Massachusetts Institute of Technology（麻省理工学院）

Intersectional Sycophancy: How Perceived User Demographics Shape False Validation in Large Language Models

交叉性趋炎附势：感知的用户人口统计如何影响大语言模型中的虚假验证

Benjamin Maltbie, Shivam Raval

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） 纠错

AI总结 研究探讨用户人口统计如何影响大语言模型的虚假验证行为，发现GPT-5-nano在哲学领域比数学领域更趋炎附势，而拉丁裔人群接受度最高，而自信的拉丁裔女性得分最低。

Distributionally Robust K-Means Clustering

分布鲁棒K均值聚类

Vikrant Malik, Taylan Kargin, Babak Hassibi

机构 * California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出分布鲁棒K均值聚类方法，通过最小化最坏情况下的期望平方距离来增强鲁棒性，实验显示在异常检测和噪声鲁棒性上有显著提升。

DeepShapeMatchingKit: Accelerated Functional Map Solver and Shape Matching Pipelines Revisited

DeepShapeMatchingKit：加速的功能映射求解器和形状匹配流程再审视

Yizheng Xie, Lennart Bastian, Congyue Deng, Thomas W. Mitchel, Maolin Gao, Daniel Cremers

机构 * Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； MIT（麻省理工学院） ； Adobe ； Imperial College London（帝国理工学院） ； Simon Fraser University（西蒙菲莎大学） 纠错

AI总结 本文提出了一种向量化方法，通过单次核调用解决所有线性系统，提升计算效率，并分析了DiffusionNet的空间梯度特征差异，提供了改进的开源代码库。

Comments 10 pages, 8 figures, CVPR 2026 Image Matching Workshop (IEEE proceedings)

Sumo: Dynamic and Generalizable Whole-Body Loco-Manipulation

Sumo：动态且可泛化的全身体姿操控

John Z. Zhang, Maks Sorokin, Jan Brüdigam, Brandon Hung, Stephen Phillips, Dmitry Yershov, Farzad Niroui, Tong Zhao, Leonor Fermoselle, Xinghao Zhu, Chao Cao, Duy Ta, Tao Pang, Jiuguang Wang, Preston Culbertson, Zachary Manchester, Simon Le Cléac'h

机构 * MIT（麻省理工学院） ； RAI Institute（RAI研究所） ； Cornell（康奈尔大学） 纠错

AI总结 本文提出一种仿真到现实的方法，使四足机器人能够动态操控大重物。通过测试时调整预训练的全身体控制策略，实现多种动态体姿操控任务，且无需额外训练即可泛化到不同物体和任务。

Mixture of Cognitive Reasoners: Modular Reasoning with Brain-Like Specialization

认知推理的混合：类脑的专业化模块推理

Badr AlKhamissi, C. Nicolò De Sabbata, Greta Tuckute, Zeming Chen, Martin Schrimpf, Antoine Bosselut

机构 * EPFL（瑞士联邦理工学院洛桑） ； Brain and Cognitive Sciences at MIT（麻省理工学院脑与认知科学系） ； Kempner Institute at Harvard University（哈佛大学肯普纳研究所） 纠错

AI总结 本文提出MiCRo模型，通过类脑专业化模块实现认知行为，提供可解释的推理模块，支持动态路由并优于基线模型。

Comments ICLR 2026. Project Page at https://cognitive-reasoners.epfl.ch

LoDAdaC: a unified local training-based decentralized framework with adaptive gradients and compressed communication

LoDAdaC: 一种基于局部训练的统一去中心化框架，具有自适应梯度和压缩通信

Wei Liu, Anweshit Panda, Ujwal Pandey, Haven Cook, George M. Slota, Naigang Wang, Jie Chen, Yangyang Xu

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； IBM T. J. Watson Research Center（IBM T. J. Watson 研究中心） ； MIT-IBM Watson AI Lab, IBM Research（MIT-IBM Watson AI 实验室，IBM 研究院） 纠错

AI总结 LoDAdaC通过结合自适应梯度和压缩通信，在去中心化学习中实现通信成本的大幅降低和快速收敛，实验验证其在图像分类和语言模型训练中的优越性能。

Comments Accepted by TMLR

Instructing LLMs to Negotiate using Reinforcement Learning with Verifiable Rewards

