高校专区
在噪声下子模函数最大化的一种统一方法
机构 * Google Mountain View, CA（谷歌山景城） ； Yale University（耶鲁大学） ； Harvard University（哈佛大学）
AI总结 本文提出了一种统一方法，在噪声环境下实现子模函数最大化，通过 meta 算法将稳健算法转换为噪声环境下的算法，获得不同约束下的近似结果。
Comments Accepted by NeurIPS 2025
最大熵强化学习与流匹配及LQR问题的案例研究
机构 * School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Harvard University（哈佛大学） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院）
AI总结 本文提出了一种基于流模型的SAC变体，通过重要性采样流匹配技术提升策略更新效率，并在LQR问题中验证了其学习最优动作分布的能力。
三维形状生成中的记忆现象：一项实证研究
机构 * Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
AI总结 本文通过实证研究探讨了3D生成模型中记忆现象的影响因素，并提出减少记忆的策略以提升生成多样性。
痕迹推理：通过压缩信标实现的内存高效推理
机构 * Cornell University（康奈尔大学） ； Harvard University（哈佛大学）
AI总结 本研究提出通过压缩信标实现内存高效推理，利用联合蒸馏和强化学习框架优化缓存压缩，提升大语言模型在长上下文推理中的内存与准确性平衡。
应用驱动的机器学习创新
机构 * McGill University（麦吉尔大学） ； Mila -- Quebec AI Institute, Montreal, Canada（魁北克AI研究所） ； University of Toronto（多伦多大学） ； Vector Institute, Toronto, Canada（向量研究所） ； Massachusetts Institute of Technology, Cambridge, USA（麻省理工学院） ； University of Southern California, Los Angeles, USA（南加州大学） ； Arizona State University, Tempe, USA（亚利桑那州立大学） ； Inria Paris, Paris, France（巴黎研究所） ； University of Colorado Boulder, Boulder, USA（科罗拉多大学博尔德分校） ； Harvard University, Cambridge, USA（哈佛大学） ； University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute, Edmonton, Canada（阿尔伯塔人工智能研究所）
AI总结 本文探讨了应用驱动研究在机器学习中的重要性，指出其对算法创新和领域影响的潜力，并提出改进现有评估和教学实践的建议。
Comments 12 pages, 3 figures
Journal ref Published at ICML 2024 in the Position Papers track
利用机器学习的扩散磁共振成像
机构 * Harvard Medical School and Boston Children’s Hospital（哈佛医学院和波士顿儿童医院）
AI总结 本文探讨了机器学习在扩散磁共振成像分析中的应用，评估了现有方法的优缺点，并提出了未来研究的方向。
基础模型发现了什么？利用归纳偏置来探测世界模型
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院）
AI总结 该研究通过归纳偏置探测技术揭示基础模型在适应新任务时无法捕捉底层世界模型结构的问题。
Comments To appear in ICML 2025
泊松过程主题模型：整合预训练语言模型的知识
机构 * Harvard University（哈佛大学）
AI总结 本文提出基于泊松过程的主题模型，利用预训练语言模型的嵌入信息，改进传统主题建模方法，通过净圆整和核平滑增强，实现更高效的主题估计和收敛性分析。
Comments 96 pages
NLCG-Net：一种用于欠采样定量磁共振成像重建的基于模型的零样本学习框架
机构 * Fudan University（复旦大学） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） ； Stanford University（斯坦福大学） ； Zhejiang University（浙江大学）
AI总结 NLCG-Net通过结合U-Net正则化器和单指数信号建模，实现了基于模型的零样本学习，用于高加速因子下的T2/T1定量磁共振成像重建。
Comments 5 pages, 5 figures, accepted by International Society for Magnetic Resonance in Medicine 2024
GQ-VAE：一种门控量化变分自编码器，用于学习可变长度令牌
机构 * Kempner Institute, Harvard University（哈佛大学凯姆纳研究所）
AI总结 GQ-VAE通过门控量化变分自编码器实现可变长度令牌学习，提升了压缩和语言建模性能，并在下游语言模型学习中表现更优。
倾斜匹配用于可扩展的采样与微调
机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Kempner Institute（凯普纳研究所） ； IAIFI
AI总结 本文提出了一种基于倾斜匹配的算法，用于高效且可扩展地进行生成模型采样与微调，无需奖励梯度或轨迹反向传播。
SlowFast-SCI: 慢-快深度展开学习用于光谱压缩成像
