Explore Beyond the Boundary Using Entropic Information
利用熵信息探索边界之外
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 针对强化学习中稀疏与延迟奖励的探索难题，本文提出ENTINEX方法，利用熵信息识别状态分布边界并分配内在奖励，实验表明其性能优于现有方法。
高校专区
Korea Advanced Institute of Science and Technology（韩国科学技术院）
Learning from Adversity: Semantic-Aware Mask Refinement through Adversarial Perturbation
从逆境中学习：通过对抗性扰动实现语义感知的掩码细化
机构 * NAVER Cloud（NAVER云） ； KAIST（韩国科学技术院）
AI总结 提出Phoenix框架，用对抗学习生成语义噪声、对比学习建模细化关系，在图像分割掩码细化任务中性能优于现有方法，可提升先进分割模型。
Comments ECCV 2026
A Multi-Agent System for Motor Design Optimization via an FEA-AI Hybrid Approach
基于FEA-AI混合方法的IPMSM设计优化多智能体系统
机构 * Cho Chun Shik Graduate School of Mobility, KAIST（KAIST Cho Chun Shik 移动研究生院） ； Department of Mechanical Engineering, Hanyang University（汉阳大学机械工程系） ； Narnia Labs
AI总结 提出一种端到端自动化IPMSM设计优化框架，通过RAG结构化问题定义与不确定性感知的FEA-AI混合优化流水线，平衡计算成本与预测可靠性，在同等FEA预算下优于纯FEA或纯AI方法。
Comments 37 pages, 31 figures
PAIR: Prefix-Aware Internal Reward Model for Multi-Turn Agent Optimization
PAIR：面向多轮代理优化的前缀感知内部奖励模型
机构 * KAIST（韩国科学技术院） ； Yonsei University（延世大学）
AI总结 本文提出PAIR模型，通过结合冻结的隐藏状态探针和轻量级注意力头部，解决多轮任务中内部正确性探针的可靠性问题，从而在不依赖外部模型调用或地面真实依赖的情况下，为GRPO训练提供密集的步骤级奖励信号。
Comments Under Review
Detecting AI-Generated Videos with Spiking Neural Networks
利用脉冲神经网络检测生成视频
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 本文提出MAST检测器，通过脉冲神经网络处理多通道时间残差，利用语义编码器实现跨生成器泛化，实现93.14%的准确率，展示脉冲神经网络在生成视频检测中的实用性。
Adaptive Policy Backbone via Shared Network
基于共享网络的自适应策略骨干网络
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 该研究提出元迁移强化学习方法APB，通过在共享网络前后插入轻量级线性层实现参数高效微调，提升了强化学习的样本效率，且能适配现有元RL基线通常失效的分布外任务。
Journal ref Forty-third International Conference on Machine Learning (ICML), 2026
