高校专区
成分依赖相图的贝叶斯推断
机构 * Skolkovo Institute of Science and Technology（斯克尔科沃科学与技术研究所） ； Moscow Institute of Physics and Technology（莫斯科物理技术学院） ； California Institute of Technology（加州理工学院）
AI总结 研究利用贝叶斯推断结合多种热力学数据来生成温度-浓度相图，不仅能得到不同相的自由能及不确定性，还可外推结果并辅助选择模拟参数，该算法在两个二元系统中成功测试。
Journal ref Phys. Rev. B 108, 174103 (2023)
FormulaCode: 评估在大规模代码库上进行代理优化
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； California Institute of Technology（加州理工学院） ； Cornell University（康奈尔大学）
AI总结 FormulaCode是一个评估大型真实代码库上代理优化能力的基准，包含957个从科学Python仓库挖掘出的性能瓶颈，配以专家撰写的补丁和平均264.6个社区维护的性能工作负载，揭示了前沿LLM代理在多目标优化上的重大挑战。
Comments ICML Camera Ready Version
平均能量基于的贝叶斯推断
机构 * California Institute of Technology（加州理工学院） ； University of Toronto（多伦多大学）
AI总结 本文研究了在仅能获取参数和观测联合分布样本的情况下，非线性逆问题的平均能量基于的贝叶斯推断方法，提出了一种基于传输的方法，通过学习观测依赖的映射来近似后验分布，避免了传统方法的计算开销。
Comments 25 pages, 9 figures
M+Adam：通过加法-乘法优化进行低精度训练
机构 * California Institute of Technology（加利福尼亚理工学院） ； University of Copenhagen（哥本哈根大学） ； Aarhus University（阿鲁斯大学）
AI总结 研究低精度训练中标准优化器的问题，提出结合加法和乘法更新的M+Adam方法，经证明在标准假设下单调下降，在多种模型预训练中持续改善低精度训练。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 45 pages
更高的嵌入维度为简单排序任务创建更强的世界模型
机构 * California Institute of Technology（加利福尼亚理工学院） ； Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学）
AI总结 研究在强化学习训练的变压器中嵌入维度对内部“世界模型”的影响，发现更高维度能产生更好的内部表示，经数百实验观察到两种机制，结果证明变压器构建结构化内部世界模型且模型大小可提升表示质量。
D-SafeMPC：基于离散时间控制障碍函数的扩散驱动安全模型预测控制
机构 * Paderborn University（帕德博恩大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； California Institute of Technology（加州理工学院） ； Technical University of Munich（慕尼黑工业大学）
AI总结 研究针对扩散模型用于机器人规划时无法保证安全和动态约束的问题，提出D-SafeMPC方法，通过控制障碍函数等引导扩散过程，结合迭代投影方案，经实验验证该方法能提升安全性、任务成功率和规划效率。
Minionese：多语言大语言模型安全性的综合基准测试与机理研究
机构 * California Institute of Technology（加州理工学院）
AI总结 研究多语言大语言模型安全对齐问题，引入涵盖多种语言、资源层级和扰动类型的Minionese基准测试及几何机理分析，发现不同攻击类型漏洞特征不同，指出仅英语安全评估不足，需考虑多因素。
为策略制定者搭建框架：霍特林空间市场中与架构相关的推理干预
机构 * California Institute of Technology（加州理工学院）
AI总结 研究结构化推理干预对大语言模型战略经济推理的影响及与模型架构的关系，以霍特林模型评估GPT - 4.1 - mini和GPT - 5 - mini，发现支架类型与模型架构有交叉交互作用，对抗性测试有损害，还存在陈述性 - 程序性差距。
Comments 26 pages (11 main + 15 appendix), 6 figures, 4 tables. Accepted at the ICLR 2026 Workshop on LLM Reasoning
在混合人口中的因果发现
机构 * Thayer School of Engineering（泰勒工程学院） ； Dartmouth College（达特茅斯学院） ； Fragment Data Technologies（碎片数据技术） ； Department of Computer Science（计算机科学系） ； California Institute of Technology（加州理工学院）
