The Compulsory Imaginary: AGI and Corporate Authority
强制性想象：AGI与企业权威
机构 * Columbia University（哥伦比亚大学）
AI总结 本文通过分析两家AGI公司论文，揭示其通过结构一致的修辞策略构建社会技术想象，探讨企业权威的投射与稳定机制。
高校专区
Columbia University（哥伦比亚大学）
AI Must Embrace Specialization via Superhuman Adaptable Intelligence
AI必须通过超人类适应性智能拥抱专业化
机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学）
AI总结 本文提出超人类适应性智能（SAI）概念，主张AI应通过专业化追求超人类表现，而非追求通用智能。
How do Visual Attributes Influence Web Agents? A Comprehensive Evaluation of User Interface Design Factors
视觉属性如何影响网络代理？对用户界面设计因素的全面评估
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 本文提出VAF框架，通过系统评估视觉属性对网络代理决策的影响，发现背景颜色对比、项目大小等属性对代理行为有显著影响。
Inference-time Physics Alignment of Video Generative Models with Latent World Models
视频生成模型的推理时间物理对齐：基于潜在世界模型
机构 * FAIR, Meta Superintelligence Labs ； University of Oxford ； Mila - Qu\' e bec AI Institute ； Columbia University ； McGill University ； Canada CIFAR AI Chair
AI总结 本文提出WMReward方法，通过潜在世界模型提升视频生成的物理合理性，实验表明在多个生成设置中显著提高物理合理性，并在ICCV 2025挑战中取得第一名。
Comments 22 pages, 10 figures
Animal behavioral analysis and neural encoding with transformer-based self-supervised pretraining
基于变换器的自监督预训练的动物行为分析与神经编码
机构 * Columbia University（哥伦比亚大学） ； International Brain Laboratory（国际脑实验室）
AI总结 BEAST通过自监督预训练的变换器框架，提升动物行为分析和神经编码的性能，适用于多种神经行为任务。
Quantum Learning and Estimation for Coordinated Operation between Distribution Networks and Energy Communities
分布式网络与能源社区协调运行中的量子学习与估计
机构 * Department of Electrical Engineering, Tsinghua University（清华大学电子工程系） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区数据科学学院） ； Department of Earth and Environmental Engineering, Columbia University（哥伦比亚大学地球与环境工程系） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）
AI总结 本文提出量子学习与估计方法，用于提升分布式网络与能源社区间的协调运行，通过量子特性提升映射精度并减少计算资源消耗。
Comments This is a manuscript published by CSEE Journal of Power and Energy Systems
Partition Function Estimation under Bounded f-Divergence
在有限 f-散度下的分区函数估计
机构 * Columbia University（哥伦比亚大学） ； MIT（麻省理工学院）
AI总结 在有限 f-散度下，研究了分区函数估计的样本复杂性，通过整合覆盖轮廓提出新方法，统一了重要性采样等方法的分析，并扩展到厚尾区域。
