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。
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