The Language of Instruction: Genre and Generative AI
机构 * Dartmouth College（达特茅斯学院）
AI总结 本文提出经指令微调的语言模型实现指令-对话体裁，该体裁融合过往对话话语，通过指令微调等方式在应用中实现，为生成式AI的体裁研究提供新视角。
arXiv 论文中文摘要与每日学术速递
UniAction: Unified Action Conditioning for World Models
机构 * Stanford University（斯坦福大学）
AI总结 UniAction是一种统一动作条件框架，通过将异质动作表示为带语义标识与时空坐标的稀疏动作元素，结合基数校准注意力，在四类动作上实现了优于专属模型的动作跟随性能，证明异质动作数据可通过统一模型与联合训练获益。
Comments Project page: this https URL (https://uniaction.github.io/)
FlexGlue: Sparse-to-Dense Feature Matching and Visual Disambiguation
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； Microsoft Spatial AI Lab（微软空间人工智能实验室）
AI总结 FlexGlue是一种非对称稀疏到密集匹配与歧义消除的神经网络，兼具密集匹配的亚像素精度与稀疏匹配的速度，在相对位姿估计、SfM及视觉定位任务中性能优于现有方法。
RobustRLlib: A Unified Library and Benchmark for Robust Reinforcement Learning Algorithms
机构 * JHU（约翰斯·霍普金斯大学） ； UCSD（加利福尼亚大学圣迭戈分校） ； UC Berkeley（加利福尼亚大学伯克利分校） ； Duke（杜克大学）
AI总结 RobustRLlib是集成17种鲁棒RL算法的统一库与基准，通过273种扰动配置评估绘制算法性能图谱，为鲁棒RL研究提供可复现、可扩展的开源平台。
Comments Project page, code, and tutorial: this https URL (https://robustrl-lib.github.io/)
DexPort: A Hand-Held Skill Interface for Dexterous Hand Data Collection
机构 * Amazon FAR (Frontier AI & Robotics)（亚马逊前沿人工智能与机器人实验室） ； Stanford University（斯坦福大学） ； UC San Diego（加州大学圣迭戈分校）
AI总结 本文提出DexPort便携式灵巧手数据采集接口，通过手持操作采集演示，用行为克隆训练视觉运动策略，在4项任务中提升了11%-64%的性能与36%-78%的任务成功率。
Comments Website: this https URL (https://amberxie88.github.io/dexport/)
ViT-H: Generative Video-To-Humanoid Control with Motion Tracking Feedback
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； Institute for AI, Peking University（北京大学人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理与认知科学学院） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Lab of General AI（通用人工智能国家重点实验室） ； Beijing Key Laboratory of Brain-Computer Interface and Mental Health Modulation（脑机接口与心理健康调控北京市重点实验室） ； Embodied Intelligence Lab, PKU-Wuhan Institute for AI（北京大学武汉人工智能研究院具身智能实验室） ； XS Vision（XS视觉）
AI总结 提出ViT-H框架，通过扩散模型直接从视频生成仿人机器人参考运动，结合运动跟踪反馈优化，在Unitree G1上优于现有流水线，可实现低延迟实时遥操作。
Comments The first four authors contributed equally. Project website: this https URL (https://awfuact.github.io/vit-h/)
RynnUnify: Towards Unified Embodied Brain
机构 * DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； Hupan Lab（湖畔实验室）
AI总结 研究提出16B参数的统一具身模型RynnUnify，结合视频-语言推理实现具身理解与长程视觉规划，经实验验证其在相关任务上表现优于现有模型，为构建统一具身智能体奠定了基础。
Flownomaly: Single-Step Conditional-Mean Recovery for Few-Shot Anomaly Detection
机构 * Eindhoven University of Technology（埃因霍温理工大学）
AI总结 Flownomaly将小样本异常检测转化为冻结DINOv2特征空间中的正常对应物恢复，通过条件流匹配学习速度场，在多基准测试中实现最先进性能，1-shot下VisA图像级AUROC较基线提升2.1个百分点。
Comments Accepted to WACV 2027
Robotic Optical Coherence Tomography-Guided Geometric Modeling of Soft Tissue: 3D Representations for Data-Driven Closed-Loop Shape Control
机器人光学相干断层扫描引导的软组织几何建模：用于数据驱动闭环形状控制的三维表示
