高校专区
编译可微音频图到实时DSP
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔兰根-纽伦堡弗里德里希-亚历山大大学）
AI总结 提出ADAC编译器，将可微音频模型转换为FAUST代码，实现实时音频效果插件，支持梯度更新后热替换模型，并保证稳定性。
Comments 4 pages, 5 figures. Demonstration paper submitted to the 29th International Conference on Digital Audio Effects (DAFx26), Cambridge, MA
通过走廊网络的去中心化自主交通管理
机构 * Department of Aeronautics and Astronautics（航空航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland（马里兰大学）
AI总结 针对高密度自主航空交通，提出基于多智能体强化学习的去中心化走廊网络交通流管理方法，零样本迁移至复杂网络，无需集中协调或重训练。
Comments Presented at the Second US-Europe Air Transportation Research and Development Symposium (ATRDS2026)
HAKARI-Bench：统一条件下比较检索架构和效率设置的轻量级基准
机构 * MIT License（MIT许可证）
AI总结 提出HAKARI-Bench轻量级基准，通过重构现有检索套件为统一格式的小型数据集，实现五种检索家族及其效率变体的同条件比较，在排名上高保真复现MTEB等大型基准。
Comments 48 pages. Code and leaderboard: https://huggingface.co/spaces/hakari-bench/leaderboard https://github.com/hakari-bench/hakari-bench
用于3D视觉感知的双流脑电解码
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出一种模仿生物视觉腹侧和背侧通路的双流脑电解码模型，通过圆形回归预测角度和EEG条件多视图扩散实现3D重建，揭示了时间动态的通道参与模式。
Comments 17 pages, 4 figures. Accepted at the Symmetry and Geometry in Neural Representations Workshop (NeurReps), NeurIPS 2025. To appear in Proceedings of Machine Learning Research (PMLR)
AgentDSE：推理增强的架构设计空间探索
机构 * Harvard University（哈佛大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Columbia University（哥伦比亚大学）
AI总结 提出AgentDSE，利用大语言模型编码代理自动进行架构推理，在DNN加速器映射、软硬件协同设计和CPU缓存层次优化中，以少两个数量级的评估次数达到竞争或更优的设计质量。
Comments Accepted to the Machine Learning for Architecture and Systems Workshop (MLArchSys), co-located with ISCA 2026
用于合成时间序列分类数据集的因果DAG先验
机构 * Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院）
AI总结 提出一种因果DAG先验，从随机采样的有向无环图生成多变量、多类别的时间序列分类数据集，包含跨模态因果结构，微调TabPFN v2.5后在UCR/UEA数据集上显著优于基线。
Comments Accepted at the 2nd ICML 2026 Workshop on Foundation Models for Structured Data (FMSD). 4 pages (main text), 2 figures, plus references and appendix
ConnectomeBench2：用于自动连接组校对的标准基准
机构 * MIT（麻省理工学院） ； The Open University（开放大学） ； Mindspan Institute（Mindspan研究所） ； Yang Tan Collective（杨谭集团） ； McGovern Institute（麦戈文研究所） ； MIT Departments of Brain and Cognitive Sciences and Biological Engineering（麻省理工学院脑与认知科学系和生物工程系）
AI总结 提出ConnectomeBench2基准，包含超过716,485个专家标注的校对决策，训练单一Vision Transformer模型，在跨物种的分割错误校正和合并错误识别上达到人类水平。
智能体应如何阅读演示？层级结构优于扁平动作日志
机构 * MIT Computer Science and Artificial Intelligence Laboratory (CSAIL)（麻省理工学院计算机科学与人工智能实验室（CSAIL））
AI总结 本文提出将演示中的动作序列组织为带标签的层级子目标，在85个Web自动化任务中，层级结构将模糊描述任务的通过率从76.7%提升至90.7%，而扁平结构改进不显著，消融实验表明子目标分组是唯一驱动因素。
Comments Accepted at the 5th Deep Learning for Code (DL4C) Workshop, ICML 2026. 8 pages, 2 figures, 4 tables
通过半监督学习检测射频数据中的卫星
机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； MIT Lincoln Laboratory（麻省理工学院林肯实验室）
AI总结 提出结合非负矩阵分解与自动模型确定（NMFk）、专家引导聚类解释和分类器预测的半监督工作流，用于卫星监测中的射频检测与分类，减少对大量标注数据的依赖。
形式化零样本泛化的任务空间复杂度
机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出一种基于性能的有向任务差异（符号散度），用于界定零样本泛化差距，并推导出任务空间复杂度的概念，通过贪心选择源策略实现ε覆盖。
具有内部转移的均衡
机构 * LIDS, EECS, Massachusetts Institute of Technology（信息与电子科学系，麻省理工学院）
