Harvard University（哈佛大学）

Closed-loop Control of Steerable Balloon Endoscopes for Robot-assisted Transcatheter Intracardiac Procedures

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

Max McCandless, Jonathan Hamid, Sammy Elmariah, Nathaniel Langer, Pierre E. Dupont

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） 纠错

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

Protein Structure Tokenization via Geometric Byte Pair Encoding

通过几何字对编码进行蛋白质结构分词

Michael Sun, Weize Yuan, Gang Liu, Wojciech Matusik, Marinka Zitnik

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） 纠错

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

Estimating Dimensionality of Neural Representations from Finite Samples

从有限样本估计神经表示的维度

Chanwoo Chun, Abdulkadir Canatar, SueYeon Chung, Daniel Lee

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） 纠错

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。

Cognitive models can reveal interpretable value trade-offs in language models

认知模型可以揭示语言模型中的可解释价值权衡

Sonia K. Murthy, Rosie Zhao, Jennifer Hu, Sham Kakade, Markus Wulfmeier, Peng Qian, Tomer Ullman

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） 纠错

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

LLMs Can Learn to Reason Via Off-Policy RL

大语言模型可通过非策略强化学习进行推理

Daniel Ritter, Owen Oertell, Bradley Guo, Jonathan Chang, Kianté Brantley, Wen Sun

机构 * Cornell University（康奈尔大学） ； Harvard University（哈佛大学） 纠错

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。

Single-Slice-to-3D Reconstruction in Medical Imaging and Natural Objects: A Comparative Benchmark with SAM 3D

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

Yan Luo, Advaith Ravishankar, Serena Liu, Yutong Yang, Mengyu Wang

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） 纠错

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: Accurate Record Linkage Without Training Data

EnsembleLink：无需训练数据的准确记录链接

Noah Dasanaike

机构 * Harvard University（哈佛大学） 纠错

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。

When AI Gives Advice: Evaluating AI and Human Responses to Online Advice-Seeking for Well-Being

当AI提供建议：评估AI与人类对在线寻求幸福建议的反应

Harsh Kumar, Jasmine Chahal, Yinuo Zhao, Zeling Zhang, Annika Wei, Louis Tay, Ashton Anderson

机构 * University of Toronto（多伦多大学） ； Harvard University（哈佛大学） ； Purdue University（普渡大学） 纠错

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

Boomerang Distillation Enables Zero-Shot Model Size Interpolation

回环蒸馏使零样本模型大小插值

Sara Kangaslahti, Nihal V. Nayak, Jonathan Geuter, Marco Fumero, Francesco Locatello, David Alvarez-Melis

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） 纠错

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

Learning to Play Multi-Follower Bayesian Stackelberg Games

学习多跟随者贝叶斯斯塔克尔伯格博弈

Gerson Personnat, Tao Lin, Safwan Hossain, David C. Parkes

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） 纠错

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: Leveraging NTK Alignment for Reliable Out-of-Distribution Detection

GradPCA: 利用NTK对齐实现可靠的分布外检测

Mariia Seleznova, Hung-Hsu Chou, Claudio Mayrink Verdun, Gitta Kutyniok

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） 纠错

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

On Demographic Group Fairness Guarantees in Deep Learning

深度学习中的人口群体公平性保证分析

Yan Luo, Congcong Wen, Min Shi, Hao Huang, Yi Fang, Mengyu Wang

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） 纠错

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

Towards Precision Cardiovascular Analysis in Zebrafish: The ZACAF Paradigm

迈向精准斑马鱼心血管分析：ZACAF范式

Amir Mohammad Naderi, Jennifer G. Casey, Mao-Hsiang Huang, Rachelle Victorio, David Y. Chiang, Calum MacRae, Hung Cao, Vandana A. Gupta

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） 纠错

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。

A Monte Carlo estimator of flow fields for sampling and noise problems

用于采样和噪声问题的流场蒙特卡洛估计器

Michael S. Albergo, Gurtej Kanwar

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） 纠错

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)

Structure tensor Reynolds-averaged Navier-Stokes turbulence models with equivariant neural networks

基于等变神经网络的结构张量雷诺平均纳维-斯托克斯湍流模型

Aaron Miller, Sahil Kommalapati, Robert Moser, Petros Koumoutsakos

机构 * Computational Science and Engineering Laboratory, Harvard University（哈佛大学计算科学与工程实验室） ； Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算工程与科学研究所） ； Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程系） 纠错

AI总结 本文提出利用等变神经网络改进结构张量模型，以提高RANS模型中快速压力-应变项的准确性，并验证Kassinos等人的假设。

CMT-Benchmark: A Benchmark for Condensed Matter Theory Built by Expert Researchers

CMT-Benchmark：由专家研究人员构建的凝聚态理论基准

Haining Pan, James V. Roggeveen, Erez Berg, Juan Carrasquilla, Debanjan Chowdhury, Surya Ganguli, Federico Ghimenti, Juraj Hasik, Henry Hunt, Hong-Chen Jiang, Mason Kamb, Ying-Jer Kao, Ehsan Khatami, Michael J. Lawler, Di Luo, Titus Neupert, Xiaoliang Qi, Michael P. Brenner, Eun-Ah Kim

