Harvard University（哈佛大学）

Active Electrosensing and Communication in MARL-trained Weakly Electric Fish Collectives

在多智能体强化学习训练的弱电鱼群体中的主动电感应与通信

Satpreet H. Singh, Sonja Johnson-Yu, Zhouyang Lu, Aaron Walsman, Federico Pedraja, Denis Turcu, Pratyusha Sharma, Naomi Saphra, Nathaniel B. Sawtell, Kanaka Rajan

机构 * Harvard University（哈佛大学） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； MIT（麻省理工学院） 纠错

AI总结 研究个体互动如何产生复杂集体行为，通过多智能体强化学习训练弱电鱼样智能体集体觅食，再现真实鱼类特征，经模拟干预和神经动力学分析确定因果驱动因素，为弱电鱼等社会动物神经行为学研究提供新思路。

Scaling Cross-Embodiment World Models for Dexterous Manipulation

为灵巧操作扩展跨实体世界模型

Zihao He, Bo Ai, Tongzhou Mu, Yulin Liu, Weikang Wan, Jiawei Fu, Yilun Du, Henrik I. Christensen, Hao Su

机构 * UC San Diego（UC圣迭戈大学） ； Harvard University（哈佛大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hillbot 纠错

AI总结 研究跨实体学习中不同形态机器人数据共享和控制转移问题，提出将人类和机器人手表示为3D粒子集，在随机交互数据上训练基于图的世界模型并与模型预测控制集成，实验表明该方法能提高泛化能力、有效结合数据并实现不同机器人手的控制。

Comments Accepted to IROS 2026, Project Page: https://alan-heoooh.github.io/dexwm.html

Data Reliability Scoring

数据可靠性评分

Yiling Chen, Shi Feng, Paul Kattuman, Fang-Yi Yu

机构 * Harvard University（哈佛大学） ； University of Cambridge（剑桥大学） ； George Mason University（乔治·梅森大学） 纠错

AI总结 研究在无法获取真实情况时评估数据集可靠性的问题，提出Gram行列式分数，通过衡量描述观测数据和实验结果的向量所跨体积来评估，实验表明该分数能有效捕捉不同观测过程中的数据质量，具有实验不可知论特性。

Comments 43 pages, 17 figures

Can Interpretation Predict Behavior on Unseen Data?

解释能否预测未见过的数据上的行为？

Victoria R. Li, Jenny Kaufmann, Tian Qin, Martin Wattenberg, David Alvarez-Melis, Naomi Saphra

机构 * Harvard University（哈佛大学） ； Boston University（波士顿大学） 纠错

AI总结 研究探讨能否用模型内部预测对未见数据的响应，通过在合成任务上训练Transformer，利用注意力模式预测OOD行为，实验解耦解释的忠实性与预测价值，证明可通过理解模型内部评估分布转移下的行为和可靠性。