机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
AI总结 本研究提出OCT引导的数据驱动软组织形状控制框架，对比不同三维表征与策略，残差条件可降低形状误差，在体模和离体猪组织试验中均表现良好，为闭环组织形状控制提供有效方案。
Comments 30 pages, 18 figures
Beyond Discrete Tokens: Preserving Numerical Continuity in Medical Vision-Language Models
机构 * The University of Hong Kong（香港大学） ； Sun Yat-sen University（中山大学）
AI总结 该研究针对医学视觉-语言模型中连续测量与离散令牌预测的不匹配问题，提出HAD-VLM混合框架，在多类医学测量任务上较基线模型显著降低误差，实现了语言交互与数值预测的统一。
If at First You Don't Succeed, Backtrack: Lightweight Recovery for Frozen VLAs
若首次尝试失败则回溯：针对冻结视觉-语言动作模型的轻量级恢复机制
机构 * Stanford University（斯坦福大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本研究提出Backtrack，一种针对冻结VLA的轻量级失败恢复机制，通过小型预测头检测失败并回溯机械臂运动，在LIBERO和MetaWorld上显著降低了VLA的失败率、提升了成功率。
Comments 17 pages, 1 figure, 14 tables
STROKE: Simple Sparse Structural Occlusions for Black-Box Adversarial Attacks
机构 * Coco Robotics（可可机器人公司） ； Michigan State University（密歇根州立大学）
AI总结 提出STROKE攻击方法，以简单定向矩形遮挡构造扰动，通过贪心添加-细化过程优化，在图像分类器上实现高攻击成功率且查询次数少、耗时短，为黑盒对抗攻击提供高效搜索空间。
Comments 13 pages, 4 figures, 4 tables, and 16 pages of Supplementary Information with 3 figures and 5 tables
ZENO: Nonlinear filtering with Zakai Equation Neural Operators
机构 * Picower Institute for Learning & Memory（皮考尔学习与记忆研究所） ； Department of Brain & Cognitive Sciences（脑与认知科学系） ； Massachusetts Institute of Technology（麻省理工学院） ； Howard Hughes Medical Institute（霍华德·休斯医学研究所） ； Department of Biomedical Engineering（生物医学工程系） ； Boston University（波士顿大学）
AI总结 本文提出ZENO模型，通过Zakai方程神经算子结合物理信息损失近似未归一化滤波分布，用于潜在随机动力系统的状态推断与参数学习，在模拟系统和线虫数据集上验证了其性能。
Adaptive Frequency Threshold Byte Pair Encoding for Mixed Natural Language and Structured Symbolic Corpora
面向混合自然语言与结构化符号语料库的自适应频率阈值字节对编码
机构 * University of Calabria（卡拉布里亚大学）
AI总结 提出AdaBPE分词方法，通过双重动态频率阈值调整，在不损害通用语言性能的前提下，提升了LaTeX等领域特定内容的编码效率与下游语言模型性能。
SemantEq: Faithful Bidirectional Equivalence of Formal Statements
机构 * EleutherAI ； Carnegie Mellon University（卡内基梅隆大学） ； University of Cambridge（剑桥大学） ； XTX Markets
AI总结 本文针对形式化陈述等价性测试的缺陷，提出SemantEq等价关系及相关评估、审核方法，在ProofNetVerif测试集上提升了等价判断的精度与召回率，分离证明生成与审核实现了性能优化。
Comments 37 pages, 4 figures, 6 tables. Code and data: this https URL (https://github.com/hlxr89/SemantEq)
A Tutorial on Physics Constrained Machine Learning for Hybrid Modeling, Optimization, and Control
机构 * Texas A&M University（德克萨斯农工大学） ； Texas A&M Energy Institute（德克萨斯农工大学能源研究所）
AI总结 本教程介绍模块化PCML框架KKT-HardNet，其结合神经网络与微分投影实现约束满足，性能获数量级提升，可用于混合建模等场景，代码与数据集公开。
Recommender regret for improving regularised RL estimation with bandits and MCTS
机构 * Mila - Québec AI Institute（米拉-魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Université Laval（拉瓦尔大学） ； Université de Montréal（蒙特利尔大学）
AI总结 该研究将估计生成形式化为推荐过程，定义感知正则化器的推荐遗憾，统一博弈与搜索的目标改进，实验显示推荐器在多任务中收敛更快、性能更优，首次表征正则化MCTS的科学应用潜力。
