准，生成六个离线及一个含220任务的交互式基准，有效区分模型能力。
面向开放问题的自主研究：电信工单检索案例研究
机构 * Georgetown University（乔治城大学） ； Nokia Bell Labs（诺基亚贝尔实验室）
AI总结 本研究以电信工单检索为例，探讨自主研究在开放式工业级ML问题中的应用，发现其虽缺乏人类直觉，但能在低成本和短时间内达到90%的最优性能，建议人机协同研究。
Comments 10 pages, 3 tables
MAxBench：一种多项式概念恢复基准
机构 * Boston University（波士顿大学） ； Technion – Israel Institute of Technology（以色列理工学院） ； Kempner Institute, Harvard University（哈佛大学肯普纳研究所）
AI总结 MAxBench是一个与几何无关的多项式概念恢复基准，通过比较10种定位方法，发现仿射子空间引导更可靠且召回率更高，且优势源于非零偏移，流形引导有竞争力，但无方法优于提示。
将临床事件锚定于时间：保留UID的多模态重建与源接地裁决
机构 * National Library of Medicine, National Institutes of Health（美国国立医学图书馆，美国国立卫生研究院） ； Princeton University（普林斯顿大学）
AI总结 提出保留UID的多模态框架和GAVEL裁判，将临床事件锚定于时间，提升事件恢复43%，性能与临床注释相当。
Comments Machine Learning for Health Symposium 2026
CanvasAnneal：用于扩散语言模型的课程强化学习
机构 * Google DeepMind（谷歌DeepMind）
AI总结 CanvasAnneal通过课程式教师引导注入与逐步退火，缓解扩散语言模型强化学习的探索瓶颈，在数学推理和工具使用基准上优于标准方法并加速收敛。
Comments 16 pages, 2 figures, 6 tables
MoE强化学习中的专家空间探索
机构 * Microsoft Research（微软研究院） ； Tsinghua University（清华大学）
AI总结 针对MoE强化学习中专家选择固定导致rollout多样性不足的问题，提出ESRL框架，通过锚定高置信专家并限制随机路由探索专家空间，在无额外成本下显著提升数学、科学和代码任务性能。
良性损失景观可以与最坏情况下的困难共存
机构 * University of Melbourne（墨尔本大学） ； Iliad
AI总结 该研究证明树张量网络虽包含难以学习的目标，但其损失景观对可实现目标是良性的，困难源于高阶退化鞍点，为理解深度学习的泛化提供了新视角。
Comments 46 pages, 4 figures
Dynin-Robotics：全能统一扩散视觉-语言-动作模型
机构 * Seoul National University（首尔大学）
AI总结 提出Dynin-Robotics，基于全能掩码扩散骨干，通过共享轨迹模型统一视觉目标与动力学预测，实现动作生成与选择，提升机器人操作性能。
Comments 36 pages, 13 figures, 15 tables
基于正则化的鲁棒强化学习：一个统一且受约束的视角
机构 * Mohammed VI Polytechnic University（穆罕默德六世理工大学） ； Khalifa University（哈利法大学） ； Concordia University（康考迪亚大学）
AI总结 本文统一了基于正则化的鲁棒强化学习方法，推导出性能差距上界，并将鲁棒训练转化为约束优化问题，通过联合更新拉格朗日乘子自动调整正则化权重，在连续控制任务上验证了理论分析。
MCRL2：基于多资源交叉注意力的表示学习增强强化学习用于云微服务调度
机构 * Wuhan University（武汉大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 针对云微服务调度中资源动态失衡与异构耦合问题，提出MCRL2，利用多资源交叉注意力表示学习增强强化学习，在真实集群轨迹上显著提升负载均衡、调度成功率并降低平均完成时间。
Comments 15 pages, 14 figures
扩散模型与概念形成
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文论证扩散模型隐式执行与Cobweb相同的概念层次构建，在噪声边际众数中形成对应原型树，并在中间噪声水平涌现基本层级，为扩散模型提供认知解释并赋予Cobweb连续可扩展实现。
Comments Advances of Cognitive Systems 2026 Oral Presentation
Kraken：基于低比特率VQ与双路径源条件化的LLM语音到语音翻译
机构 * Sony Group Corporation（索尼集团公司） ； Sony Europe Limited（索尼欧洲有限公司）
AI总结 提出Kraken模型，利用低比特率VQ token和双路径源条件化改进语音LLM的S2ST，在翻译质量和说话人/韵律迁移上超越现有模型。
通过对抗重要性采样的鲁棒策略优化
