Harvard University（哈佛大学）

DASIP: Dynamic Test-Time Compute Scaling for Robot Control with Stochastic Interpolant Policies

DASIP：基于随机插值策略的机器人控制动态测试时计算缩放

Inkook Chun, Seungjae Lee, Michael S. Albergo, Saining Xie, Eric Vanden-Eijnden

机构 * New York University（纽约大学） ； University of Maryland（马里兰大学） ； Harvard University（哈佛大学） ； Capital Fund Management（资本基金管理公司） 纠错

AI总结 提出难度感知随机插值策略（DA-SIP），通过难度分类器动态调整推理步数、求解器和ODE/SDE积分，在保持任务成功率的同时将计算时间减少2.6-4.4倍。

Conformal and kNN Predictive Uncertainty Quantification Algorithms in Metric Spaces

度量空间中的共形和kNN预测不确定性量化算法

Gábor Lugosi, Marcos Matabuena

机构 * Department of Economics and Business, Pompeu Fabra University（巴塞罗那庞培法布拉大学经济与商业系） ； ICREA ； Barcelona Graduate School of Economics（巴塞罗那经济研究生院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Department of Biostatistics, Harvard University（哈佛大学生物统计学系） 纠错

AI总结 针对度量空间回归模型，提出基于同方差性的共形预测算法和异方差下的kNN过程，分别提供有限样本覆盖保证和局部自适应预测半径，适用于大规模数据和序列扩展。

Comments arXiv admin note: text overlap with arXiv:2405.05110

A statistical physics framework for optimal learning

最优学习的统计物理框架

Francesca Mignacco, Francesco Mori

机构 * Joseph Henry Laboratories of Physics, Princeton University（普林斯顿大学物理系Joseph Henry实验室） ； Graduate Center, City University of New York（纽约市立大学研究生中心） ； Center of Mathematical Sciences and Applications, Harvard University（哈佛大学数学科学与应用中心） 纠错

AI总结 结合统计物理与控制论，在高维极限下推导出跟踪随机梯度下降的常微分方程，将学习协议设计转化为最优控制问题，并应用于课程学习、自适应dropout和去噪自编码器噪声调度，揭示最优协议如何平衡学习权衡。

Comments 29 pages, 10 figures

Journal ref PNAS Nexus, Volume 5, Issue 6, June 2026, pgag182