Massachusetts Institute of Technology（麻省理工学院）

Physically Valid Biomolecular Interaction Modeling with Gauss-Seidel Projection

基于高斯-塞德尔投影的物理有效生物分子相互作用建模

Siyuan Chen, Minghao Guo, Caoliwen Wang, Anka He Chen, Yikun Zhang, Jingjing Chai, Yin Yang, Wojciech Matusik, Peter Yichen Chen

机构 * University of British Columbia（不列颠哥伦比亚大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； NVIDIA（英伟达） ； Peking University（北京大学） ； Foundry Biosciences（Foundry 生物科技） ； University of Utah（犹他大学） 纠错

AI总结 本文提出了一种基于高斯-塞德尔投影的生物分子相互作用建模方法，通过强制物理有效性约束提升结构准确性，实现高效且稳定的去噪过程。

Same Error, Different Function: The Optimizer as an Implicit Prior in Financial Time Series

相同误差，不同函数：在金融时间序列中的优化器作为隐式先验

Federico Vittorio Cortesi, Giuseppe Iannone, Giulia Crippa, Tomaso Poggio, Pierfrancesco Beneventano

机构 * Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院） ； Princeton University, Princeton, NJ, USA（普林斯顿大学） 纠错

AI总结 研究探讨了在金融时间序列中，不同优化器选择如何导致不同函数学习，进而影响投资决策和夏普比率-换手率关系。

Comments 39 pages, 24 figures

Diffusion-MPC in Discrete Domains: Feasibility Constraints, Horizon Effects, and Critic Alignment: Case study with Tetris

离散领域中的扩散-MPC：可行性约束、时间范围效应与批评者对齐：以Tetris为例

Haochuan Kevin Wang

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

AI总结 本文研究了离散领域中Diffusion-MPC的可行性约束、时间范围效应及批评者对齐问题，通过Tetris案例发现可行性掩码和计算选择对规划效果有显著影响。

Comments 7 pages, 3 figures, 2 tables. Includes regret diagnostics and compute-quality frontier analysis. Code and experiment configurations available in the Diffusion-Tetris repository

CHAMMI-75: Pre-training multi-channel models with heterogeneous microscopy images

CHAMMI-75：利用异质显微图像预训练多通道模型

Vidit Agrawal, John Peters, Tyler N. Thompson, Mohammad Vali Sanian, Chau Pham, Nikita Moshkov, Arshad Kazi, Aditya Pillai, Jack Freeman, Byunguk Kang, Samouil L. Farhi, Ernest Fraenkel, Ron Stewart, Lassi Paavolainen, Bryan A. Plummer, Juan C. Caicedo

机构 * Morgridge Institute for Research（莫里格研究所） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Institute for Molecular Medicine Finland (FIMM)（芬兰分子医学研究所） ； University of Helsinki（赫尔辛基大学） ； Boston University（波士顿大学） ； Institute of Computational Biology, Helmholtz Munich（海德堡医学院计算生物学研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Broad Institute of MIT and Harvard（MIT和哈佛大学博德研究所） 纠错

AI总结 CHAMMI-75通过预训练多通道模型，提升异质显微图像在细胞形态分析中的性能与适应性。

Comments 47 Pages, 23 Figures, 26 Tables. Published in ICLR 2026

AdaBet: Gradient-free Layer Selection for Efficient Training of Deep Neural Networks

AdaBet: 无梯度层选择用于深度神经网络高效训练

Irene Tenison, Soumyajit Chatterjee, Fahim Kawsar, Mohammad Malekzadeh

机构 * MIT（麻省理工学院） ； Nokia Bell Labs（诺基亚贝尔实验室） ； University of Glasgow（格拉斯哥大学） 纠错

AI总结 AdaBet通过无梯度方法选择重要层，提升深度神经网络在边缘设备上的训练效率和准确率。

Comments Full Version accepted at CVPR 2026

SPARLING: Learning Latent Representations with Extremely Sparse Activations

SPARLING：通过极稀疏激活学习潜在表示

Kavi Gupta, Osbert Bastani, Armando Solar-Lezama

机构 * Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； Massachusetts Institute of Technology（麻省理工学院） ； Department of Computer and Information Science（计算机与信息科学系） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 SPARLING通过极稀疏激活学习潜在表示，利用信息瓶颈技术实现高效中间状态建模，实验证明极端稀疏性对建模效果至关重要。

Comments 10 pages, 6 figures

A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design

多阶段第二价格拍卖设计中的强化学习方法

Rui Ai, Boxiang Lyu, Zhaoran Wang, Zhuoran Yang, Michael I. Jordan

机构 * Institute for Data, Systems, and Society（数据、系统与社会研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Booth School of Business（博世商学院） ； The University of Chicago（芝加哥大学） ； Department of Industrial Engineering and Management Sciences（工业工程与管理科学系） ； Northwestern University（西北大学） ； Department of Statistics and Data Science（统计与数据科学系） ； Yale University（耶鲁大学） ； Department of EECS, Department of Statistics（电子工程与计算机科学系、统计学系） ； University of California Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出CLUB算法，通过缓冲期和LSVI-UCB扩展，解决多阶段拍卖中保留价优化的三个挑战，实现不同噪声条件下收入遗憾的最优控制。