Massachusetts Institute of Technology（麻省理工学院）

Online library learning in human visual puzzle solving

在线库学习在人类视觉谜题解决中的应用

Pinzhe Zhao, Emanuele Sansone, Marta Kryven, Bonan Zhao

机构 * University of Edinburgh（爱丁堡大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； KU Leuven（鲁汶大学） ； Dalhousie University（达尔豪斯大学） 纠错

AI总结 研究探讨了人类在视觉谜题中如何通过在线库学习构建和复用抽象，随着经验增加，辅助工具的使用变得更加高效和选择性，从而提升问题解决能力。

GIFT: Generalizing Intent for Flexible Test-Time Rewards

GIFT：基于意图的灵活测试时间奖励

Fin Amin, Nathaniel Dennler, Andreea Bobu

机构 * NC State（北卡罗来纳州立大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 GIFT通过语言模型推断用户演示中的高层意图，以提升奖励在新环境下的泛化能力，优于基于视觉和语义相似性的基线方法。

Comments To appear at IEEE ICRA '26

PRISM: Demystifying Retention and Interaction in Mid-Training

PRISM：解开中期训练中保留与交互的谜团

Bharat Runwal, Ashish Agrawal, Anurag Roy, Rameswar Panda

机构 * IBM Research, MIT-IBM Watson AI Lab（IBM研究院，MIT-IBM沃森人工智能实验室） 纠错

AI总结 PRISM通过七种基础模型的受控实验，发现中期训练能显著提升数学、代码和科学基准测试成绩，同时保持整体性能，且数据组成比强化学习更重要。

When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift

当传感器失效时：用于在传感器漂移下鲁棒PPO的时序序列模型

Kevin Vogt-Lowell, Theodoros Tsiligkaridis, Rodney Lafuente-Mercado, Surabhi Ghatti, Shanghua Gao, Marinka Zitnik, Daniela Rus

机构 * MIT Lincoln Laboratory（MIT林肯实验室） ； Harvard（哈佛大学） ； MIT（麻省理工学院） 纠错

AI总结 本文研究了在传感器漂移下PPO的鲁棒性，通过引入时序序列模型提升政策在部分可观测性和表示偏移下的性能。

Comments Accepted at ICLR 2026 CAO Workshop

evoxels: A differentiable physics framework for voxel-based microstructure simulations

evoxels：一种可微物理框架用于基于体素的微观结构模拟

Simon Daubner, Alexander E. Cohen, Benjamin Dörich, Samuel J. Cooper

机构 * Imperial College London（帝国理工学院伦敦分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

AI总结 本文提出evoxels框架，结合体素化方法、物理模拟和机器学习，实现微观结构的逆向设计与优化。

Comments 9 pages, 3 figures, structure following JOSS style