高校专区
通过障碍函数实现端到端安全强化学习用于安全关键的连续控制任务
机构 * California Institute of Technology（加州理工学院） ； University of Michigan（密歇根大学）
AI总结 本文提出了一种结合模型无关强化学习控制器、基于控制障碍函数的控制器以及在线学习未知系统动力学的控制器架构，以确保学习过程中的安全性，通过Gaussian Processes建模系统动力学并展示在倒立摆和无线车对车自主跟车任务中更高的样本效率和安全性。
Comments Published in AAAI 2019
一种用于时间序列变化点检测的一类支持向量机校准方法
机构 * Department of EECS, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系） ； California Institute of Technology（加州理工学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所）
AI总结 本文提出了一种校准一类支持向量机（OC-SVM）的方法，用于时间序列变化点检测，通过启发式搜索方法找到输入数据和超参数的最优组合，实验表明OC-SVM在少量训练数据下也能有效检测变化点，优于现有深度学习方法。
多机器人协调与计数时序逻辑
机构 * Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； University of Michigan（密歇根大学） ； Department of Mechanical and Civil Engineering（机械与土木工程系） ； California Institute of Technology（加州理工学院）
AI总结 本文提出了一种基于计数时序逻辑的多机器人协调方法，通过优化算法生成轨迹以保证同步执行时满足给定的逻辑公式，并展示了在机器人动力学相同的情况下，使用计数线性时序逻辑（cLTL）能更高效地解决规划问题，同时讨论了异步执行下保持逻辑规范性的方法及鲁棒轨迹生成。
Comments Under submission for a journal
小型旋翼机无人机的长期自主性包括充电
机构 * Autonomous Controls Laboratory, University of Washington（华盛顿大学自主控制实验室） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
AI总结 本研究提出了一种完全自主的小型旋翼机无人机，能够在无人干预的情况下执行长期观测任务，通过全平台自主性和基于视觉的精确着陆技术实现自动能源补充，实验结果展示了其在室内和室外环境中的11小时自主操作能力。
Comments 7 pages
SLAP：通过信念空间中的动态重新规划实现物理移动机器人的同时定位与规划（在不确定性下）：扩展版
机构 * NASA-JPL, Caltech（NASA-喷气推进中心，加州理工学院） ； Dept. of Aerospace Eng. and Amato is with the Dept. of Computer Science（航空航天工程系和计算机科学系） ； Dept. of Computer Science（计算机科学系）
AI总结 本文提出一种在不确定性环境下通过信念空间动态重新规划实现物理移动机器人同时定位与规划的方法，通过在线重新规划循环改进离线策略，有效应对环境变化和大定位误差，优于FIRM方法。
Comments 20 pages, updated figures, extended theory and simulation results
通过加速投影共识解决大规模线性系统
机构 * California Institute of Technology（加州理工学院） ； University of Southern California（南加州大学）
AI总结 本文提出加速分布式共识算法，用于解决大规模线性系统，通过在每个迭代中更新解决方案并结合动量平均，优于梯度下降、Nesterov加速梯度下降、重力球方法和ADMM等方法。
图模型用于最优功率流
机构 * Mathematical Sciences, California Institute of Technology Michael Chertkov, Marc Vuffray Sidhant Misra T-Divison \& Center for Nonlinear Studies, Los Alamos National Laboratory Pascal Van Hentenryck Industrial ； Operations Engineering, University of Michigan, Ann Arbor
AI总结 本文将树状网络的最优功率流问题转化为树状图模型的推断问题，结合动态规划与区间离散化，提出了一种高效求解方法，适用于任意配电网络和混合整数优化。
Comments To appear in Proceedings of the 22nd International Conference on Principles and Practice of Constraint Programming (CP 2016(
用于暗宇宙三维映射的生成扩散先验
机构 * Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； Department of Physics, Duke University（杜克大学物理系） ； Cahill Center for Astronomy and Astrophysics, California Institute of Technology（加州理工学院卡希尔天文与天体物理中心）
AI总结 利用扩散模型学习宇宙模拟中的先验分布，结合物理正向模型解决弱引力透镜三维暗物质反问题，显著提升重建精度并生成统计一致的后验样本。
Comments Accepted to CVPR 2026 (Highlight)
BEVIO: 基于鸟瞰图的稀疏更新视觉-惯性里程计用于月球昼夜导航
机构 * Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） ； Autonomous Robots Lab at the Norwegian University of Science and Technology（挪威科学技术大学自主机器人实验室）
AI总结 提出一种基于鸟瞰图的图像匹配方案，在极低视觉更新率下实现可靠的视觉-惯性里程计，适用于资源受限的月球车昼夜导航。
Comments Accepted at the 2026 IEEE International Conference on Robotics and Automation, Vienna
基于相互兼容性评估双变量因果陈述
机构 * California Institute of Technology, USA（加州理工学院，美国）
