Korea Advanced Institute of Science and Technology（韩国科学技术院）

LoCar: Localization-Aware Evaluation of In-Vehicle Assistants through Fine-Grained Sociolinguistic Control

LoCar: 通过细粒度社会语言学控制评估车载助手的本地化

Seogyeong Jeong, Kiwoong Park, Seyoung Song, Eunsu Kim, Ken E. Friedl, Jaeho Kim, Alice Oh

机构 * KAIST（韩国科学技术院） ； BMW Group（宝马集团） 纠错

AI总结 本文提出了一种新的车载助手评估框架，专注于韩语本地化，揭示了当前LLM在细粒度韩语敬语控制方面的不稳定性以及策略性对话指标上的表现不足，强调了汽车AI需要向精确语言定制和可靠安全交互管理发展。

Comments To appear in ACL 2026 Industry Track

Grounding Driving VLA via Inverse Kinematics

通过逆运动学接地驾驶VLA

Junsung Park, Hyunjung Shim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； KimJaeChul AI Graduate School（金 JaeChul人工智能研究生院） 纠错

AI总结 本文提出通过逆运动学求解器重新设计驾驶VLA，以解决轨迹预测中对视觉token的忽略问题，通过引入视觉状态预测和逆运动学网络，提升了视觉接地和轨迹规划性能。

FlowLong: Inference-time Long Video Generation via Manifold-constrained Tweedie Matching

FlowLong: 通过流形约束的 Tweedie 匹配实现推理时的长视频生成

Jangho Park, Geon Yeong Park, Gihyun Kwon, Jong Chul Ye

机构 * KAIST（韩国科学技术院） ； Amazon（亚马逊） 纠错

AI总结 本文提出了一种新的推理时长视频生成方法，通过流形约束的Tweedie匹配在重叠滑动窗口中生成长视频，同时保持时间和空间一致性，并且无需额外训练。

Comments Project Page: https://flowlong-video.github.io/

Accelerating Video Inverse Problem Solvers with Autoregressive Diffusion Models

用自回归扩散模型加速视频逆问题求解器

Taesung Kwon, Jonghyun Park, Hyungjin Chung, Jong Chul Ye

机构 * KAIST（韩国科学技术院） ； EverEx 纠错

AI总结 本文提出自回归视频逆问题求解器（AVIS），通过自回归扩散模型实现流式视频恢复，显著降低初始延迟并提高吞吐量，同时保持高质量的恢复效果，并进一步提出加速变体AVIS Flash，实现更高的吞吐量和更优的效率-性能权衡，为实时部署铺平道路。

Comments Project page is available here: https://avis-project.github.io/

Generative Recursive Reasoning

生成性递归推理

Junyeob Baek, Mingyu Jo, Minsu Kim, Mengye Ren, Yoshua Bengio, Sungjin Ahn

机构 * KAIST（韩国科学技术院） ； Mila – Québec AI Institute（魁北克人工智能研究所） ； New York University（纽约大学） ； Université de Montréal（蒙特利尔大学） 纠错

AI总结 本文提出Gram框架，通过将递归潜在推理转化为概率多轨迹计算，解决了传统递归推理模型的确定性问题，实现了条件推理和无条件生成。

Towards Autonomous Mechanistic Reasoning in Virtual Cells

向虚拟细胞中的自主机理推理迈进

Yunhui Jang, Lu Zhu, Jake Fawkes, Alisandra Kaye Denton, Dominique Beaini, Emmanuel Noutahi

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Valence Labs（Valence实验室） ； University College London（伦敦大学学院） 纠错

AI总结 本文提出了一种结构化解释形式化方法，用于虚拟细胞中的生物推理，通过机理动作图实现系统验证和反驳，并引入VCR-Agent多智能体框架，结合生物基础知识检索和基于验证器的过滤方法，生成并验证机理推理。

DNACHUNKER: Learnable Tokenization for DNA Language Models

DNACHUNKER: 用于DNA语言模型的可学习分词

Taewon Kim, Jihwan Shin, Hyomin Kim, Youngmok Jung, Jonghoon Lee, Won-Chul Lee, Sungsoo Ahn, Insu Han

机构 * Graduate School of AI, KAIST（韩国科学技术院人工智能研究生院） ； Department of Electrical Engineering, KAIST（韩国科学技术院电气工程系） ； Inocras Korea Inc.（Inocras韩国公司） 纠错

AI总结 本文提出DNACHUNKER，一种可学习的DNA分词方法，通过动态分段模块生成上下文依赖的变长单元，提升DNA语言模型在基因组序列处理中的鲁棒性和效率。