机构 * Rutgers University（罗格斯大学） ； Harvard University（哈佛大学） ； Weizmann Institute of Science（魏茨曼科学研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； University of Zürich（苏黎世大学） ； Stanford Institute for Materials and Energy Sciences（斯坦福材料与能源科学研究所） ； SLAC National Accelerator Laboratory（斯坦福直线加速器实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； National Taiwan University（台湾大学） ； San José State University（圣何塞州立大学） 纠错

AI总结 CMT-Benchmark通过专家设计的50个凝聚态理论问题评估LLM在物理推理能力上的不足，揭示当前模型在复杂科学问题上的局限性。

Comments CMT-Benchmark dataset is available at https://huggingface.co/datasets/JVRoggeveen/cmt_benchmark. CMT-Benchmark was referenced in the Gemini 3 Deep Think (February 2026) release at https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/

Journal ref International Conference on Learning Representations (ICLR) main conference 2026

Kernel spectral joint embeddings for high-dimensional noisy datasets using duo-landmark integral operators

基于双地标积分算子的高维噪声数据集的核谱联合嵌入

Xiucai Ding, Rong Ma

机构 * Department of Statistics, University of California, Davis（统计系，加州大学戴维斯分校） ； Department of Biostatistics, T.H. Chan School of Public Health, Harvard University（生物统计系，哈佛大学T.H. Chan公共卫生学院） ； Department of Data Science, Dana-Farber Cancer Institute（数据科学系，达纳-法伯癌症研究所） ； Broad Institute of MIT and Harvard（哈佛大学和MIT Broad研究所） 纠错

AI总结 本文提出基于双地标积分算子的核谱联合嵌入方法，用于高维噪声数据集的整合分析，通过捕捉共享低维结构提升嵌入质量并增强下游任务性能。

Comments 57 pages, 16 figures

Scalable Mechanism Design for Multi-Agent Path Finding

可扩展的多智能体路径寻找机制设计

Paul Friedrich, Yulun Zhang, Michael Curry, Ludwig Dierks, Stephen McAleer, Jiaoyang Li, Tuomas Sandholm, Sven Seuken

机构 * ETH AI Center（瑞士联邦理工学院人工智能中心） ； University of Zurich（苏黎世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Harvard University（哈佛大学） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） ； Optimized Markets, Strategy Robot, Strategic Machine（优化市场、策略机器人、战略机器） 纠错

AI总结 本文提出三种可扩展的多智能体路径寻找机制设计方法，通过策略证明机制和近似算法提升路径规划的福利效果。

Comments 12 pages, 5 figures. IJCAI'24 camera-ready version

Multitask Learning with Stochastic Interpolants

具有随机插值的多任务学习

Hugo Negrel, Florentin Coeurdoux, Michael S. Albergo, Eric Vanden-Eijnden

机构 * Capital Fund Management（资本基金管理公司） ； Society of Fellows, Harvard University（哈佛大学 fellows 会） ； Machine Learning Lab（机器学习实验室） ； Courant Institute of Mathematical Sciences, New York University（纽约大学应用数学科学研究所） 纠错

AI总结 本文提出了一种基于算子的随机插值框架，用于构建能够完成多种任务的多功能生成模型，展示了其在多任务学习中的有效性。

EmoGRACE: Aspect-based emotion analysis for social media data

EmoGRACE：面向社交媒体数据的基于方面的情感分析

Christina Zorenböhmer, Sebastian Schmidt, Bernd Resch

机构 * Department of Geoinformatics - Z_GIS（地理信息学系 - Z_GIS） ； University of Salzburg（萨尔茨堡大学） ； Geosocial Artificial Intelligence（地理社交人工智能） ； Interdisciplinary Transformation University（跨学科转型大学） ； Center for Geographic Analysis（地理分析中心） ； Harvard University（哈佛大学） 纠错

AI总结 EmoGRACE通过生成首个ABEA训练数据集并微调BERT模型，提升了社交媒体数据的方面情感分析性能。

Fairness for Workers Who Pull the Arms: An Index Based Policy for Allocation of Restless Bandit Tasks

为拉臂的工人公平性：一种基于指数的分配 restless 带机任务政策

Arpita Biswas, Jackson A. Killian, Paula Rodriguez Diaz, Susobhan Ghosh, Milind Tambe

机构 * Harvard University（哈佛大学） 纠错

AI总结 本文提出了一种基于指数的分配策略，用于在资源受限条件下公平分配异质工人的 restless 带机任务，以提高干预计划的公平性和效率。

Comments 22nd International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2023), 10 pages

Interleaved Head Attention

交错头部注意力

Sai Surya Duvvuri, Chanakya Ekbote, Rachit Bansal, Rishabh Tiwari, Devvrit Khatri, David Brandfonbrener, Paul Liang, Inderjit Dhillon, Manzil Zaheer

机构 * Meta ； UT Austin（德克萨斯大学） ； UC Berkeley（伯克利大学） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

