Massachusetts Institute of Technology（麻省理工学院）

Evaluating Accuracy of Vine Robot Shape Sensing with Distributed Inertial Measurement Units

评估藤蔓机器人形状感知的准确性：使用分布式惯性测量单元

Alexis E. Laudenslager, Antonio Alvarez Valdivia, Nathaniel Hanson, Margaret McGuinness

机构 * Department of Aerospace and Mechanical Engineering, University of Notre Dame（内布拉斯加大学达文波特分校航空航天与机械工程系） ； Lincoln Laboratory, Massachusetts Institute of Technology（麻省理工学院林肯实验室） 纠错

AI总结 本研究通过实验评估了藤蔓机器人使用分布式IMUs进行形状感知的准确性，发现主动转向和不同长度下误差变化，并探讨了传感器间距对误差的影响。

The Subjectivity of Monoculture

单株的主观性

Nathanael Jo, Nikhil Garg, Manish Raghavan

机构 * MIT, Cambridge, USA（麻省理工学院，剑桥，美国） 纠错

AI总结 本文探讨了机器学习模型间高度一致性的主观性，指出评估单株现象需依赖基线模型和情境选择，通过实验验证不同假设下的推断差异。

Forecasting Future Language: Context Design for Mention Markets

预测未来语言：提及市场中的上下文设计

Sumin Kim, Jihoon Kwon, Yoon Kim, Nicole Kagan, Raffi Khatchadourian, Wonbin Ahn, Alejandro Lopez-Lira, Jaewon Lee, Yoontae Hwang, Oscar Levy, Yongjae Lee, Chanyeol Choi

机构 * LinqAlpha ； Massachusetts Institute of Technology（麻省理工学院） ； Kalshi ； IBM ； LG AI Research（LG AI研究） ； University of Florida（佛罗里达大学） ； Seoul National University（首尔国立大学） ； Pusan National University（釜山国立大学） ； University of California, Berkeley（加州大学伯克利分校） ； UNIST（全南国立大学） 纠错

AI总结 本文研究了提及市场中上下文设计对预测准确性的影响，提出市场条件提示（MCP）方法，通过结合市场概率和文本证据提升预测鲁棒性。

Comments 10 pages

Off-Road Navigation via Implicit Neural Representation of Terrain Traversability

越野导航 via 隐式神经表示的地形可通行性

Yixuan Jia, Qingyuan Li, Jonathan P. How

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 TRAIL通过隐式神经表示建模地形可通行性，结合梯度优化方法实现路径和速度的自适应调整，提升越野导航性能。

Comments Full version: 10 pages

RE-PO: Robust Enhanced Policy Optimization as a General Framework for LLM Alignment

RE-PO：一种用于大语言模型对齐的鲁棒增强策略优化通用框架

Xiaoyang Cao, Zelai Xu, Mo Guang, Kaiwen Long, Michiel A. Bakker, Yu Wang, Chao Yu

机构 * IDSS, Massachusetts Institute of Technology（IDSS，麻省理工学院） ； EE, Tsinghua University（电子工程系，清华大学） ； Li Auto Inc.（力汽车公司） ； SIGS, Tsinghua University（系统工程系，清华大学） 纠错

AI总结 RE-PO是一种用于大语言模型对齐的鲁棒增强策略优化通用框架，通过期望最大化程序推断标签正确性并自适应加权数据点以减轻噪声，提升对齐效果。

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

Partition Function Estimation under Bounded f-Divergence

在有限 f-散度下的分区函数估计

Adam Block, Abhishek Shetty

机构 * Columbia University（哥伦比亚大学） ； MIT（麻省理工学院） 纠错

AI总结 在有限 f-散度下，研究了分区函数估计的样本复杂性，通过整合覆盖轮廓提出新方法，统一了重要性采样等方法的分析，并扩展到厚尾区域。

Printed helicoids with embedded air channels make sensorized segments for soft continuum robots

具有嵌入空气通道的打印螺旋体使软连续机器人成为传感段

Annan Zhang, Hanna Matusik, Miguel Flores-Acton, Emily R. Sologuren, Joshua Jacob, Daniela Rus

机构 * MIT Computer Science & Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 本研究提出了一种嵌入空气通道的螺旋体结构，用于制造具有传感功能的软连续机器人段，通过多材料打印技术集成压力传感器和IMUs，实现了对变形的分布式传感，并展示了可扩展的软臂应用。

Comments Accepted for publication in the proceedings of the 2026 IEEE 9th International Conference on Soft Robotics (RoboSoft)

NuBench: An Open Benchmark for Deep Learning-Based Event Reconstruction in Neutrino Telescopes

NuBench：一种用于中微子望远镜基于深度学习的事件重建的开放基准

Rasmus F. Orsoe, Stephan Meighen-Berger, Jeffrey Lazar, Jorge Prado, Ivan Mozun-Mateo, Aske Rosted, Philip Weigel, Arturo Llorente Anaya

机构 * Physik-department, Technische Universit\" a t M\" u nchen, D-85748 Garching, Germany ； School of Physics, The University of Melbourne, Victoria 3010, Australia ； Center for Cosmology ； AstroParticle Physics (CCAPP), Ohio State University, Columbus, OH 43210, USA ； University of Iowa, 30 N Dubuque St, Iowa City, IA, 52242, United States of America ； IFIC - Instituto de F\' i sica Corpuscular (CSIC - Universitat de Val\' e ncia), c/Catedr\' a tico Jos\' e Beltr\' a n, 2, 46980 Paterna, Valencia, Spain ； LPC CAEN, Normandie Univ, ENSICAEN, UNICAEN, CNRS/IN2P3, 6 boulevard Mar\' e chal Juin, Caen, 14050 France ； The International Center for Hadron Astrophysics, Chiba University, Chiba 263-8522, Japan ； Dept. of Physics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA 纠错

AI总结 NuBench为中微子望远镜事件重建提供开放基准，评估四种深度学习算法在多个核心任务上的性能。

Comments Prepared for JINST. Updated Acknowledgements

Semantic Regexes: Auto-Interpreting LLM Features with a Structured Language

语义正则表达式：通过结构化语言自动解释LLM特性

Angie Boggust, Donghao Ren, Yannick Assogba, Dominik Moritz, Arvind Satyanarayan, Fred Hohman

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Apple（苹果公司） 纠错

AI总结 语义正则表达式通过结构化语言自动解释LLM特性，提供精确且简洁的特征描述，提升模型可解释性分析的准确性和一致性。

Comments ICLR 2026