机构 * Mohammed VI Polytechnic University（穆罕默德六世理工大学） ； Khalifa University（哈利法大学） ； Concordia University（康考迪亚大学）
AI总结 本文提出Advis方法，通过对抗重要性采样优化鲁棒策略，并引入advrl库和更全面的评估，在连续控制任务中验证了有效性。
统一CT和MRI胰腺分割用于标签高效跨模态亚区迁移
机构 * Northwestern University（西北大学） ； Mayo Clinic Florida（梅奥诊所佛罗里达分院）
AI总结 提出统一3D胰腺分割框架，利用域对抗学习对齐CT和MRI特征，实现跨模态分割及标签高效亚区迁移，全胰腺Dice达87.31%，亚区分割在MRI和CT上分别达80.53%和83.05%。
DynSHAP：面向可解释动态生存分析
机构 * University of Cambridge（剑桥大学）
AI总结 DynSHAP提出面向动态生存分析的SHAP解释框架，通过时间-特征对博弈和条件采样处理纵向不规则数据，在合成及真实临床数据上实现忠实归因。
演化领域的迁移学习
机构 * Feedzai ； University of Porto（波尔图大学）
AI总结 本文提出演化领域迁移学习（TrED）问题，将经典迁移学习设置统一为动态数据可用性轨迹，并论证其为一个适定且未解决的重要研究方向。
Comments 24 pages, 2 figures, 2 tables
基于群胚的内部状态表示用于具有局部对称性的强化学习
机构 * City St George’s, University of London（伦敦城市圣乔治大学）
AI总结 针对现有强化学习难以利用局部对称性的问题，提出基于群胚的框架，动态发现等价结构，在缩减空间学习，提升样本效率和收敛性，优于标准Q学习。
Comments The Eighteenth Workshop on Adaptive and Learning Agents(ALA 2026). AAMAS 2026
表格基础模型的注意力量化
机构 * Prior Labs
AI总结 针对表格基础模型，提出FP8注意力量化策略，强调训练与测试行量化误差对齐，Triton内核实现1.7倍加速且精度无显著损失。
标签引导的知识蒸馏用于3D-CNN动作识别
机构 * National Engineering Laboratory for Big Data Analytics (NEL-BDA)（大数据分析国家工程实验室）
AI总结 针对3D-CNN动作识别中特征蒸馏忽视时间维度的问题，提出标签引导知识蒸馏（LGKD），通过样本级与类别级蒸馏学习教师特征，在UCF101和HMDB51上取得竞争力结果。
Comments 10 pages, 2 figures
全局路径规划器：多模型切换
机构 * Panza Robotics ； National Center of Robotics（国家机器人中心） ； Slovak University of Technology in Bratislava（斯洛伐克技术大学）
AI总结 本研究提出一种带有多模型运动学切换的全局路径规划器，通过可通行性图、航向感知A*算法和自适应运动学建模，在多样地形中优化路径效率与能量使用，并在四足机器人和无人机仿真中验证了其性能与鲁棒性。
TileNet：基于瓦片的CNN-SVM架构用于自主无人机系统平屋顶检测
机构 * Carleton University（卡尔顿大学）
AI总结 本文提出TileNet，一种基于瓦片的CNN-SVM轻量级架构，用于无人机实时平屋顶缺陷检测，在双高度飞行图像上达到94.4%准确率，优于现有模型，实现安全高效检查。
Comments Journal of Safety Science and Resilience
像素可解码性并非压缩信号：对视觉KV缓存驱逐的重要性代理进行因果评估
机构 * Institute of Science Tokyo（东京科学大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文通过因果评估证明视觉KV缓存中像素可解码保留是任务惰性的，不能作为有效的压缩信号，而注意力是唯一微弱但显著的重要性代理。
Comments 15 pages, 3 figures, 3 tables
构造舒适：学习型驾驶策略的自适应、舒适有界动作空间
机构 * University of Freiburg（弗莱堡大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； Coburg University of Applied Sciences（科堡应用科学大学）
AI总结 针对固定网格动作空间导致强化学习策略产生不舒适机动的问题，提出自适应动作参数化方法，通过闭式求逆重新离散化网格，在Waymo数据集上实现舒适违规低于1%并提升可导航性。
跨维度大规模最优传输的双引导分层边缘定位
机构 * Shanghai Jiao Tong University（上海交通大学） ； Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院）
AI总结 提出HELLO分层求解器，利用对偶势引导边缘定位，高效求解大规模离散最优传输，在百万点规模上显著提升速度与精度，并支持多种OT变体。
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