机构 * Harvard University（哈佛大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiaotong University（上海交通大学） ； City University of Hong Kong（香港城市大学） ； Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 SlowFast-SCI是一种双速深度展开框架，通过预训练和自适应模块实现高效自适应的光谱重建，显著提升参数效率和适应速度。
Comments 10 pages
统计学习与深度学习模型用于估计美国物质过量死亡率
机构 * Harvard University（哈佛大学） ； Boston Children's Hospital（波士顿儿童医院） ； Broad Institute of MIT and Harvard（MIT和哈佛联合研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard Medical School（哈佛医学院）
AI总结 本文比较了统计模型与深度学习模型在预测美国物质过量死亡率方面的性能，发现LSTM在预测结构变化时表现更优，而基于注意力的模型因过度拟合历史数据而表现不佳。
动态注意力（DynAttn）：可解释的高维时空预测（应用于冲突死亡人数）
机构 * Harvard University, Institute for Quantitative Social Science（哈佛大学量化社会科学研究所） ； Stockholm University Demography Unit（斯德哥尔摩大学人口学单位） ； Malmö University, Department of Global Political Studies（马尔默大学全球政治研究系） ； University of Catania, Department of Political and Social Sciences（卡塔尼亚大学政治与社会科学系） ； University of Toronto, Graduate School of Public and International Affairs（多伦多大学公共与国际事务研究生院）
AI总结 DynAttn通过动态注意力机制实现高维时空预测，应用于冲突死亡人数预测，提供可解释的预测结果和结构化分析。
统一的脑表面和体积配准
机构 * MIT Computer Science and Artificial Intelligence Laboratory（MIT计算机科学与人工智能实验室） ； Massachusetts General Hospital, Harvard Medical School（麻省总医院，哈佛医学院） ； Université Paris Cité, INRIA（巴黎Cité大学，INRIA） ； LIX, CNRS, École Polytechnique（LIX，CNRS，巴黎高等理工学院）
AI总结 NeurAlign通过统一的体积和表面表示，实现了更准确、快速且易用的脑皮层和皮下区域配准，提升了Dice分数并显著提高了效率。
FrontierMath: 一个评估人工智能高级数学推理能力的基准
机构 * Epoch AI ； University of Leicester（利兹大学） ； RWTH Aachen University（亚琛工业大学） ； King’s College London（伦敦大学国王学院） ； University of Bristol（布里斯托大学） ； Iowa State University（爱荷华州立大学） ； MIT（麻省理工学院） ； University of North Carolina（北卡罗来纳大学） ； CNRS - Université Paris-Saclay（法国国家科学研究中心-巴黎-萨克雷大学） ； University of Siegen（锡根大学） ； Knox College at Charlotte（夏洛特克恩学院） ； James Madison University（詹姆斯麦迪逊大学） ； ICMC, USP（巴西圣保罗大学ICMC分校） ； Masaryk University（马萨里克大学） ； UC Berkeley（伯克利加州大学） ； Cornell University（康奈尔大学） ； Rutgers University（罗格斯大学） ； Harvard University（哈佛大学） ； ETH Zurich（苏黎世联邦理工学院） ； Independent（独立研究者）
AI总结 FrontierMath是一个由专家数学家设计的数学问题基准，用于评估AI在高级数学推理能力上的表现，揭示了当前AI与数学界能力之间的显著差距。
主动卷积照明与深度迁移学习用于大气湍流中复杂光束传输
机构 * Department of Electrical and Computer Engineering, Michigan Technological University（密歇根技术大学电气与计算机工程系） ； Geological and Mining Engineering and Sciences, Michigan Technological University（密歇根技术大学地质与采矿工程系） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院）
AI总结 本文提出将主动卷积照明与深度学习结合，通过迁移学习方法提升在湍流环境中的光束传输性能。
对POD与自动编码器在室内心脏流动中模式比较的批判性评估
机构 * Center for Computational Simulation (CCS)（计算模拟中心（CCS）） ； 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 本文批判性评估了POD与不同AE变体在室内心脏流动中模式比较的性能，揭示了AEs在特定潜在空间配置下可再现POD-like结构，但需谨慎选择模式以确保物理意义的表示。
Comments 27 pages, 9 figures
反向馈送3D重建与视角合成的进展：综述