AI总结 针对一组变量上的双变量因果陈述，提出基于兼容性分数的评估方法，通过量化因果模型引入的额外混杂程度或全局一致性约束来区分正确与错误的因果陈述，并应用于大语言模型生成的因果主张。
Comments accepted for ICML 2026
天体瞬变事件的概率数据驱动建模：基于NightLANP的超快速与类别无关光变曲线重建的神经过程家族
机构 * NASA FINESST Fellow ； Department of Physics and Astronomy, University of Delaware（物理与天文学系，德雷克塞尔大学） ； University of Delaware, Data Science Institute（德雷克塞尔大学数据科学研究所） ； Joseph R. Biden, Jr. School of Public Policy and Administration, University of Delaware（德雷克塞尔大学公共政策与行政学院） ； Vera C. Rubin Observatory（维拉·鲁宾天文台） ； Division of Physics, Mathematics, and Astronomy, California Institute of Technology（物理、数学与天文学系，加州理工学院） ； Center for Data Driven Discovery, California Institute of Technology（数据驱动发现中心，加州理工学院）
AI总结 针对稀疏不规则光变曲线重建问题，提出神经过程家族（以注意力神经过程为例），结合高斯过程的概率框架与深度学习的可扩展性，通过元学习实现跨波段、类别无关的快速推理，在Rubin模拟数据上优于高斯过程和神经网络。
ISOMORPH：用于仿真、数据集生成和预测基准的供应链数字孪生
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of North Carolina（北卡罗来纳大学） ； SRI International（SRI国际） ； California Institute of Technology（加州理工学院）
AI总结 本文提出ISOMORPH，首个公开的多级物流网络数字孪生，通过可配置参数和模块化拓扑生成具有牛鞭效应等动态特性的数据集，并评估基础模型的零样本预测性能。
MirrorCBO：一种镜像下降思想的共识优化方法
机构 * Department of Computing and Mathematical Sciences, Caltech（计算与数学科学系，加州理工学院） ； Helmholtz Imaging, Deutsches Elektronen-Synchrotron DESY（海德堡成像，德意志电子同步辐射研究中心（DESY））
AI总结 提出MirrorCBO方法，通过将共识优化与镜像下降结合，实现无导数非凸优化，并推广到约束优化问题，理论证明指数收敛速率，实验展示稀疏诱导和约束优化的竞争力。
Comments 66 pages, 18 figures, 19 tables
Journal ref Mathematical Models and Methods in Applied Sciences 35 (14), 3083-3170, 2025
双时间尺度马尔可夫随机逼近的收敛性及其在强化学习中的应用
机构 * Department of Computer Science, University of Virginia, Charlottesville, VA, USA（弗吉尼亚大学计算机科学系） ； Data Science Lab, MIT, Cambridge, MA, USA（麻省理工学院数据科学实验室） ； Mitch Daniels School of Business, Purdue University, West Lafayette, IN, USA（普渡大学米切尔丹尼尔斯商学院） ； Division Office Physics, Math and Astronomy, California Institute of Technology, Pasadena, CA, USA（加州理工学院物理、数学和天文学分校）
AI总结 本文研究双时间尺度随机逼近在马尔可夫噪声下的稳定性与收敛性，通过用慢时间尺度参数的运行最大值控制快时间尺度参数，首次证明了带资格迹的TDC在离策略线性函数逼近下的几乎必然收敛。
Comments ICML 2026
通过风险厌恶实现可证明收敛的MARL演员-评论家算法
机构 * caltech（加州理工学院）
AI总结 针对无限时域一般和马尔可夫博弈，提出基于风险厌恶分位数响应均衡（RQE）的单时间尺度演员-评论家算法，利用RQE的正则性证明全局收敛并给出有限样本保证。
MARTIAN：基于HiRISE轨道数据的火星空中影像渲染框架
机构 * Space Robotics Research Group, SnT, University of Luxembourg（卢森堡大学空间机器人研究组） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
AI总结 提出一个基于Blender的开源渲染框架MARTIAN，利用真实HiRISE轨道地图数据合成火星地形在不同光照和高度下的逼真空中视图，并生成精确姿态标注，以解决火星视觉导航训练数据稀缺问题。
MathlibLemma: 形式化数学中的民间引理生成与基准测试
机构 * Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） ； Astronomy , California Institute of Technology（加州理工学院天文学系） ； Purdue University（普渡大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出基于LLM的模块化流水线MathlibLemma，自动挖掘、形式化并证明数学中缺失的民间引理，生成包含4028个类型检查的Lean语句的基准测试集。
DAISI：基于随机插值逆采样的数据同化
机构 * STIMA（统计与机器学习系） ； California Institute of Technology（加州理工学院） ； Swedish Meteorological and Hydrological Institute（瑞典气象与水文研究所）
AI总结 提出DAISI算法，利用流式生成模型实现灵活的概率推断，通过逆采样结合预报信息与观测数据，解决传统高斯近似在复杂非线性系统中的局限性。
Comments Accepted at the International Conference on Machine Learning 2026, 44 pages, 28 figures
超越成对偏好：扩散模型的列表级奖励感知对齐
机构 * Caltech（加州理工学院） ； Stanford University（斯坦福大学）