通过可验证奖励的强化学习指导大语言模型进行谈判

Shuze Daniel Liu, Claire Chen, Jiabao Sean Xiao, Lei Lei, Yuheng Zhang, Yisong Yue, David Simchi-Levi

机构 * Purdue University（普渡大学） ； California Institute of Technology（加州理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文探讨了通过可验证奖励的强化学习训练大语言模型进行谈判的有效性，揭示了四阶段战略演化，展示了训练后的模型在谈判中提取剩余价值的能力。

ACCIDENT: A Benchmark Dataset for Vehicle Accident Detection from Traffic Surveillance Videos

ACCIDENT：用于从交通监控视频中检测车辆事故的基准数据集

Lukas Picek, Michal Čermák, Marek Hanzl, Vojtěch Čermák

机构 * PiVa AI ； MIT（麻省理工学院） ； University of West Bohemia in Pilsen（西波希米亚大学比尔森分校） ； Czech Technical University in Prague（布拉格捷克理工大学） 纠错

AI总结 ACCIDENT数据集旨在评估模型在监督和零样本学习中的表现，包含2027个真实和2211个合成视频片段，涵盖事故时间、空间位置和碰撞类型，定义了三个核心任务并提供定制评估指标。

Agentic AI in Engineering and Manufacturing: Industry Perspectives on Utility, Adoption, Challenges, and Opportunities

工程与制造中的代理AI：行业对效用、采用、挑战和机遇的看法

Kristen M. Edwards, Maxwell Bauer, Claire Jacquillat, A. John Hart, Faez Ahmed

机构 * MIT Initiative for New Manufacturing（麻省理工学院新制造倡议） 纠错

AI总结 本文通过30多次访谈探讨AI在工程和制造中的应用，发现代理系统在结构化和重复性工作中的价值，以及多步骤工作流协同的潜力，指出数据碎片化、安全要求和工具链限制是主要障碍，强调可靠性、验证和审计性对AI采用的重要性。

Comments Funding and support from the MIT Initiative for New Manufacturing

Different types of syntactic agreement recruit the same units within large language models

不同类型的句法一致要求大型语言模型中的相同单元

Daria Kryvosheieva, Andrea de Varda, Evelina Fedorenko, Greta Tuckute

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Kempner Institute at Harvard University（哈佛大学肯普纳研究所） 纠错

AI总结 研究探讨了不同句法现象在大型语言模型中是否共享或独立激活单元，发现句法一致构成模型表征空间中的重要类别。

Switch-JustDance: Benchmarking Whole Body Motion Tracking Controllers Using a Commercial Console Game

Switch-JustDance: 使用商业游戏机评估完整身体运动跟踪控制器的基准测试

Jeonghwan Kim, Wontaek Kim, Yidan Lu, Jin Cheng, Fatemeh Zargarbashi, Zicheng Zeng, Zekun Qi, Zhiyang Dou, Nitish Sontakke, Donghoon Baek, Sehoon Ha, Tianyu Li

机构 * Georgia Tech（佐治亚理工学院） ； HKU（香港大学） ； ETH Zurich（苏黎世联邦理工学院） ； SCUT（华南理工大学） ； THU（清华大学） ； MIT（麻省理工学院） ； PNDbotics 纠错

AI总结 本文提出Switch-JustDance基准测试平台，利用Nintendo Switch上的Just Dance游戏评估机器人完整身体控制能力，验证其可靠性并对比三种先进控制器的性能。

Evolutionary Profiles for Protein Fitness Prediction

蛋白质适应性预测的进化图谱

Jigang Fan, Xiaoran Jiao, Shengdong Lin, Zhanming Liang, Weian Mao, Chenchen Jing, Hao Chen, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； East China University of Science and Technology（华东理工大学） ； Chengdu University of Information Technology（成都信息工程大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Zhejiang University of Technology（浙江工业大学） 纠错

AI总结 本文提出EvoIF模型，通过整合进化信号提升蛋白质突变适应性预测性能，采用轻量结构和逆强化学习框架，在有限数据下实现高精度预测。