Massachusetts Institute of Technology（麻省理工学院）

From Gaze to Guidance: Interpreting and Adapting to Users' Cognitive Needs with Multimodal Gaze-Aware AI Assistants

从注视到引导：通过多模态注视感知AI助手解读和适应用户认知需求

Valdemar Danry, Javier Hernandez, Andrew Wilson, Pattie Maes, Judith Amores

机构 * Microsoft Research（微软研究院） ； MIT Media Lab（麻省理工学院媒体实验室） 纠错

AI总结 本文提出一种基于注视的多模态LLM助手，通过眼动追踪提升用户阅读行为评估的准确性与个性化，实验表明其能有效提升信息回忆能力并提高交互效率。

Image-Guided Geometric Stylization of 3D Meshes

基于图像的3D网格几何风格化

Changwoon Choi, Hyunsoo Lee, Clément Jambon, Yael Vinker, Young Min Kim

机构 * Seoul National University（首尔大学） ； Massachusetts Institute of Technology (MIT)（麻省理工学院） 纠错

AI总结 本文提出一种几何风格化框架，通过变形3D网格表达图像风格，保留拓扑结构和部分语义，实验表明能生成具有独特几何特征的风格化3D模型。

Generative optimal transport via forward-backward HJB matching

通过前向-后向HJB匹配实现生成最优传输

Haiqian Yang, Vishaal Krishnan, Sumit Sinha, L. Mahadevan

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

AI总结 本文研究了从无序参考态到结构化目标集的许多体随机系统演化控制问题，提出利用前向-后向HJB方程的时间反演对称性，通过路径空间自由能和风险敏感控制方法，实现无需反向模拟的最优传输过程。

Comments 16 pages, 4 figures

Guardian-as-an-Advisor: Advancing Next-Generation Guardian Models for Trustworthy LLMs

顾问式守护者：推进下一代守护模型以实现可信的大语言模型

Yue Huang, Haomin Zhuang, Jiayi Ye, Han Bao, Yanbo Wang, Hang Hua, Siyuan Wu, Pin-Yu Chen, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； IBM Research（IBM研究院） 纠错

AI总结 本文提出Guardian-as-an-Advisor框架，通过预测风险标签和解释并前置建议，提升模型安全性和实用性，同时降低误拒率。

Bridging Natural Language and Interactive What-If Interfaces via LLM-Generated Declarative Specification

通过LLM生成的声明性规范桥接自然语言与交互式假设分析接口

Sneha Gathani, Sirui Zeng, Diya Patel, Ryan Rossi, Dan Marshall, Cagatay Demiralp, Steven Drucker, Zhicheng Liu

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院） ； Microsoft Research（微软研究院） ； AWS AI Labs（AWS人工智能实验室） ； 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 本文提出一种两阶段工作流，通过Praxa规范语言将自然语言假设分析问题转化为交互式可视化界面，提升假设分析工具的交互性和准确性。

Comments 17 pages 17 figures

Exponential quantum advantage in processing massive classical data

指数级量子优势在处理大规模经典数据中的应用

Haimeng Zhao, Alexander Zlokapa, Hartmut Neven, Ryan Babbush, John Preskill, Jarrod R. McClean, Hsin-Yuan Huang

机构 * California Institute of Technology（加州理工学院） ； Google Quantum AI（谷歌量子人工智能） ； Massachusetts Institute of Technology（麻省理工学院） ； Oratomic 纠错

AI总结 本文证明了小型量子计算机可通过实时处理样本实现大规模分类和降维，而经典计算机需指数级更大规模才能达到相同性能，且在实际应用中展示了显著的效率提升。

Comments 144 pages, including 9 pages of main text and 10 figures. Code available at https://github.com/haimengzhao/quantum-oracle-sketching

Google, AI Literacy, and the Learning Sciences: Multiple Modes of Research, Industry, and Practice Partnerships

谷歌、人工智能素养与学习科学：多种研究、产业与实践伙伴关系模式

Victor R. Lee, Michael Madaio, Ben Garside, Aimee Welch, Kristen Pilner Blair, Ibrahim Oluwajoba Adisa, Alon Harris, Kevin Holst, Liat Ben Rafael, Ronit Levavi Morad, Ben Travis, Belle Moller, Andrew Shields, Zak Brown, Lois Hinx, Marisol Diaz, Evan Patton, Selim Tezel, Robert Parks, Hal Abelson, Adam Blasioli, Jeremy Roschelle