AI总结 研究通过预算平衡的内部转移改善激励的博弈模型，提出自我执行转移均衡和中介自我执行转移均衡，证明社会最优策略可被支持为均衡，并给出多项式算法和分散学习动态。
B[FM]$^2$: 基于流匹配与SplitUNet的脑基础模型
机构 * Massachusetts Institute of Technology（麻省理工学院） ； KU Leuven（鲁汶大学）
AI总结 提出B[FM]$^2$，通过连续时间流匹配直接在原始EEG信号上预训练，避免离散化带来的时间动态损失，并设计SplitUNet网络处理时间-电极不对称性，在9个下游任务中7个达到最优，预训练数据量减少约30倍。
镶嵌生物群落：面向建筑韧性的分布式机器人装配
机构 * MIT（麻省理工学院） ； UCL（伦敦大学学院）
AI总结 提出一种融合本地微工厂制造、多材料离散优化与分布式机器人装配的框架，实现模块化建筑的自适应重构与韧性提升。
Comments 10 pages, 11 figures. Accepted at CAADRIA 2026
Journal ref Proceedings of the 31st CAADRIA Conference, Vol. 2 (2026), pp. 389-398
将意图转化为规范：一个基准测试和一个交互式用户助手代理
机构 * Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室） ； IBM Core AI（IBM核心AI）
AI总结 提出SpecBench基准和Buddy代理，通过形态分析分解用户意图、模拟用户评估设计选择，将焦点从代码生成转向人机协作规范制定。
OSOG：一种可微分的、物理信息驱动的微光学环境合成数据引擎
机构 * Department of Physics, Massachusetts Institute of Technology（麻省理工学院物理系）
AI总结 提出OSOG，一种基于衍射和相位延迟物理模型的高性能可微分合成数据引擎，通过PyTorch原生架构实现亚线性缩放，在显微图像目标检测中实现零样本迁移，并支持逆向渲染恢复光学参数。
Comments 9 pages, 5 figures
进化优化揭示时空混沌储层架构的结构约束
机构 * Department of Physics, MIT（麻省理工学院物理系） ； McGovern Institute for Brain Research, MIT（麻省理工学院麦戈文脑研究 institute）
AI总结 通过进化优化储层计算超参数，发现预测误差降低、设计空间沿规模-效率前沿组织，且进化储层在保持谱包络的同时优化低特征值模式，揭示可解释的结构约束。
原子语言模型理解与生成材料
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Lyra Labs ； Lila Sciences
AI总结 提出原子语言模型（ALMs），通过连续投影和分阶段训练统一原子编码器、大语言模型和去噪扩散模型，实现从自然语言生成和优化晶体结构，在晶体结构预测和从头生成上达到最优。
使用多模态混合专家病理基础模型预测免疫生物标志物，赋能精准肿瘤学
机构 * Program of Computational Biology and Bioinforamtics, Yale University（耶鲁大学计算生物学与生物信息学项目） ； Broad Institute of MIT and Harvard（麻省理工学院与哈佛大学博德研究所） ； Department of Statistics and Data Science, Northwestern University（西北大学统计与数据科学系） ； Department of Computer Science, Northeastern University（东北大学计算机科学系） ； Department of Computer Science, Harvard University（哈佛大学计算机科学系） ； Department of Pathology, Yale University（耶鲁大学病理学系） ； Department of Anatomic Pathology and Laboratory Medicine, Hospital of the University of Pennsylvania（宾夕法尼亚大学医院解剖病理学与检验医学系） ； Department of Pathology and Laboratory Medicine, University of California, San Francisco（加州大学旧金山分校病理学与检验医学系） ； Department of Pathology and Laboratory Medicine, KK Women’s and Children’s Hospital（竹脚妇幼医院病理学与检验医学系） ； Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院生物统计学、流行病学与信息学系）
AI总结 提出MixTIME多模态基础模型，采用混合专家架构整合不同模态的病理基础模型，从HE全切片图像预测多重免疫荧光蛋白表达，在17个蛋白标记物上达到最优性能，并增强空间域识别、生存预测等下游任务。
Comments 5 figures
少步全原子流图共折叠
机构 * Genesis Molecular AI ； Massachusetts Institute of Technology（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Imperial College London（伦敦帝国学院） ； Mila
AI总结 提出DeCAF框架，将全原子共折叠扩散模型蒸馏为流图，仅需几步推理即可生成高质量样本，并通过奖励引导搜索提升采样质量。
CULTURESCORE: 评估视频生成模型的文化忠实度
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Mila – Quebec AI Institute（魁北克人工智能研究所） ； Netflix（网飞）
AI总结 提出CultureScore框架，从身份、背景和行为三个维度评估视频生成的文化忠实度，实验发现当前最佳模型得分仅56.8%，行为维度最困难。
学习信任谁：事件驱动金融RAG中冻结大语言模型的市场反馈自适应检索
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 针对事件驱动金融RAG，提出通过外部贝叶斯源记忆更新检索层，利用市场反馈自适应选择证据源，在冻结LLM情况下提升预测和投资组合表现。
FlagGAM：基于规则的可解释表格预测广义加性模型