Comments 10 pages, plus appendices for proofs and additional information
LoCA: Enabling Multi-Modality in Geospatial Location Encoders
机构 * University of Athens（雅典大学） ； The Cyprus Institute（塞浦路斯研究所） ； Archimedes, Athena Research Center（阿基米德雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； Harokopio University（哈罗科皮奥大学） ； European Space Agency（欧洲空间局） ； University College London（伦敦大学学院） ； LGND AI, Inc.（LGND AI公司） ； National Observatory of Athens（雅典国家天文台） ； University of Cyprus（塞浦路斯大学）
AI总结 本研究针对地理空间位置编码器的多模态扩展难题，提出两阶段的LoCA方法，在17项多领域地理空间任务中，其性能优于5种现有模型，胜率达68.8%。
Closing the Modality Gap via Simplex-Constrained Representations
机构 * Mila – Québec AI Institute（米拉 - 魁北克人工智能研究所） ； ServiceNow Research（ServiceNow研究院） ； McGill University（麦吉尔大学） ； Université Laval（拉瓦尔大学）
AI总结 针对CLIP等多模态对比模型的模态差距问题，提出将嵌入域改为概率单纯形的几何方法，结合轻量级softmax适配器与总变差相似度，在5个多模态检索基准上大幅缩小质心$\text{l}_2$差距，实现语义对齐并提升检索性能。
When Human Corrections Travel: Safety in Federated VLA Adaptation
当人类修正传播时：联邦视觉-语言-动作（VLA）适配中的安全性
机构 * A*STAR（新加坡科技研究局） ； Umeå University（于默奥大学）
AI总结 本文研究联邦VLA适配中人类修正共享的安全性问题，提出三项安全要求，提供反例与可证伪评估议程，未给出实验结果。
Comments Accepted for presentation at SPAIS workshop in CoRL 2026
Reinforcement Learning with Multi-Step Transition Predictions: A Bellman Theory
机构 * Duffield College of Engineering, Cornell University（康奈尔大学达菲尔德工程学院） ； Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； School of Data Science, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）数据科学学院） ； School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）理工学院） ； Computing & Mathematical Sciences, Caltech（加州理工学院计算与数学科学学院）
AI总结 该研究针对多步转移预测在强化学习中的价值量化难题，提出块反馈协议下的贝尔曼理论，设计BF-BOLA算法并给出样本复杂度界，证明预测可简化学习并减少所需样本量。
VTRL-Med: Progressive Visual Refinement with Topology-Guided Regularization for Medical Image Clustering
VTRL-Med：面向医学图像聚类的结合拓扑引导正则化的渐进式视觉细化方法
机构 * University of Notre Dame（圣母大学） ； The University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德河谷分校）
AI总结 本文针对医学图像聚类中主流方法忽略结构先验与拓扑模式的问题，提出结合拓扑引导正则化的VTRL-Med框架，在13个医学图像基准上实现最优聚类性能，平均准确率较现有方法提升4.48%。
NgramRL: Accelerating RL Post-Training for Structured Generation via Rollout-Aware N-gram Speculative Decoding
NgramRL：基于回退感知n元语法投机解码加速结构化生成的RL后训练
机构 * University of California San Diego（加州大学圣地亚哥分校） ； West Virginia University（西弗吉尼亚大学）
AI总结 NgramRL利用近期回退历史构建n元语法草稿生成器，结合自适应扇出预取器加速RL后训练的回退生成，在多模型与任务上显著提升了回退吞吐量。
Multimodal Generative AI Assists Comprehensive Echocardiographic Interpretation
