CADBench: A Multimodal Benchmark for AI-Assisted CAD Program Generation
CADBench：一个用于AI辅助CAD程序生成的多模态基准
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出CADBench，一个统一的多模态CAD程序生成基准，包含18000个样本和六类基准，评估11种视觉语言模型，揭示了CAD程序生成中的三种常见失败模式。
高校专区
Massachusetts Institute of Technology（麻省理工学院）
S2D2: Fast Decoding for Diffusion LLMs via Training-Free Self-Speculation
S2D2：通过免训练自我推测实现扩散LLM的快速解码
机构 * Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Iowa State University（爱荷华州立大学） ； Core AI, IBM（IBM核心AI）
AI总结 提出S2D2，一种免训练的自我推测解码框架，通过将块扩散模型在块大小为1时变为自回归模型，实现草稿与验证角色复用，在不增加训练或测试计算下提升解码速度与准确性。
Comments Code is available at https://github.com/phymhan/S2D2
VideoSketcher: Sequential Sketch Generation Using Video Model Priors
VideoSketcher：利用视频模型先验的序列草图生成
机构 * MIT（麻省理工学院）
AI总结 提出VideoSketcher方法，结合LLM的语义规划与视频扩散模型的时序渲染，通过两阶段微调从少量样本学习笔画顺序与风格，生成高质量序列草图。
A Critical Look at Targeted Instruction Selection: Disentangling What Matters (and What Doesn't)
对目标指令选择的批判性审视：厘清什么重要（以及什么不重要）
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Kempner Institute（凯门研究所）
AI总结 本文系统解构指令微调中目标指令选择的两大核心要素——数据表示与选择算法，发现基于梯度的表示结合贪心轮询选择在低预算下表现最佳，但收益随预算增加而减弱，并统一了多种算法为近似距离最小化。
Comments ICML 2026
EQPO: Equitable Group Relative Policy Optimization for Clinical Reasoning
EQPO: 面向临床推理的公平群体相对策略优化
机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学）
AI总结 提出EQPO分层强化学习方法，通过自适应重加权样本促进异质临床人群的均衡学习，在7个诊断基准上降低F1标准差43.9%，缩小预测公平差距27.2%。
Comments Accepted as Oral on NeurIPS 2025 GenAI4Health Workshop