机构 * NTU（国立台湾大学） ； Caltech（加州理工学院） ； Westlake University（西湖大学） ； UCSD（加州大学圣地亚哥分校） ； University of Oxford（牛津大学） ； Nanjing University（南京大学） ； HKU（香港大学） ； University of Cambridge（剑桥大学） ； Hillbot ； MPI for Informatics（信息研究所） ； Harvard University（哈佛大学） ； MIT（麻省理工学院）
AI总结 本文综述了反向馈送方法在3D重建与视角合成中的进展，涵盖多种表示架构及应用，探讨了关键任务和未来研究方向。
Comments A project page associated with this survey is available at https://fnzhan.com/projects/Feed-Forward-3D
弦乐器演奏中指位对泛音的影响
机构 * Department of Physics, Harvard University, Cambridge, MA 02138（物理系，哈佛大学，马萨诸塞州剑桥市，02138） ； Department of Chemistry and Chemical Biology, Harvard University, Cambridge, MA 02138（化学与生物化学系，哈佛大学，马萨诸塞州剑桥市，02138）
AI总结 研究发现大提琴演奏中，指位向琴码移动会增加泛音深度但减少手指幅度，揭示了补偿泛音行为的出现与限制。
CoPE：一种可调节且可扩展的内容标注小语言模型
机构 * Stanford University（斯坦福大学） ； Harvard University（哈佛大学）
AI总结 CoPE是一种可调节且可扩展的内容标注小语言模型，通过矛盾示例训练和双目标注方法，实现高效准确的内容标注，并在小规模下达到与前沿模型相当的性能。
Comments 21 pages, 2 figures, 7 tables
基于大语言模型的加速偏好获取
机构 * Harvard University（哈佛大学） ； King's College London（伦敦国王学院） ； Boston College（波士顿学院） ； Input Output
AI总结 本文提出了一种基于大语言模型的高效偏好获取方法，通过减少查询次数实现更高效的偏好近似。
Comments In Proceedings of The 21st Conference on Web and Internet Economics (WINE '25)
PowerMamba：电力系统时间序列预测的深度状态空间模型与综合基准
机构 * Department of Electrical and Computer Engineering, Texas A&M University（电气与计算机工程系，德克萨斯A&M大学） ； School of Engineering and Applied Sciences, Harvard University（工程与应用科学系，哈佛大学）
AI总结 PowerMamba提出一种结合传统状态空间模型和深度学习的方法，用于电力系统时间序列预测，通过高分辨率外部预测提升预测精度并减少参数量。
Comments This paper has been accepted for publication in the Journal of IEEE Transactions on Power Systems
ReX-MLE：医疗影像挑战的自主代理基准
机构 * Harvard Medical School（哈佛医学院） ； Department of Biomedical Informatics（生物医学信息学系）
AI总结 ReX-MLE是一个针对医学影像挑战的自主代理基准，通过评估端到端工作流程，揭示了现有代理在领域知识和工程能力上的不足。
一种用于各种中枢神经系统肿瘤类型和采集时间点的统一FLAIR高亮分割模型
机构 * Department of Health Research, SINTEF Digital（健康研究部，SINTEF数字） ； Department of Clinical Neuroscience, Institute of neuroscience and physiology, University of Gothenburg（临床神经科学部，神经科学与生理学研究所，哥德堡大学） ； Department of Neurosurgery, Sahlgrenska University Hospital（神经外科部，萨尔贝格大学医院） ； Department of Neurosurgery, Brigham and Women’s Hospital, Harvard Medical School（神经外科部，布里格姆和妇女医院，哈佛医学院） ； Department of Neurosurgery, Karolinska University Hospital（神经外科部，卡罗林斯卡大学医院） ； Department of Neurosurgery, Linköping University Hospital（神经外科部，林奈大学医院） ； Department of Neurosurgery, Skåne University Hospital（神经外科部，斯德哥尔摩大学医院） ； Department of Clinical Science, Umeå University（临床科学部，乌梅大学） ； Department of Neurosurgery, Haukeland University Hospital（神经外科部，豪克兰大学医院） ； Department of Neurosurgery, University Hospital of North Norway（神经外科部，北挪威大学医院） ； Department of Neuromedicine and Movement Science, Norwegian University of Science and Technology（神经医学与运动科学部，挪威科学技术大学） ； Department of Neurosurgery, St. Olavs University Hospital（神经外科部，圣奥拉夫大学医院） ； Department of Circulation and Medical Imaging, Norwegian University of Science and Technology（循环与医学成像部，挪威科学技术大学）