机构 * EECS Department, Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院电子工程与计算机科学系） ； Sloan School of Management, Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院斯隆管理学院）
AI总结 提出FlagGAM框架，通过规则定义的基函数分离特征级规则构建与预测，在保持可解释性的同时提升对不完美输入的鲁棒性。
具有LLM代理的分布感知算法设计
机构 * Texas A&M University（德克萨斯大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文研究了学习可执行求解器代码而非预测器的场景，提出求解器提示抽象，并证明其在正确性和运行时间上的泛化能力，通过LLM代码代理在多个组合优化问题上验证了方法的有效性。
AI协同数据科学家：从可穿戴传感器数据中优先筛选候选生物标志物
机构 * Google Research（谷歌研究） ； Massachusetts Institute of Technology（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Seoul National University Hospital（首尔国立大学医院） ； Yonsei University College of Medicine（延世大学医学院） ； University of Washington（华盛顿大学） ； Korea University Guro Hospital（韩国大学Guro医院） ； Mass General Brigham（麻省总医院） ； Brigham and Women’s Hospital（哈佛医学院布莱尔妇女医院） ； Google Cloud AI（谷歌云AI）
AI总结 提出CoDaS系统，集成多智能体假设生成、统计分析和对抗验证，从可穿戴数据中优先筛选心理健康和代谢终点相关候选生物标志物，经临床验证与专家判断一致。
AI智能体已能自主执行实验高能物理研究
机构 * Massachusetts Institute of Technology（麻省理工学院） ； NSF AI Institute for Artificial Intelligence and Fundamental Interactions（国家科学基金会人工智能与基本相互作用研究所） ； CERN（欧洲核子研究中心）
AI总结 基于大语言模型的AI智能体自主执行高能物理分析全流程，提出JFC框架整合文献检索与多智能体审查，在ALEPH、DELPHI和CMS开放数据上验证，首次由AI自主产生新颖物理结果，旨在减轻技术负担而非取代物理学家。
TaigiSpeech: 一个低资源真实世界语音意图数据集及基于可扩展野外数据挖掘的初步结果
机构 * Massachusetts Institute of Technology, USA（麻省理工学院） ； National Taiwan University, Taipei, Taiwan（国立台湾大学） ； National Taiwan University Artificial Intelligence Center of Research Excellence, Taipei, Taiwan（国立台湾大学人工智能研究中心） ； Academia Sinica, Taiwan（台湾“中央”研究院） ； National Yang Ming Chiao Tung University, Taiwan（阳明交通大学） ； Signal Analysis and Interpretation Laboratory (SAIL), University of Southern California, USA（信号分析与解释实验室（SAIL），南加州大学）
AI总结 针对低资源台语，构建包含21位老年人3000条话语的语音意图数据集，并探索关键词匹配与LLM伪标注、音视频框架两种数据挖掘策略，以解决标注数据稀缺问题。
Comments Interspeech 2026 long paper
TinyHistory: 通过两阶段上下文学习实现轻量级视频历史嵌入
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； HKUST（香港科技大学）
AI总结 本文提出TinyHistory，通过两阶段上下文学习实现轻量级视频历史嵌入，在有限计算和内存下实现与更重模型相当的一致性。
Comments Additional Results: https://lllyasviel.github.io/TinyHistory_gitpage/
NNiT：具有结构对齐权重空间的宽度无关神经网络生成
机构 * Department of Electrical ； Computer Engineering, Duke University, NC, USA ； Department of Computer Science, Duke University, NC, USA ； Computer Science \& Artificial Intelligence Laboratory, Massachusetts Institute of Technology, MA, USA
AI总结 提出NNiT，通过将权重矩阵分块并建模为局部结构场，实现宽度无关的神经网络参数生成，在ManiSkill3任务上对未见架构拓扑达到>85%成功率。
通用先验：通过贝叶斯推断和预训练解决经验贝叶斯问题
机构 * Courant Institute of Mathematical Sciences, NYU（纽约大学Courant数学科学研究所） ； Center for Data Science, NYU（纽约大学数据科学中心） ； Department of EECS, MIT（麻省理工学院电子工程与计算机科学系）
AI总结 本文从理论上证明，在合成数据上预训练的Transformer能通过后验收缩自适应未知测试分布，实现经验贝叶斯问题的近最优遗憾界。
Comments To appear at COLT 2026. 43 pages, 5 figures. Code release at https://github.com/Anzoteh96/eb-transformers
基于Kolmogorov-Arnold网络中样条局部性的超快片上在线学习
机构 * MIT（麻省理工学院）
AI总结 针对量子计算和核聚变控制等高频系统对亚微秒级在线学习的需求，提出利用Kolmogorov-Arnold网络的B样条局部性实现稀疏更新和固定点量化鲁棒性，在FPGA上实现比MLP更高效、更具表达力的超快在线学习。
Comments Forty-Third International Conference on Machine Learning (ICML'26)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