Comments ICML 2026 camera-ready version

Universal Reasoner: A Single, Composable Plug-and-Play Reasoner for Frozen LLMs

Universal Reasoner: 一个单一、可组合的即插即用推理器用于冻结的LLM

Jaemin Kim, Hangeol Chang, Hyunmin Hwang, Choonghan Kim, Jong Chul Ye

机构 * Graduate School of Artificial Intelligence, Korea Advanced Institute of Science and Technology（人工智能研究生院，韩国科学技术院） 纠错

AI总结 本文提出Universal Reasoner，一种可组合且即插即用的推理模块，能够在冻结的大规模语言模型上提供专门的推理能力，通过共享或对齐的token空间实现弱到强的泛化，实验表明其在数学推理和机器翻译中优于现有微调方法。

Comments ICML 2026

Computational-Statistical Trade-off in Kernel Two-Sample Testing with Random Fourier Features

核两样本检验中计算与统计的权衡：随机傅里叶特征

Ikjun Choi, Ilmun Kim

机构 * Department of Statistics and Data Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校统计与数据科学系） ； Department of Mathematical Sciences, KAIST（韩国科学技术院数学科学系） 纠错

AI总结 本文研究了使用随机傅里叶特征近似MMD检验在计算复杂度与统计功效之间的权衡，证明通过合理选择随机特征数量可以在亚二次时间内达到与MMD检验相同的最小最大分离率。

How You Move Tells What You'll Do: Trajectory-Conditioned Egocentric Prediction

如何移动决定了将来的行动：轨迹条件的自身视角预测

Sejoon Jun, Hai Nguyen-Truong, Luigi Seminara, Lorenzo Torresani

机构 * Khoury College of Computer Sciences, Northeastern University, Boston（北德文斯克学院，东北大学，波士顿） ； Korea Advanced Institute of Science and Technology, Daejeon（韩国科学技术院，大田） ； Department of Mathematics and Computer Science, University of Catania, Italy（卡塔尼亚大学数学与计算机科学系，意大利） 纠错

AI总结 该研究通过轨迹条件自身视角预测，发现轨迹能更精确地表达意图，从而在任务规划中优于语言条件，且在预测时无需观察轨迹即可获得显著优势。

Comments Project page: https://farsightlab.github.io/TrajPilot

TreeText-CTS: Compact, Source-Traceable Tree-Path Evidence for Irregular Clinical Time-Series Prediction

TreeText-CTS: 用于不规则临床时间序列预测的紧凑、可追溯的树路径证据

Kwanhyung Lee, Juhwan Choi, Jongheon Kim, Joohyung Lee, Hyeongwon Jang, Eunho Yang

机构 * Kim Jaechul Graduate School of AI, KAIST（金 Jaechul人工智能研究生院，韩国科学技术院） 纠错

AI总结 本文提出TreeText-CTS，一种用于不规则临床时间序列预测的紧凑、可追溯的树路径证据方法，通过冻结XGBoost模型生成多尺度窗口摘要，并将激活的树路径转换为确定性、可追溯的证据单元，从而在多个数据集上实现了最佳的AUROC和AUPRC性能。

Comments 27 pages, 4 figures

It Takes Two: Complementary Self-Distillation for Contextual Integrity in LLMs

需要两人：互补的自我蒸馏用于大语言模型中的上下文完整性

Sangwoo Park, Woongyeong Yeo, Seanie Lee, Yumin Choi, Hyomin Lee, Kangsan Kim, Jinheon Baek, Seong Joon Oh, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本文提出SELFCI框架，通过分离信息抑制与任务解决，解决大语言模型中隐私与效用的权衡问题，通过互补的自我蒸馏方法提升上下文完整性。

Comments 28 pages, 16 figures

Automated Kernel Discovery Towards Understanding High-dimensional Bayesian Optimization

面向高维贝叶斯优化理解的自动核发现

Taeyoung Yun, Woocheol Shin, Inhyuck Song, Jaewoo Lee, Jinkyoo Park

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 本文提出了一种基于大语言模型的进化框架，用于高维贝叶斯优化中的自动核发现，通过扩展核空间并避免依赖观测条件，提高了高维问题中核设计的有效性。

Comments 36 pages, 27 figures, 12 tables

Quantum End-to-End Learning for Contextual Combinatorial Optimization

量子端到端学习用于上下文组合优化

Jaehwan Lee, Changhyun Kwon

机构 * KAIST（韩国科学技术院） ； Omelet 纠错

AI总结 本文提出量子端到端学习框架QEL，用于解决上下文组合优化问题，通过量子近似优化算法实现端到端训练，有效捕捉上下文、不确定系数和最优解之间的复杂关系，避免调用NP难优化求解器，展现出在量子时代应用的潜力。

Comments 23 pages, 2 figures, preprint