Massachusetts Institute of Technology（麻省理工学院）

TTA-Vid: Generalized Test-Time Adaptation for Video Reasoning

TTA-Vid: 视频推理的通用测试时间适应

Soumya Shamarao Jahagirdar, Edson Araujo, Anna Kukleva, M. Jehanzeb Mirza, Saurabhchand Bhati, Samuel Thomas, Brian Kingsbury, Rogerio Feris, James R. Glass, Hilde Kuehne

机构 * University of Tübingen（蒂宾根大学） ； MIT（麻省理工学院） ； IBM Research（IBM研究院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Tuebingen AI Center（蒂宾根人工智能中心） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） 纠错

AI总结 本文提出TTA-Vid方法，通过测试时间强化学习实现视频推理模型的适应，无需标注数据即可在测试时泛化至新领域。

Multi-Camera View Scaling for Data-Efficient Robot Imitation Learning

多摄像头视角缩放用于数据高效的机器人模仿学习

Yichen Xie, Yixiao Wang, Shuqi Zhao, Cheng-En Wu, Masayoshi Tomizuka, Jianwen Xie, Hao-Shu Fang

机构 * UC Berkeley（加州大学伯克利分校） ； Lambda, Inc（Lambda公司） ； MIT（麻省理工学院） 纠错

AI总结 本文提出一种利用场景多样性提升机器人模仿学习数据效率的方法，通过摄像头视角缩放生成伪演示，增强视觉表示的视角不变性，并在仿真和现实任务中验证了其有效性。

Denoising distances beyond the volumetric barrier

超越体积壁垒的去噪距离

Han Huang, Pakawut Jiradilok, Elchanan Mossel

机构 * University of Missouri（密苏里大学） ； Mahidol University International College（玛希隆大学国际学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出ORDER方法，实现点wise距离估计精度优于体积壁垒，证明重构的度量空间与真实流形间的Gromov-Wasserstein距离为n^{-1/d}，匹配经验测度的Wasserstein收敛率。

Certificate-Driven Closed-Loop Multi-Agent Path Finding with Inheritable Factorization

基于证书的闭环多智能体路径寻找与可继承分解

Jiarui Li, Runyu Zhang, Gioele Zardini

机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（麻省理工学院信息与决策系统实验室） 纠错

AI总结 本文提出基于证书的闭环多智能体路径寻找方法，通过可继承分解提升密集场景下的路径规划一致性与效率。

Implicit Primal-Dual Interior-Point Methods for Quadratic Programming

隐式对偶内点法求解二次规划

Jon Arrizabalaga, Zachary Manchester

机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） 纠错

AI总结 本文提出了一种隐式对偶内点法求解二次规划的新方法，通过引入辅助变量和重构映射，使互补性条件隐式满足，从而解决内点法中因ill-conditioning导致的精度问题。

Activation Steering via Generative Causal Mediation

通过生成因果中介进行激活引导

Aruna Sankaranarayanan, Amir Zur, Atticus Geiger, Dylan Hadfield-Menell

机构 * CSAIL, MIT（麻省理工学院计算机科学与人工智能实验室） ； Stanford University（斯坦福大学） ； Goodfire Research 纠错

AI总结 研究提出生成因果中介（GCM）方法，通过对比长形式响应选择模型组件，以局部化和控制扩散行为，如诗歌式 vs. 论文式表达，在三种语言模型上验证其有效性。

Neural Conditional Transport Maps

神经条件传输映射

Carlos Rodriguez-Pardo, Leonardo Chiani, Emanuele Borgonovo, Massimo Tavoni

机构 * Department of Management, Economics and Industrial Engineering, Politecnico di Milano（米兰理工大学管理、经济与工业工程系） ； RFF-CMCC European Institute on Economics and the Environment (EIEE)（RFF-CMCC欧洲经济与环境研究所） ； Euro-Mediterranean Center on Climate Change (CMCC)（欧洲-地中海气候变化中心） ； Bocconi University, Department of Decision Sciences（博科尼大学决策科学系） ； MIT, Department of Nuclear Science and Engineering（麻省理工学院核科学与工程系） 纠错

AI总结 本文提出神经框架学习概率分布间的条件最优传输映射，引入能处理分类和连续条件变量的机制，通过超网络生成传输层参数，实现优于简单条件方法的自适应映射，并应用于全局敏感性分析。

Comments Published in Transactions on Machine Learning Research

Quantifying Gender Bias in Large Language Models: When ChatGPT Becomes a Hiring Manager

量化大型语言模型中的性别偏见：当ChatGPT成为招聘经理时

Nina Gerszberg, Janka Hamori, Andrew Lo

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

AI总结 研究量化了LLM在招聘决策中的性别偏见，发现女性候选人更易被录用但薪酬建议较低，探讨了提示工程作为偏见缓解技术。

Agentic AI -- Physicist Collaboration in Experimental Particle Physics: A Proof-of-Concept Measurement with LEP Open Data

代理AI——粒子物理实验中的物理学家协作：利用LEP开放数据的证明概念测量

Anthony Badea, Yi Chen, Marcello Maggi, Yen-Jie Lee, Electron-Positron Alliance

机构 * University of Chicago, Enrico Fermi Institute（芝加哥大学恩里科·费米研究所） ； Vanderbilt University（范德堡大学） ； Laboratory for Nuclear Science, Massachusetts Institute of Technology（麻省理工学院核科学实验室） 纠错

AI总结 本文展示了一种利用AI代理对电子-正电子碰撞中的 thrust 分布进行测量的方法，通过迭代贝叶斯展开和蒙特卡罗修正，实现了精确的谱分析，探索了AI在实验和理论计算中的协同作用。

Teaching AI to Handle Exceptions: Supervised Fine-Tuning with Human-Aligned Judgment

教AI处理例外：基于人类对齐判断的监督微调

Matthew DosSantos DiSorbo, Harang Ju, Sinan Aral

机构 * Harvard Business School（哈佛商学院） ； Johns Hopkins University（约翰霍普金斯大学） ； MIT Sloan School of Management（麻省理工学院斯隆管理学院） 纠错

AI总结 研究探讨了如何通过监督微调使AI处理例外，发现使用人类解释的微调能显著提升模型决策能力，揭示了对齐人类判断需明确训练决策过程而非仅决策结果。

Diagnosing Neural Convergence with Topological Alignment Spectra

通过拓扑对齐光谱诊断神经网络收敛

Tiago F. Tavares, Fabio Ayres, Paris Smaragdis

机构 * Insper（Insper教育研究学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出拓扑对齐光谱(TAS)，通过多尺度分析识别神经网络中局部噪声与语义重组的区别，揭示微尺度几何抖动与宏观语义重组的差异，挑战任务适应仅是保守或局部的观点。