Massachusetts Institute of Technology（麻省理工学院）

Answering the Wrong Question: Reasoning Trace Inversion for Abstention in LLMs

回答错误的问题：用于LLMs中退避的推理轨迹逆向

Abinitha Gourabathina, Inkit Padhi, Manish Nagireddy, Subhajit Chaudhury, Prasanna Sattigeri

机构 * 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） 纠错

AI总结 本文提出轨迹逆向方法，通过分析模型推理轨迹来改进LLMs的退避能力，实验表明其在多个数据集上显著提升退避性能。

Multi-Timescale Primal Dual Hybrid Gradient with Application to Distributed Optimization

多时间尺度对偶双极梯度方法及其在分布式优化中的应用

Junhui Zhang, Patrick Jaillet

机构 * Operations Research Center, MIT（麻省理工学院运筹学研究中心） ； Department of Electrical Engineering and Computer Science, MIT（麻省理工学院电气工程与计算机科学系） 纠错

AI总结 本文提出多时间尺度PDHG方法及其加速变体，通过混合Bregman散度和多时间尺度外推实现不同对偶块的任意更新率收敛，提升异构优化和通信成本下的效率。

Homogenized Transformers

均质化变换器

Hugo Koubbi, Borjan Geshkovski, Philippe Rigollet

机构 * Department of Mathematics, Massachusetts Institute of Technology（麻省理工学院数学系） 纠错

AI总结 研究深度多头自注意力机制的随机模型，证明在适当标度下，残差流的动力学具有非平凡均质极限，揭示了在均场 regime 中的随机非线性福克-计划克方程，以及在高斯设定下的表示崩溃现象。

Sven: Singular Value Descent as a Computationally Efficient Natural Gradient Method

Sven：奇异值下降作为计算高效的自然梯度方法

Samuel Bright-Thonney, Thomas R. Harvey, Andre Lukas, Jesse Thaler

机构 * Massachusetts Institute of Technology（麻省理工学院） ； The NSF Institute for Artificial Intelligence and Fundamental Interactions（美国国家科学基金会人工智能与基本相互作用研究所） ； University of Oxford（牛津大学） ； Institut des Hautes Études Scientifiques（高等科学研究所） ； CEA Paris-Saclay（巴黎-萨克雷CEA） 纠错

AI总结 Sven是一种基于损失函数自然分解的神经网络优化算法，通过截断奇异值分解实现高效参数更新，优于传统自然梯度方法，在回归任务中优于Adam，且比LBFGS更高效。

Fast dynamical similarity analysis

快速动态相似性分析

Arman Behrad, Mitchell Ostrow, Mohammad Taha Fakharian, Ila Fiete, Christian Beste, Shervin Safavi

机构 * K. Lisa Yang Integrative Computational Neuroscience (ICoN), Massachusetts Institute of Technology（K. Lisa Yang 综合计算神经科学中心，麻省理工学院） 纠错

AI总结 本文提出fastDSA，一种高效且准确的非线性动态系统相似性度量方法，结合几何方法的效率与动态方法的准确性，适用于大规模比较。

Bias Is a Subspace, Not a Coordinate: A Geometric Rethinking of Post-hoc Debiasing in Vision-Language Models

偏差是子空间，而非坐标：视觉-语言模型中事后去偏的几何重思

Dachuan Zhao, Weiyue Li, Zhenda Shen, Yushu Qiu, Bowen Xu, Haoyu Chen, Yongchao Chen

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

AI总结 本文提出SPD框架，通过几何方法识别并去除线性可解码的偏子空间，提升视觉-语言模型的公平性与任务性能。

Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

A Polynomial-Time Algorithm for Variational Inequalities under the Minty Condition

变分不等式在 Minty 条件下的多项式时间算法

Ioannis Anagnostides, Gabriele Farina, Tuomas Sandholm, Brian Hu Zhang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Strategy Robot, Inc.（Strategy Robot公司） ； Strategic Machine, Inc.（Strategic Machine公司） ； Optimized Markets, Inc.（Optimized Markets公司） 纠错

AI总结 本文提出在 Minty 条件下求解 ε-变分不等式的新算法，具有多项式时间复杂度，解决了传统方法中依赖于 1/ε 的指数问题，并展示了其在博弈论中的应用。

Comments V3 polishes the writing and makes a correction to Theorem 5.2

Automatic selection of the best neural architecture for time series forecasting

时间序列预测中最佳神经架构的自动选择

Qianying Cao, Shanqing Liu, Alan John Varghese, Jerome Darbon, Michael Triantafyllou, George Em Karniadakis

机构 * Division of Applied Mathematics, Brown University（布朗大学应用数学系） ； School of Engineering, Brown University（布朗大学工程学院） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） 纠错

AI总结 本文提出一个灵活的自动框架，通过整合LSTM、GRU、多头注意力和SSM模块，系统设计和评估多样化网络架构，通过多目标优化确定最佳模型配置，验证了在不同应用场景中，最佳模型是根据用户定义的偏好函数和评估目标定制的复合架构。

Comments 35 pages, 8 figures

Human Insights Driven Latent Space for Different Driving Perspectives: A Unified Encoder for Efficient Multi-Task Inference

由人类洞察驱动的潜在空间：一种统一编码器用于高效的多任务推理

Huy-Dung Nguyen, Anass Bairouk, Mirjana Maras, Wei Xiao, Tsun-Hsuan Wang, Patrick Chareyre, Ramin Hasani, Marc Blanchon, Daniela Rus

机构 * Hybrid Intelligence, part of Capgemini Engineering（Hybrid Intelligence，Capgemini Engineering 旗下） ； Computer Science and Artificial Intelligence Laboratory (CSAIL), MIT（麻省理工学院计算机科学与人工智能实验室（CSAIL）） 纠错

AI总结 本文提出一种统一编码器，通过多任务学习提升自动驾驶中的视觉感知任务性能，并在转向估计中展示出优于其他方法的优势。