AI总结 本文提出了一种在混合人口中识别因果结构的方法，通过聚类变量形成矩矩阵并利用其秩特性，无需假设结构方程或噪声函数，从而克服全局混淆挑战。
Comments Accepted to UAI 2026
稀疏奖励游戏中的AlphaZero：局限性与辅助监督
机构 * California Institute of Technology（加州理工学院）
AI总结 研究在稀疏奖励游戏中普通AlphaZero的局限性，对比多帧变体及AZAL，发现普通AlphaZero虽表现出色但无法保持最优轨迹，AZAL能显著提高预言一致性，在啃咬和四子棋游戏中均有改进。
用于临床信息丰富且可解释的医学图像理解的工具瓶颈框架
机构 * California Institute of Technology（加州理工学院） ； Stanford University（斯坦福大学）
AI总结 针对医学图像理解中工具组合难的问题，提出工具瓶颈框架（TBF），利用工具瓶颈模型（TBM）组合VLM选择的工具，通过神经网络计算融合工具输出，在组织病理学和皮肤病学任务中表现出色，提升医学图像理解且使预测更具可解释性。
Journal ref Proceedings of the 9th International Conference on Medical Imaging with Deep Learning, Proceedings of Machine Learning Research 315 (2026) 2958-2986
通过采样进行任意维度学习
机构 * Department of Statistics University of Chicago（统计学系芝加哥大学） ； Department of Computing and Mathematical Sciences Department of Electrical Engineering California Institute of Technology（计算与数学科学系电气工程系加州理工学院）
AI总结 研究不同大小输入的机器学习模型泛化及评估问题，提出用随机采样映射比较不同大小输入的统一方法，刻画各采样适用领域，为相关函数类给出泛化和草图绘制率
多买家市场中的战略谈判：基于可验证奖励的强化学习用于大语言模型谈判
机构 * Institute for Data, Systems, and Society, Massachusetts Institute of Technology（数据、系统与社会研究所，麻省理工学院） ； Mitch Daniels School of Business, Purdue University（米奇·丹尼尔斯商学院，普渡大学） ； The Division of Physics, Mathematics and Astronomy, California Institute of Technology（物理、数学与天文学部，加州理工学院） ； Department of Computing and Mathematical Sciences, California Institute of Technology（计算与数学科学系，加州理工学院） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（H. 米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； Department of Civil and Environmental Engineering, Operations Research Center, Massachusetts Institute of Technology（土木与环境工程系、运筹学中心，麻省理工学院）
AI总结 研究多买家市场中卖家与买家的谈判，提出基于可验证奖励的强化学习方法，使卖家能平衡市场探索与剩余提取，实现多阶段战略演变，提升谈判技能，提取更高剩余，且策略可推广。
关于分子优化的离散扩散在线适应设计空间
机构 * Caltech（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； Genesis Molecular AI（创世纪分子人工智能公司）
AI总结 研究离散扩散模型的适应问题，通过控制实验发现获取、奖励塑造、模型去偏等方法互补，重放稳定学习，有效性惩罚限制小分子探索，给出反馈高效的分子优化实用方法，优于离线微调等基线。
Comments Submitted to The Fortieth Annual Conference on Neural Information Processing Systems
金属超声波波导作为用于接触定位、力估计和材料类别识别的分布式触觉传感平台
机构 * Division of Engineering and Applied Science, Caltech（加州理工学院工程与应用科学部）
AI总结 研究金属超声波波导作分布式触觉传感器，用圆柱压头测试其对不同力和材料单点及多点接触的声学响应，可实现接触定位、力估计和材料类别识别。
使态度变化生成模型稳定
机构 * University of Toronto（多伦多大学） ； Caltech（加州理工学院） ； Gibran AI
AI总结 本文提出基于演员的生成模型工作流，利用Concordia库将态度变化理论转化为可运行的演员-环境模拟，并通过实验验证其稳定性，揭示了理论描述的不足与稳定化过程的重要性。
Comments 46 pages, 8 figures, 1 table
