高校专区
从表征几何标记诊断泛化失败
机构 * Flatiron Institute（Flatiron研究所） ； Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind）
AI总结 通过分析表征几何标记，研究发现任务相关几何属性可预测模型在分布外数据上的泛化能力，为模型选择和AI可解释性提供新方向。
Comments Published in the International Conference on Learning Representations (ICLR), 2026
闭环控制可操控气囊内窥镜用于机器人辅助经导管心内操作
机构 * Department of Cardiac Surgery, Boston Children’s Hospital, Harvard Medical School, Boston, MA, USA（心脏外科部，波士顿儿童医院，哈佛医学院，马萨诸塞州波士顿，美国） ； Department of Medicine, Cardiology Division, University of California San Francisco, San Francisco, CA, USA（医学部，心脏病学分会，加州大学旧金山分校，旧金山，加利福尼亚州，美国） ； Department of Cardiac Surgery, Massachusetts General Hospital, Boston, MA, USA（心脏外科部，麻省总医院，波士顿，马萨诸塞州，美国）
AI总结 本文提出了一种可操控气囊内窥镜，通过闭环控制实现心内手术中工具的精确导航与稳定方向控制。
Comments 8 pages, 11 figures
Journal ref IEEE Robotics and Automation Letters, Volume 11, Issue 4, Pages 4211-4218, 2026
通过几何字对编码进行蛋白质结构分词
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Harvard Medical School（哈佛医学院） ； Apple（苹果公司） ； Notre Dame（诺特大学）
AI总结 GeoBPE通过几何字对编码实现蛋白质结构分词，提供压缩、数据效率和泛化能力，支持多架构应用并增强功能解释性。
Comments ICLR 2026
从有限样本估计神经表示的维度
机构 * Harvard University（哈佛大学） ； New York University（纽约大学） ； Flatiron Institute（Flatiron研究所） ； Cornell Tech（康奈尔科技）
AI总结 本文提出了一种偏倚校正估计器，用于从有限样本中准确估计神经表示的维度，并展示了其在生物神经记录和语言模型中的应用。
认知模型可以揭示语言模型中的可解释价值权衡
机构 * Kempner Institute for Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究所） ； Google DeepMind（谷歌DeepMind） ； Department of Psychology, Harvard University（哈佛大学心理学系）
AI总结 本文提出利用认知模型评估语言模型中的价值权衡，揭示其行为特征变化及对社会行为的影响。
Comments 10 pages, 5 figures
大语言模型可通过非策略强化学习进行推理
机构 * Cornell University（康奈尔大学） ； Harvard University（哈佛大学）
AI总结 本文提出OAPL算法，通过接受非策略性解决LLM强化学习中的策略滞后问题，在竞赛数学和编码任务中表现优异，训练效率更高。
医学影像和自然物体的单切片到三维重建：与SAM 3D的比较基准
机构 * Harvard AI and Robotics Lab（哈佛人工智能与机器人实验室） ； Harvard University（哈佛大学）
AI总结 本文通过比较基准揭示了单切片到三维重建的局限性，指出SAM3D在医学形状拓扑相似性上表现最佳，但需领域适应和解剖约束以克服复杂医学几何。
EnsembleLink：无需训练数据的准确记录链接
机构 * Harvard University（哈佛大学）
AI总结 EnsembleLink通过预训练语言模型实现无需标注数据的高准确度记录链接，适用于多种数据集和领域。
当AI提供建议：评估AI与人类对在线寻求幸福建议的反应
机构 * University of Toronto（多伦多大学） ； Harvard University（哈佛大学） ； Purdue University（普渡大学）
AI总结 研究评估AI与人类在在线幸福建议寻求中的表现，发现LLMs在多项指标上优于人类，且人类建议可通过打磨与AI建议竞争。
Comments CHI 2026
回环蒸馏使零样本模型大小插值
机构 * Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； IST Austria（IST奥地利研究院）
AI总结 回环蒸馏通过蒸馏和重构实现零样本模型大小插值，生成细粒度模型家族，降低训练成本并提升适应性。
Comments ICLR 2026
学习多跟随者贝叶斯斯塔克尔伯格博弈
机构 * John A. Paulson School of Engineering and Applied Sciences（约翰·A·保罗森工程与应用科学学院） ； Harvard University（哈佛大学）
AI总结 研究多跟随者贝叶斯斯塔克尔伯格博弈的在线学习算法，通过类型反馈和动作反馈设计算法，实现最小化懊悔的策略。
Comments Accepted by ICLR 2026
GradPCA: 利用NTK对齐实现可靠的分布外检测
机构 * Ludwig-Maximilians-Universität München（慕尼黑莱布尼茨大学） ； University of Pittsburgh（匹兹堡大学） ； Harvard University（哈佛大学） ； University of Tromso（特罗姆斯大学） ； DLR-German Aerospace Center（德国航空航天中心） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
AI总结 GradPCA通过利用NTK对齐的梯度低秩结构，实现了可靠的分布外检测，并通过理论分析和实验验证了其有效性。
Journal ref In Proceedings of International Conference on Learning Representations (ICLR), 2026
深度学习中的人口群体公平性保证分析
机构 * Harvard AI and Robotics Lab at Harvard University（哈佛大学人工智能与机器人实验室） ； Embodied AI and Robotics (AIR) Lab at New York University（纽约大学具身人工智能与机器人实验室） ； School of Computing and Informatics, University of Louisiana at Lafayette（路易斯安那州立大学拉法叶分校计算机与信息学院）
AI总结 本文提出Fairness-Aware Regularization方法，通过减少组间特征差异提升模型公平性与准确性。
Comments Accepted for publication in TPAMI 2026
迈向精准斑马鱼心血管分析：ZACAF范式
机构 * Department of Electrical Engineering and Computer Science, University of California, Irvine, CA（电气工程与计算机科学系，加州大学伊维特分校） ； Division of Genetics, Department of Medicine, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, USA（遗传学部，医学系，布里洛妇女医院，哈佛医学院，波士顿，马萨诸塞州，美国） ； Cardiovascular Medicine, Department of Medicine, Brigham and Women’s Hospital, Harvard Medical School, Boston, MA, USA（心血管医学，医学系，布里洛妇女医院，哈佛医学院，波士顿，马萨诸塞州，美国） ； Department of Biomedical Engineering, University of California, Irvine, CA（生物医学工程系，加州大学伊维特分校） ； Sensoriis, Inc., Edmonds, WA（Sensoriis公司，埃德蒙兹，华盛顿）
AI总结 本文提出ZACAF框架并结合迁移学习和数据增强技术，提升斑马鱼心血管功能量化精度，适用于不同突变类型和成像设置。
用于采样和噪声问题的流场蒙特卡洛估计器
机构 * Society of Fellows, Harvard University（哈佛大学 fellows 会） ； Higgs Centre for Theoretical Physics, School of Physics and Astronomy（理论物理中心） ； University of Edinburgh（爱丁堡大学）
AI总结 本文提出了一种基于蒙特卡洛估计的流场方法，用于解决格点场论中的临界减慢和信噪比问题，并通过U(1)传输问题和SU(N)胶子相关函数进行验证。
Comments 10 pages, 5 figures. Proceedings of the 42nd International Symposium on Lattice Field Theory (LATTICE2025)
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