Harvard University（哈佛大学）

CORAL: Learning Amyloid Fibril Ligand Docking with Cooperative Binding Rewards

CORAL：通过协同结合奖励学习淀粉样纤维配体对接

Yasheng Sun, Bohan Li, Youqi Tao, Jürgen Schmidhuber

机构 * Center of Excellence for Generative AI, KAUST（沙特阿卜杜拉国王科技大学生成式人工智能卓越中心） ； MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能教育部重点实验室） ； Stern Laboratory, Brigham and Women’s Hospital, Harvard University（哈佛大学布莱根妇女医院斯特恩实验室） 纠错

AI总结 研究针对淀粉样纤维配体对接面临的挑战，提出CORAL强化学习框架，通过纳入协同配体 - 配体堆叠能量及蛋白质 - 配体对接亲和力训练模型，引入评估集，实验证明其在姿态质量和结合亲和力相关性上优于现有基线。

Comments 25 pages

International Agreements to Limit Frontier AI: Objectives and Exit

限制前沿人工智能的国际协议：目标与退出

Lennart Finke

机构 * ETH Zürich, Zurich, Switzerland（苏黎世联邦理工学院） ； Harvard University, Cambridge, United States（哈佛大学） ； MATS Research, Berkeley, United States（MATS研究） 纠错

AI总结 研究限制人工智能发展的国际协议，通过调查现有协议，明确适当条件属性并列出可能条件，建议设定固定时间段，由新组织规定发展条件，特殊情况可退出，以此说明相关协议的考虑因素。

Capacity and Redundancy Trade-offs in Multi-Task Learning

多任务学习中的容量与冗余权衡

Asif Khan

机构 * Harvard Medical School（哈佛医学院） 纠错

AI总结 研究多任务学习中负迁移与容量、冗余的关系，通过容量 - 冗余恒等式及相关结果，如聚类差距分解和梯度 - TC 桥梁，证明聚类 LoRA 可降低残余耦合，优于随机划分，有显著收益。

Comments Accepted in 42nd Conference on Uncertainty in Artificial Intelligence (UAI) 2026

Unveiling Invariant and Transferable Latent Factors Across Heterogeneous Environments via ATLAS

通过ATLAS揭示异构环境中的不变和可转移潜在因素

Yihong Gu, Katherine Liao, Tianxi Cai

机构 * Harvard University（哈佛大学） 纠错

AI总结 研究异构环境下多环境因素模型，提出ATLAS方法，利用不变性原理和辅助标签监督，分离不变与异构因素，用于潜在因素回归，在新环境中实现可转移预测，还建立了相关非渐近误差界。

Comments 47 pages, 3 figures

TRIAGE: Role-Typed Credit Assignment for Agentic Reinforcement Learning

TRIAGE：面向智能体强化学习的角色类型化信用分配

Yuanda Xu, Zhengze Zhou, Hejian Sang, Xiaomin Li, Jiaxin Zhang, Xinchen Du, Sen Na, Zhipeng Wang, Alborz Geramifard

机构 * LinkedIn Corporation（领英公司） ； Harvard University（哈佛大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 提出TRIAGE框架，通过角色类型化信用分配修正GRPO仅依赖结果信用的盲点，在ALFWorld等任务中提升成功率并减少交互步数。

Adaptive Multi-Round Allocation with Stochastic Arrivals

自适应多轮分配与随机到达

Yuqi Pan, Davin Choo, Haichuan Wang, Milind Tambe, Alastair van Heerden, Cheryl Johnson

机构 * Harvard University（哈佛大学） ； University of Witwatersrand（沃特沙兰大学） 纠错

AI总结 研究了受适应性网络招募启发的序列资源分配问题，提出基于截断概率生成函数的动态规划算法，实现多项式复杂度的多轮分配方案，并分析了模型误差下的鲁棒性。

Comments Accepted into ICML 2026

The Illusion-Illusion: Vision Language Models See Illusions Where There Are None

错觉-错觉：视觉语言模型在不存在错觉的地方看到错觉

Tomer Ullman

机构 * Harvard University（哈佛大学） 纠错

AI总结 研究通过给视觉语言模型呈现不应引发处理错误的‘错觉-错觉’，发现许多模型会误将其视为错觉，揭示了模型存在基本处理错误，此失败是文献中更广泛失败的一部分。

Comments 9 pages, 5 figures

Octopus: On-device language model for function calling of software APIs

章鱼：用于软件API函数调用的设备端语言模型

Wei Chen, Zhiyuan Li, Mingyuan Ma

机构 * Stanford University（斯坦福大学） ； Harvard University（哈佛大学） 纠错

AI总结 研究利用设备端大语言模型调用软件API，通过编译数据集微调不同参数模型，提升其API交互能力，提出条件掩码技术和新基准，经微调的Octopus模型在API调用上性能超GPT-4，推动自动化软件开发和API集成。