面向成本效益的AI委托自适应合同
机构 * Tel Aviv University（特拉维夫大学） ； Harvard University（哈佛大学） ； Technion -- Israel Institute of Technology（技术学院——以色列理工学院） ； California Institute of Technology（加州理工学院） ； Yale School of Management（耶鲁管理学院）
AI总结 针对AI委托中评估噪声导致支付增加的问题，提出自适应合同机制，通过选择性详细评估降低成本，并给出最优合同计算算法与实证验证。
Comments ICML 2026
设备护照：使时空预训练模型能够跨输入布局泛化
机构 * California Institute of Technology（加州理工学院） ； Apple（苹果公司）
AI总结 针对新设备布局缺乏大规模数据集的问题，提出Device Passport通道嵌入技术，通过功能活动与元数据混合建模，实现跨布局迁移，在耳部脑电图等任务中优于基线。
Comments Workshop on Structured Data for Health, ICML 2026
利用多模态对Zwicky瞬变设施发现的瞬变和变星进行实时分类
机构 * Department of Physics and Astronomy, Northwestern University（西北大学物理与天文学系） ； Center for Interdisciplinary Exploration and Research in Astrophysics (CIERA)（天体物理跨学科探索与研究中心） ； NSF-Simons AI Institute for the Sky (SkAI)（NSF-西蒙斯天空人工智能研究所） ； School of Physics and Astronomy, University of Minnesota（明尼苏达大学物理与天文学学院） ； Division of Physics, Mathematics, and Astronomy, California Institute of Technology（加州理工学院物理、数学与天文学部）
AI总结 针对时域巡天中实时分类的挑战，本文提出ORACLE-2模型，结合光变曲线、元数据和图像进行多模态层次分类，在ZTF数据上宏F1达0.73，较仅用光变曲线提升40%。
Comments 29 Pages, 15 Figures, 8 Tables. Comments welcome
基于采样的协调感知多目标多机器人强化学习
机构 * University of Cambridge（剑桥大学） ； CNRS, Univ Rennes, Inria, IRISA（法国国家科学研究中心、雷恩大学、法国国家信息与自动化研究所、IRISA） ； California Institute of Technology（加州理工学院）
AI总结 提出CIMORL框架，通过分布式权重预测、特权专家训练和采样变体（CIMORL-TS/MPPI），在合作与对抗场景中实现Pareto最优解，超体积提升21.2%。
Comments 20 pages, 11 figures, 4 tables
学习具有主动铰接悬挂的行星探测车的全地形运动
机构 * Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） ； Center for Autonomy, University of Texas at Austin（自主性中心，德克萨斯大学奥斯汀分校） ； Space Systems Laboratory, University of Maryland（空间系统实验室，马里兰大学）
AI总结 提出一种带有主动万向悬挂的四轮行星探测车概念，利用强化学习训练单一神经网络控制器，实现自主障碍协商和全地形运动，通过策略整合和零样本迁移在物理车上验证。
Comments 21 pages, 26 figures
弱主导平衡：用于鲁棒识别动态一致流体流动结构
机构 * Department of Mechanical Engineering, University of Washington, Seattle, WA, USA（华盛顿大学机械工程系） ； AI Institute in Dynamic Systems, University of Washington, Seattle, WA, USA（动态系统人工智能研究所） ； Lynn Booth and Kent Kresa Department of Aerospace, California Institute of Technology, Pasadena, CA, USA（加州理工学院航空航天系） ； Department of Mechanical and Aerospace Engineering, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校机械与航空航天工程系） ； Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI, USA（密歇根大学航空航天工程系）
AI总结 提出弱主导平衡框架，通过弱形式投影避免数值微分噪声，实现从高噪声数据中识别物理机制，并成功应用于湍流管道流动的三阶偏微分方程分解。
探索熵锥的全息性 via 强化学习