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Guangdong Cardiovascular Institute（广东省心血管病研究所） ； The Chinese University of Hong Kong（香港中文大学） ； Amsterdam University Medical Center, University of Amsterdam（阿姆斯特丹大学医学中心，阿姆斯特丹大学） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） ； CIBER-CV, Instituto de Salud Carlos III（卡洛斯三世研究所心血管疾病研究网络中心） ； Medical University of Innsbruck（因斯布鲁克医科大学） ； University of Leicester（莱斯特大学） ； British Heart Foundation Centre of Research Excellence, University of Leicester（莱斯特大学英国心脏基金会卓越研究中心） ； NIHR Leicester Biomedical Research Centre, University of Leicester（莱斯特大学国立卫生研究院莱斯特生物医学研究中心） ； Centre for Digital Health and Precision Medicine, University of Leicester（莱斯特大学数字健康与精准医学中心） ； The Heart Clinic (Central), Virtus Medical Group（维图斯医疗集团心脏诊所（中环）） ； Institució Catalana de Recerca i Estudis Avançats (ICREA)（加泰罗尼亚高级研究所） ； Universitat de Barcelona（巴塞罗那大学） ； Fuwai Shenzhen Hospital（阜外深圳医院） ； Nanyang Technological University（南洋理工大学） ； University College London（伦敦大学学院） ； Institute of Health Informatics, University College London（伦敦大学学院健康信息学研究所）
AI总结 该研究提出多模态生成模型EchoChat，模拟心脏病专家推理流程，在33种心脏疾病诊断上性能优异，协同生成的报告提升了诊断准确性与完整性。
Advancing SVD-based LLM Compression via Layer-Wise Error Model Search
机构 * Technical University of Munich（慕尼黑工业大学） ； BMW Group（宝马集团） ； University of Glasgow（格拉斯哥大学） ； TU Wien（维也纳技术大学）
AI总结 本研究针对基于SVD的LLM压缩的两大局限，提出LEMS与KFAC-SVD方法，在Mistral等模型上实现零样本准确率最高提4.8p.p.、困惑度平均提15%的性能提升。
Comments Accepted at ICML 2026
J-Comm: Jacobian-Guided Latent Communication between LLM Agents
J-Comm：基于雅可比矩阵引导的大语言模型智能体间隐式通信
机构 * The University of Melbourne（墨尔本大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 J-Comm是含GEAR模块与H+J接口的LLM智能体隐式通信框架，在Qwen3-8B与Qwen3-4B通信的7个基准中获最高平均得分，性能优于TextMAS且生成token更少。
Noisy Target Training Meets Drifting for Weakly-Supervised Speech Enhancement
机构 * Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； Brno University of Technology（布尔诺理工大学） ； Mitsubishi Electric Corporation（三菱电机公司）
AI总结 本文针对带噪目标训练（NyTT）的残留噪声问题，引入Sinkhorn漂移损失，结合未配对纯净语音，在VoiceBank-DEMAND等数据集上验证了该弱监督语音增强方法的有效性。
Comments Submitted to ICASSP 2027
From Deliberately Constructed Systemic Representations of the World of Activity to Dialogue: A Five-Level Communication Architecture for Strong Language-Based ASI
从活动世界的刻意构建的系统表征到对话：面向强基于语言的ASI的五级通信架构
机构 * Adam University（亚当大学）
AI总结 本文提出面向强基于语言的ASI的五级通信架构，借鉴多理论构建系统-活动内容组织，用于检查调整信息基础，区别于文本生成的大型活动图形模型是后续研究方向。
Comments 36 pages, 1 figure
Interpretable sparse fine-tuning with TopKLoRA enables faithful circuit discovery
机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） ； Neuralk-AI
AI总结 本文提出可解释稀疏微调方法TopKLoRA，在投毒指令数据集微调模型时，可发现并消融后门电路，生成的稀疏电路更小且不牺牲指令跟随性能。
Comments 29 pages, 10 figures
PoKER: A Probability of Kill Estimation Rate Model for Air-to-Air Missiles Using Machine Learning on Stochastic Targets
PoKER：基于随机目标的机器学习空对空导弹杀伤概率评估率模型
机构 * Institute for Advanced Studies Brazil（巴西高级研究院） ； Aeronautics Institute of Technology, Brazil（巴西航空技术学院）
AI总结 本研究提出PoKER模型，结合机器学习与目标随机行为、导弹脱靶距离，优化空对空导弹发射效能，为超视距空战提供决策支持。
Comments Accepted manuscript. 18 pages, 10 figures, 5 tables. Code available at this https URL (https://github.com/jpadantas/poker)
