Massachusetts Institute of Technology（麻省理工学院）

Visualizing Graph-to-Answer Mechanism Recovery in Materials-Science Hypothesis Generation

材料科学假说生成中从图到答案的机制恢复可视化

Shashwat Sourav, Subhadeep Pal, Markus J. Buehler, Sanjay Das, Fiona Y. Wang, Dominik Soos, Tirthankar Ghosal

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； UniverseTBD ； Massachusetts Institute of Technology（麻省理工学院） ； Old Dominion University（奥多明尼昂大学） 纠错

AI总结 本研究针对适配的 Qwen3-8B 模型 Graph-PRefLexOR-8B，构建可视化诊断工作流以追踪材料科学假说生成的图到答案机制，发现机制恢复集中于后期合成及答案起始层，可助力相关人员识别假说的机制支持变化。

Optimizing the Preconditioner: A Black-box Online-to-Nonconvex Conversion with Static Regret Minimization Oracles

优化预处理器：一种具有静态遗憾最小化预言机的黑盒在线到非凸转换

Haichen Hu, David Simchi-Levi

机构 * Center for Computational Science and Engineering, MIT（麻省理工学院计算科学与工程中心） ； Department of Civil and Environmental Engineering, MIT（麻省理工学院土木与环境工程系） ； Institute for Data, Systems, and Society, MIT（麻省理工学院数据、系统与社会研究所） 纠错

AI总结 研究随机非凸优化能否黑盒简化为在线凸优化的静态遗憾最小化，提出维护梯度跟踪器并由在线学习器选预处理器的方法，对光滑和非光滑非凸目标均适用，解决了相关开放问题，还为理解自适应优化方法提供新视角。

AI Assistance Reduces Persistence and Hurts Independent Performance

人工智能辅助降低坚持性并损害独立表现

Grace Liu, Brian Christian, Tsvetomira Dumbalska, Michiel A. Bakker, Rachit Dubey

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 研究发现人工智能辅助虽短期提升表现，但降低用户坚持性并损害独立完成任务的能力，尤其在数学推理和阅读理解等任务中表现显著。

Seeking Physics in Diffusion Noise

在扩散噪声中寻求物理规律

Chujun Tang, Lei Zhong, Fangqiang Ding

机构 * Brown University（布朗大学） ； University of Edinburgh（爱丁堡大学） ； MIT（麻省理工学院） 纠错

AI总结 研究通过分析预训练扩散变换器的中间去噪表示，发现物理合理与不合理视频在中层特征空间部分可分离，提出渐进轨迹选择策略提升物理一致性并降低推理成本。

Comments 15 pages

DSeq-JEPA: Discriminative Sequential Joint-Embedding Predictive Architecture

DSeq-JEPA：判别性序列联合嵌入预测架构

Xiangteng He, Shunsuke Sakai, Shivam Chandhok, Sara Beery, Kun Yuan, Nicolas Padoy, Tatsuhito Hasegawa, Leonid Sigal

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute for AI（人工智能向量研究所） ； University of Fukui（福井大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Strasbourg（斯特拉斯堡大学） 纠错

AI总结 DSeq-JEPA通过判别性顺序处理与JEPA目标结合，提升视觉表征的判别性和泛化能力，在多个任务中表现优于I-JEPA变体。

Comments Accepted to ECCV 2026. Project page: https://dseqjepa-project.com

Aligning Fetal Anatomy with Kinematic Tree Log-Euclidean PolyRigid Transforms

对胎儿解剖结构进行运动树Log-欧几里得PolyRigid变换

Yingcheng Liu, Athena Taymourtash, Yang Liu, Esra Abaci Turk, William M. Wells, Leo Joskowicz, P. Ellen Grant, Polina Golland

机构 * Computer Science and Artificial Intelligence Lab, MIT, Cambridge, USA（麻省理工学院计算机科学与人工智能实验室） ； California Institute of Technology, Pasadena, USA（加州理工学院） ； Boston Children’s Hospital and Harvard Medical School, Boston, USA（哈佛医学院波士顿儿童医院） ； The Hebrew University of Jerusalem, Jerusalem, Israel（耶路撒冷希伯来大学） 纠错

AI总结 本文提出了一种基于运动树的Log-欧几里得PolyRigid变换，用于改进胎儿解剖结构的体积建模与分析，减少折叠伪影并实现鲁棒的图像配准和分割。

LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content

LiveXiv —— 基于 arXiv 论文内容的多模态实时基准测试集

Nimrod Shabtay, Felipe Maia Polo, Sivan Doveh, Wei Lin, M. Jehanzeb Mirza, Leshem Choshen, Mikhail Yurochkin, Yuekai Sun, Assaf Arbelle, Leonid Karlinsky, Raja Giryes

机构 * Faculty of Engineering Tel-Aviv University（特拉维夫大学工程学院） ； IBM Research（IBM研究院） ； Department of Statistics, University of Michigan（密歇根大学统计学系） ； JKU Linz, Austria（林茨大学，奥地利） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MIT-IBM（麻省理工学院-IBM） 纠错

AI总结 针对多模态模型训练中测试数据污染问题，提出基于 arXiv 论文的 LiveXiv 实时基准，自动生成 VQA 对，用部分模型评估降低成本，验证了其性能差异极小，数据集已在 HuggingFace 公开。