AI总结 本文提出了一种统一的FLAIR高亮分割模型，适用于多种中枢神经系统肿瘤类型和采集时间点，通过注意力U-Net架构实现高精度分割，提升了临床应用的可行性。
Comments 13 pages, 4 figures
为大型语言模型建立女性健康基准
机构 * Lumos AI ； Medical Oncology, Yale Cancer Center（耶鲁癌症中心医学肿瘤学部） ； Obstetrics and Gynecology, MGH, Harvard Medical School（妇产科，MGH，哈佛医学院） ； Obstetrics, Gynecology & Reproductive Sciences, UCSF（妇产科与生殖科学，UCSF） ； Brown Division of Global Emergency Medicine（全球急诊医学部，布朗分部） ； Department of Emergency Medicine, Emory University（急诊医学部，埃默里大学） ； Pharmacy Department, Clinic Ottakring（药学部，克利克诊所） ； Windrush Surgery, Buckinghamshire, Oxfordshire and Berkshire West Integrated Care Board, NHS（温德许手术，贝肯ham郡，牛津郡和伯克希尔西部整合护理委员会，NHS） ； Women’s Health Research, Yale School of Medicine（女性健康研究，耶鲁医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院）
AI总结 本文提出女性健康基准，评估LLM在女性健康领域的表现，发现现有模型在关键任务上存在显著缺陷，需进一步改进以提供可靠医疗建议。
Comments 15 pages, 6 Figures, 2 Tables
OPENTOUCH：将全手触觉带入现实世界交互
机构 * MIT（麻省理工学院） ； Duke University（杜克大学） ； Brown University（布朗大学） ； University of Washington（华盛顿大学） ； Harvard University（哈佛大学）
AI总结 OpenTouch是首个现实场景的第一人称全手触觉数据集，通过同步视频-触觉-姿态数据和详细注释，推动多模态感知和机器人操作研究。
Comments https://opentouch-tactile.github.io/
刑事司法中的替代公平与准确性优化
机构 * Harvard University（哈佛大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出在刑事司法中通过优化误差损失和控制假阴性率差异来提升公平与准确性的方法，并提供部署框架以确保决策系统的合法性。
Comments AAAI 2026, Singapore (AIGOV)
Journal ref AAAI 2026, Singapore (AIGOV)
深度生成先验用于3D脑分析
机构 * Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（阿提诺拉A.马丁诺斯生物医学成像中心、麻省总医院和哈佛医学院） ； Department of Neurology, Massachusetts General Hospital（麻省总医院神经科） ； Hawkes Institute, University College London（霍克斯研究所、伦敦大学学院） ； Danish Research Centre for Magnetic Resonance Department of Radiology and Nuclear Medicine, Copenhagen University Hospital – Amager and Hvidovre（丹麦磁共振研究中心放射科和核医学科、哥本哈根大学医院-阿马格和赫维多雷） ； Computer Science & Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology（计算机科学与人工智能实验室（CSAIL）、麻省理工学院）
AI总结 本文提出利用扩散模型作为先验，解决多种医学影像逆问题，通过训练和灵活的正向模型提升解剖结构的保真度，实现高质量的3D脑分析。
你无法了解一个人，你只能了解他们的防御：在支持性对话中检测心理防御机制的层次
机构 * University of Technology Sydney（悉尼技术大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University of Utah（犹他大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Harvard University（哈佛大学） ； The University of Sydney（悉尼大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； University of Turku（图尔库大学）
AI总结 本文提出PsyDefConv语料库和DMRS Co-Pilot流程，用于检测支持性对话中心理防御机制的层次，通过标注和实验验证其有效性。
Comments Under Review
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