机构 * Walter Burke Institute for Theoretical Physics \& Leinweber Forum for Theoretical Physics California Institute of Technology, Pasadena, CA 91125 USA ； Kavli Institute for the Physics ； Mathematics of the Universe (WPI) University of Tokyo, Kashiwa 277-8583, Japan
AI总结 本文利用强化学习算法研究全息熵锥，验证了N=3锥中互信息单增性，并分析了N=6锥的极端射线，发现部分射线可实现，部分则暗示存在未知的全息熵不等式。
Comments 39 pages, 10 figures, 2 tables; v2: minor clarifications, version appearing in JHEP
TaskNPoint: 如何在几分钟内教会你的人形机器人打反手球
机构 * California Institute of Technology（加州理工学院）
AI总结 提出TaskNPoint训练协议，通过教练-学习者分工，利用单次演示和交互窗口，在物理仿真中学习动态技能，实现人形机器人零样本泛化。
面向预测应用的数据驱动传感器布置：一种相关性辅助归因框架 (CAAF)
机构 * Department of Mechanical and Civil Engineering, California Institute of Technology（机械与土木工程系，加州理工学院） ； Graduate Aerospace Laboratories, California Institute of Technology（航空航天实验室，加州理工学院） ； Department of Mechanical and Aerospace Engineering, University of Tennessee（机械与航空航天工程系，田纳西大学）
AI总结 提出一种基于机器学习的特征归因框架CAAF，通过聚类减少候选传感器位置冗余，解决高相关输入数据下的最优传感器布置问题，在结构健康监测、翼型升力预测等动态系统中优于现有方法。
Journal ref Commun. AI Comput. 1, 8 (2026)
两人零和随机博弈中基于最优响应的去中心化学习：有限样本分析
机构 * Purdue University（普渡大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Caltech（加州理工学院） ； MIT（麻省理工学院）
AI总结 本文对两人零和矩阵博弈和随机博弈中的去中心化学习进行有限样本分析，提出基于最优响应的学习算法，并证明其样本复杂度。
Comments A preliminary version [arXiv:2303.03100] of this paper, with a subset of the results that are presented here, was presented at NeurIPS 2023
超越拓扑：用于运动策略学习的形态对称图表示
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Syracuse University（雪城大学） ； California Institute of Technology（加州理工学院）
AI总结 提出形态对称图表示MS-PPO，通过对称等变图网络实现策略和价值约束，在四足和人形机器人任务中提升泛化、鲁棒性和样本效率。
Comments Project page: https://msppo.github.io/
流退火后验采样用于函数空间回归与逆问题
机构 * California Institute of Technology（加州理工学院）
AI总结 提出流退火后验采样（FAPS），首个统一随机过程回归与PDE逆问题的函数空间后验采样框架，利用预训练函数空间流匹配先验，通过低秩协方差预条件器的朗之万校正实现稀疏噪声观测下的似然引导后验推断。
Vera: 一种用于内容保持视频编辑的分层扩散模型
机构 * California Institute of Technology（加州理工学院） ； Netflix, Inc（Netflix公司）
AI总结 提出Vera分层扩散框架，通过生成编辑层和alpha遮罩与源视频合成，利用混合Transformer架构和高质量分层数据集，在保持内容的同时实现高质量编辑。
用于交换代数中稀疏奖励搜索的分层强化学习
机构 * California Institute of Technology（加州理工学院） ； Temple University（天普大学） ； University of Kansas（堪萨斯大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对数学猜想验证中的奖励稀疏问题，提出基于约束选项的分层强化学习框架，结合等变图神经网络策略，在交换代数问题中首次应用HRL并优于经典RL和贪心搜索。
Comments 21 pages, 15 figures, 3 tables. Accepted at ICML 2026
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