AI总结 提出Diffusion LAIR方法，通过列表级奖励感知优化，利用连续奖励分数和所有候选图像同时优化扩散模型，在文本到图像生成等任务上超越成对偏好基线。
用于评估手术反馈质量的多智能体LLM框架
机构 * Computing + Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Department of Urology, Cedars-Sinai（塞斯医疗中心泌尿科） ； Keck School of Medicine, University of Southern California（美国南加州大学凯克医学院）
AI总结 提出一个两阶段LLM框架，通过多智能体提示和手术领域知识注入发现可解释的反馈质量标准，并利用LLM作为评判者自动评分，在预测反馈有效性上优于先前方法。
Comments 25 pages, 3 figures
Krause同步变换器
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； California Institute of Technology（加州理工学院） ； University of Amsterdam（阿姆斯特丹大学）
AI总结 提出基于有界置信共识动力学的Krause注意力机制，通过局部化稀疏交互替代全局softmax归一化，缓解表示坍缩和注意力汇聚现象，实现线性复杂度并提升性能。
Comments ICML 2026, Project page: https://jingkun-liu.github.io/krause-sync-transformers/
TorchLean: 在 Lean 中形式化神经网络
机构 * California Institute of Technology（加利福尼亚理工学院） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出 TorchLean 框架，在 Lean 4 中统一神经网络的执行、验证与定理证明，通过共享语义弥合执行网络与分析工件之间的语义鸿沟。
Comments 55 pages
面向物理信息神经网络的傅里叶特征金字塔
机构 * Department of Computing and Mathematical Sciences, California Institute of Technology（计算与数学科学部，加州理工学院） ； Cahill Center for Astronomy and Astrophysics, California Institute of Technology（天文与天体物理中心，加州理工学院） ； Google DeepMind（谷歌DeepMind）
AI总结 提出一种名为beignet的多分辨率傅里叶特征金字塔架构，通过可训练的特征网格和傅里叶插值，结合链式法则与FFT高效计算空间导数，以更少的参数实现比现有PINN方法更高的求解精度。
通过可微渲染从成像声纳进行单视图海底恢复
机构 * California Institute of Technology（加州理工学院）
AI总结 提出一种无需训练的方法，通过可微渲染在30秒内从单张声纳图像恢复海底地形，利用已知海底倾斜条件，首次实现单视图高度恢复。
任意维不变泛化性
机构 * Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） ； Department of Computing and Mathematical Sciences, Caltech（加州理工学院计算与数学科学系）
AI总结 本文提出一种系统方法，通过将任意维函数映射到无限维极限空间中的唯一函数，建立任意维模型的泛化性，并证明现有架构的非泛化性及简单修改可恢复泛化性。
基于补丁层次注意力的高效粒子喷注标记变压器
机构 * University of Illinois Chicago（伊利诺伊大学香槟分校） ； University of California San Diego（加州大学圣地亚哥分校） ； California Institute of Technology（加州理工学院） ； Fermi National Accelerator Laboratory（费米国家加速器实验室）
AI总结 本文提出了一种结合物理启发的几何信息传递模块和基于补丁的层次注意力机制的Patch Hierarchical Attention Transformer (PHAT-JeT)，以在有限资源下实现高效的粒子喷注标记，从而在四个基准测试中取得最佳性能。
WorldString: 可行动态世界表征
机构 * CalTech（加州理工学院） ； UC San Diego（南加州大学） ； Tsinghua University - IEI Lab（清华大学-IEI实验室） ； NVIDIA（英伟达）
AI总结 本文提出WorldString，一种能够通过点云或RGB-D视频流直接学习现实物体状态流形的神经架构，为构建可行动态世界模型提供基础构建块。
交互评估需要一种设计科学
机构 * University of Texas Austin（德克萨斯大学奥斯汀分校） ； California Institute of Technology（加州理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft Research（微软研究院） ； Northwestern University（西北大学） ； University of Cambridge（剑桥大学）
AI总结 本文探讨了交互评估应被视为一种原则性的评估范式，而非仅仅是新的智能体基准。通过定义评估为证据到判断的自主映射，文章展示了交互评估如何改变这一映射的两方面，并提出双轴分类法，制定设计原则和报告标准，分析了长期评估挑战在轨迹层面的再现。
Comments 10 pages
超越线性注意：Softmax变换器实现上下文强化学习
机构 * University of Virginia（弗吉尼亚大学） ； California Institute of Technology（加州理工学院） ； Purdue University（普渡大学）
AI总结 本文研究了在预训练后通过上下文适应新任务的强化学习代理，通过softmax注意力机制证明了Transformer层前向传递等价于加权softmax时序差分算法的迭代更新，并证明了参数在预训练损失中的全局极小性。
DevBench：一个现实的、面向开发者的代码生成模型基准测试
机构 * California Institute of Technology（加州理工学院） ； Microsoft（微软公司）
AI总结 DevBench通过真实开发者数据和生成模型合成，构建了包含六种编程语言和任务的1800个实例，评估大语言模型在代码补全任务中的表现，揭示模型在语法精度、语义推理和实用价值上的差异。
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