Massachusetts Institute of Technology（麻省理工学院）

Non-Asymptotic Best Policy Identification Guarantees in Online Reinforcement Learning

在线强化学习中的非渐近最优策略识别保证

Joseph Lazzaro, Alessio Russo, Aldo Pacchiano

机构 * Imperial College London（伦敦帝国学院） ； Boston University（波士顿大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） 纠错

AI总结 研究在线表格强化学习中的最优策略识别问题，通过为导航与停止（NaS）算法提供非渐近样本复杂度保证，揭示其样本复杂度不仅依赖特征时间，还与MDP连通性等有关，填补了相关空白。

Comments 64 pages, 2 figures

Retriever: Composing Closed-Loop Asynchronous Robot Programs

Retriever：组合闭环异步机器人程序

Linfeng Zhao, Haojie Huang, Jiayuan Mao, Weiyu Liu, Mykel Kochenderfer, Lawson L. S. Wong

机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Northeastern University（东北大学） 纠错

AI总结 研究构建长期运行机器人智能体的闭环管道问题，提出Retriever，它涵盖异步决策模型等整个堆栈，将智能体表示为有状态因果流函数图，编译到支持多后端的运行时，可系统调试和确定性重放，通过案例研究等进行评估。

Comments Project website: http://retriever.systems; Package open-source website: http://openretriever.org

A Predict-then-Correct Loop Based on Few-Shot Continuous Contextual Bandit for Demand Forecasting

基于少样本连续上下文博弈的预测-校正循环用于需求预测

Zhiwei Lei, Benedict Jun Ma, Ilya Jackson

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 研究针对零售需求预测难题，提出预测-校正框架，运用少样本连续上下文博弈校正策略等，经实验在多需求模式下显著降低误差、提高RMSE并降低库存成本，证明在线预测校正能连接离线需求学习与实时零售决策。

From Weights to Words: Expressing and Editing Preference Model Inferences in Natural Language

从权重到文字：用自然语言表达和编辑偏好模型推理

Zachary Wojtowicz, Ayush Nayak, Jacob Andreas

机构 * MIT（麻省理工学院） 纠错

AI总结 该研究针对统计学习算法推断人类偏好的挑战，提出‘从权重到文字’方法，输入选择问题数据集，自动发现偏好维度，解决欠定和不透明问题，经多领域展示及人体实验验证，能提高偏好模型预测准确性，获参与者认可。

Comments 42 pages, 22 figures, 14 tables; main text 11 pages, remainder appendices

A Survey on the Verification of Reinforcement Learning Policies

强化学习策略验证的综述

Luca Marzari, Ezio Bartocci, Enrico Marchesini

机构 * TU Wien（维也纳工业大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 综述强化学习策略验证，引入分类法沿验证范式、时间范围和保证强度三个轴阐明现有方法关系，统一理论基础，明确假设局限，确定新兴方向，为RL验证提供统一视角。

Comments Accepted at the 35th International Joint Conference on Artificial Intelligence (IJCAI) 2026

3D Scene Graph Prediction: Generating Hierarchical Models from Partially Observed Environments

3D场景图预测：从部分观测环境生成层次模型

Siyi Hu, Jared Strader, Hyungtae Lim, Luca Carlone

机构 * Laboratory for Information & Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室（LIDS），麻省理工学院） ； Department of Electrical and Computer Engineering, Oakland University（奥克兰大学电气与计算机工程系） 纠错

AI总结 针对机器人部分观测环境的场景预测问题，提出自上而下框架合成含房间层和物体层的3D场景图，用混合域图扩散模型等方法，相比其他方法对分布外部分平面图泛化性更好，能在真实场景预测。

Comments Accepted at IROS 2026. Main paper: 8 pages, 3 figures, 3 tables. Includes a supplementary appendix

A Formalization of the Mean-Field Derivation of the Vlasov Equation

弗拉索夫方程平均场推导的形式化：作为策略游戏的人工智能辅助精益形式化

Joseph K. Miller

机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 该研究以数学家指导AI在Lean 4中形式化研究成果为案例，将其构建为形式化游戏。通过此方式对非线性弗拉索夫方程适定性完整形式化，展示了开发过程及成果，还介绍了最优传输机制的分离情况及开发时间等，为形式化研究提供了新方法。

Comments 26 pages, 4 figures. Lean 4 development, blueprint site, and agent logs: https://github.com/Hydrodynamical/Vlasov_Meanfield_Formalization

RoVE: Rotary Value Embeddings Attention for Relative Position-dependent Value Pathways

RoVE: 旋转值嵌入注意力实现相对位置相关的值路径

Alejandro García-Castellanos, Maurice Weiler, Erik J Bekkers

机构 * AMLab University of Amsterdam（阿姆斯特丹大学AMLab） ； 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 提出RoVE方法，通过同时旋转键和值使值对位置敏感，将RoPE注意力转化为注意力卷积，在少样本学习、分布外困惑度和长上下文检索上优于RoPE。

Agent psychometrics: Task-level performance prediction in agentic coding benchmarks

代理心理测量：在代理编码基准中的任务级性能预测

Chris Ge, Daria Kryvosheieva, Daniel Fried, Uzay Girit, Kaivalya Hariharan

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Fulcrum ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出了一种基于任务级性能预测的代理编码基准评估框架，结合IRT理论与任务特征，区分LLM和支架能力，以更准确预测未见基准和组合的性能。

Rapid and Safe Trajectory Planning over Diverse Scenes through Diffusion Composition

通过扩散合成在多样场景中进行快速且安全的轨迹规划

Wule Mao, Zhouheng Li, Yunhao Luo, Fangguo Zhao, Lei Xie

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院） 纠错

AI总结 针对动态环境规划难题，提出能量参数化扩散规划框架，结合轻量级安全过滤器和场景无关的数据生成管道，实现多样场景下快速安全规划，仿真与真实实验验证了其有效性、鲁棒性和适用性。

Octo-planner: On-device Language Model for Planner-Action Agents

Octo-planner：用于规划-行动智能体的设备端语言模型

Wei Chen, Zhiyuan Li, Zhen Guo, Yikang Shen

机构 * Nexa AI & Stanford（Nexa AI 与 斯坦福大学） ； MIT EECS（麻省理工学院电子工程与计算机科学系） ； MIT-IBM Watson AI Lab（麻省理工-IBM Watson AI 实验室） 纠错

AI总结 研究如何让人工智能智能体有效规划行动，提出设备端规划-行动框架，分离规划与行动执行组件，用模型微调优化性能，多LoRA训练方法应对多域规划挑战，在域内测试成功率达97%，并开源模型权重。