Decoding Task Progress from VLA Representations
从视觉-语言-动作模型（VLA）表征中解码任务进度
机构 * Cornell University（康奈尔大学）
AI总结 该研究利用机制可解释性探究VLA的π₀.₅残差流，发现任务进度可从激活值线性读取，基于此构建的探测器可作为无标签OOD检测器，性能接近最先进方法，为监控部署的视觉运动策略提供轻量可解释路径。
高校专区
Cornell University（康奈尔大学）
ReconSpan: Reconstruction-Guided Adaptive Latent Tokenization
ReconSpan：重建引导的自适应隐式分词
机构 * Cornell University（康奈尔大学）
AI总结 本文提出ReconSpan，一种重建引导的自适应隐式分词方法，可将文本划分为特定块并保留前缀码作为隐式token，在匹配平均长度下其边界比随机边界保留更多文本，能可靠传递主题信息但难以提取精确细节。
Comments 16 pages, 3 figures
Which Site, and When: A Free-Satellite-Data Test of Himalayan Glacial Lake Bursts, Landslides, and Ice Floods
哪个地点，以及何时：基于免费卫星数据的喜马拉雅冰川湖溃决、滑坡与冰洪测试
机构 * Cornell University（康奈尔大学） ； Institute of Engineering, Tribhuvan University（特里布万大学工程学院） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； University of Bristol（布里斯托大学）
AI总结 该研究利用免费卫星数据，构建模型预测喜马拉雅地区冰川湖溃决、滑坡等三类灾害的易感性地点与触发时间，发现简单梯度提升基线模型表现优于多数深度学习模型，还给出了尼泊尔灾害预警优先级清单。
Agentic Neurosymbolic Collaboration for Mathematical Discovery: A Case Study in Combinatorial Design
代理神经符号协作用于数学发现：组合设计的一个案例研究
机构 * Algorithms and Complexity Group, TU Wien（算法与复杂性组，维也纳技术大学） ； Department of Computer Science, Cornell University（计算机科学系，康奈尔大学）
AI总结 本文通过代理神经符号协作方法，在组合设计理论中发现了一个新的紧下界，展示了人类与AI协作在数学发现中的有效性。
A Prior-Aware Metric for Efficiently Distinguishing Memorization from Generalization in Large Language Models
先验意识记忆：一种区分记忆与泛化在大语言模型中的高效度量标准
机构 * Cornell University（康奈尔大学） ； Boston University（波士顿大学） ； NVIDIA（英伟达）
AI总结 本文提出Prior-Aware Memorization，一种基于模型先验的轻量级度量标准，用于区分大语言模型中的真实记忆与统计上常见序列，揭示低频率不足以证明记忆，强调需考虑模型先验以评估数据泄露风险。
Comments COLM 2026 Camera Ready