AI总结 交错头部注意力通过构造伪头实现跨头混合，提升多步推理效率，在多项式任务和顺序敏感任务中参数效率提高，实测在RULER和OpenThoughts上取得显著提升。

Equitable Evaluation via Elicitation

通过 elicitation 实现公平评估

Elbert Du, Cynthia Dwork, Lunjia Hu, Reid McIlroy-Young, Han Shao, Linjun Zhang

机构 * Harvard University（哈佛大学） ； Northeastern University（东北大学） ； University of Maryland（马里兰大学） ； Rutgers University（罗格斯大学） 纠错

AI总结 本文提出了一种交互式AI系统，通过elicitation准确评估技能并减少自我报告偏见，提升公平性。

Comments 27 pages, 3 figures, 2 tables

Robust AI Evaluation through Maximal Lotteries

通过最大彩票实现稳健的AI评估

Hadi Khalaf, Serena L. Wang, Daniel Halpern, Itai Shapira, Flavio du Pin Calmon, Ariel D. Procaccia

机构 * Harvard University（哈佛大学） 纠错

AI总结 本文提出稳健彩票方法，通过优化最坏性能来提升AI评估的鲁棒性，提供更可靠的胜率保证和稳定的高表现模型集合。

Slm-mux: Orchestrating small language models for reasoning

Slm-mux: 通过协调小型语言模型进行推理

Chenyu Wang, Zishen Wan, Hao Kang, Emma Chen, Zhiqiang Xie, Tushar Krishna, Vijay Janapa Reddi, Yilun Du

机构 * Harvard University（哈佛大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学） 纠错

AI总结 SLM-MUX通过协调多个小型语言模型提升推理准确性，实现比单个模型更高的性能。

Incentive-Aligned Multi-Source LLM Summaries

对齐激励的多源大语言模型摘要

Yanchen Jiang, Zhe Feng, Aranyak Mehta

机构 * Harvard University（哈佛大学） ； Google Research（谷歌研究） 纠错

AI总结 本文提出TTS框架，通过激励对齐提升多源摘要的事实准确性与稳健性，同时保持流畅性。

Comments Accepted at ICLR 2026

Probing Graph Neural Network Activation Patterns Through Graph Topology

通过图拓扑探测图神经网络激活模式

Floriano Tori, Lorenzo Bini, Marco Sorbi, Stéphane Marchand-Maillet, Vincent Ginis

机构 * Department of Computer Science, University of Geneva, Geneva, Switzerland（日内瓦大学计算机科学系） ； Research Institute for Statistics and Information Science, Geneva, Switzerland（日内瓦统计与信息科学研究所） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） 纠错

AI总结 本文通过分析图神经网络的激活模式，揭示了图拓扑与学习偏好之间的关系，发现全局注意力机制加剧了拓扑瓶颈并增加了负曲率的出现。

Transfer Learning in Infinite Width Feature Learning Networks

在无限宽度特征学习网络中进行迁移学习

Clarissa Lauditi, Blake Bordelon, Cengiz Pehlevan

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） ； Center for Mathematical Sciences and Applications（数学科学与应用中心） ； Kempner Institute for the Study of Natural and Artificial Intelligence（自然与人工智能研究 institute） ； Harvard University（哈佛大学） 纠错

AI总结 该研究提出在无限宽神经网络中迁移学习的理论，分析预训练对泛化能力的影响，并通过实验验证了不同任务设置下的性能表现。

Inner Speech as Behavior Guides: Steerable Imitation of Diverse Behaviors for Human-AI coordination

内部言语作为行为引导：为人类-人工智能协调的可操控模仿

Rakshit Trivedi, Kartik Sharma, David C Parkes

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Harvard University（哈佛大学） 纠错

AI总结 MIMIC通过语言作为内部表示，利用视觉语言模型和扩散策略实现人类-人工智能协调中的行为引导与多样化的模仿控制。

Comments Spotlight paper at NeurIPS 2025

Noise-enabled goal attainment in crowded collectives

在拥挤集体中引入噪声以实现目标到达

Lucy Liu, Justin Werfel, Federico Toschi, L. Mahadevan

机构 * John A. Paulson School of Engineering and Applied Sciences, Harvard University, Cambridge, MA 02138（约翰·A·保罗森工程与应用科学学院，哈佛大学，马萨诸塞州剑桥02138） ； Department of Applied Physics and Science Education, Eindhoven University of Technology, Eindhoven 5600 MB, The Netherlands（应用物理与科学教育系，埃因霍温理工大学，埃因霍温5600 MB，荷兰） ； Department of Physics, Harvard University, Cambridge, MA 02138（物理系，哈佛大学，马萨诸塞州剑桥02138） ； Department of Organismic and Evolutionary Biology, Harvard University, Cambridge, MA 02138（有机与进化生物学系，哈佛大学，马萨诸塞州剑桥02138） 纠错

AI总结 本文通过引入噪声减少交通拥堵并提高目标到达效率，探索了拥挤环境中鲁棒、去中心化的导航方法。

Journal ref Proceedings of the National Academy of Sciences, 123(7), e2519032123 (2026)