机构 * Stanford University（斯坦福大学） ； Google Research（谷歌研究） ； Raspberry Pi Foundation（树莓派基金会） ； Google DeepMind Impact Accelerator（谷歌DeepMind影响力加速器） ； Phantom LLC（Phantom有限责任公司） ； Massachusetts Institute of Technology（麻省理工学院） ； New York Jobs CEO Council（纽约就业CEO委员会） ； Digital Promise 纠错

AI总结 本文探讨谷歌在人工智能素养领域的多模式研究与产业合作，分析伙伴关系在生命周期中的交汇点、影响方向的因素及未来合作机会。

ZipMap: Linear-Time Stateful 3D Reconstruction via Test-Time Training

ZipMap: 通过测试时训练实现线性时间的态持久3D重建

Haian Jin, Rundi Wu, Tianyuan Zhang, Ruiqi Gao, Jonathan T. Barron, Noah Snavely, Aleksander Holynski

机构 * Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 ZipMap通过测试时训练层实现线性时间双向3D重建，效率超过二次时间方法，能在10秒内处理700多帧。

Comments Project page: https://haian-jin.github.io/ZipMap

Towards a Science of Scaling Agent Systems

迈向代理系统的科学：扩展性研究

Yubin Kim, Ken Gu, Chanwoo Park, Chunjong Park, Samuel Schmidgall, A. Ali Heydari, Yao Yan, Zhihan Zhang, Yuchen Zhuang, Yun Liu, Mark Malhotra, Paul Pu Liang, Hae Won Park, Yuzhe Yang, Xuhai Xu, Yilun Du, Shwetak Patel, Tim Althoff, Daniel McDuff, Xin Liu

机构 * Google Research（谷歌研究院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文通过260种配置评估六种代理基准，探讨代理系统在扩展维度上的性能变化规律，揭示协调、模型能力与任务结构之间的关系，发现协作成功取决于协调与任务结构的匹配程度。

"Don't Do That!": Guiding Embodied Systems through Large Language Model-based Constraint Generation

别这样做！

Amin Seffo, Aladin Djuhera, Masataro Asai, Holger Boche

机构 * Technical University Munich（慕尼黑工业大学） ； 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STPR框架，利用LLM将自然语言中的约束转化为可执行Python代码，解决复杂约束的翻译问题，并在仿真环境中验证其高效性和兼容性。

Comments ICLR 2026 Workshop -- Agentic AI in the Wild: From Hallucinations to Reliable Autonomy

Transforming the Voice of the Customer: Large Language Models for Identifying Customer Needs

将客户之声转变：大型语言模型用于识别客户需求

Artem Timoshenko, Chengfeng Mao, John R. Hauser

机构 * Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院） ； MIT Management School, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； Applied Marketing Science, Inc.（应用营销科学公司） 纠错

AI总结 本文研究了大型语言模型在自动化识别客户需求方面的有效性，证明其在多个产品和服务类别中表现优异，优于基础模型，并为VOC应用提供了新的自动化方法。

Reconstructing the Geometry of Random Geometric Graphs

随机几何图的几何重建

Han Huang, Pakawut Jiradilok, Elchanan Mossel

机构 * Department of Mathematics, University of Missouri（密苏里大学数学系） ； Department of Mathematics, Massachusetts Institute of Technology（麻省理工学院数学系） 纠错

AI总结 本文提出在流形假设下，通过采样图高效重建底层空间几何的方法，核心是利用点间距离概率特性恢复低维流形结构。

Comments Polish the introduction section; include an example for non-identifiability in the setting with step function (hard-disc random geometric graph model)

Tractable Uncertainty-Aware Meta-Learning

可 tractable 的不确定性意识元学习

Young-Jin Park, Cesar Almecija, Apoorva Sharma, Navid Azizan

机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） 纠错

AI总结 本文提出 LUMA，一种用于回归的元学习方法，能够高效地进行分布内任务的概率预测，检测分布外上下文数据，并有效处理异质多模态任务分布。