高校专区
并非所有目标生而平等：面向层次化多目标优化的优先级约束下降
机构 * Department of Computer Science & Engineering, American University of Sharjah（美国沙迦大学计算机科学与工程系） ； Senseable City Laboratory, Massachusetts Institute of Technology（麻省理工学院可感知城市实验室）
AI总结 提出优先级约束下降（PCD）框架，通过保持主目标方向并最小化扭曲以保障次目标进展，解决多目标优化中的层次结构问题，在压缩、稀疏性等任务中优于现有方法。
Comments 33 pages, 14 figures, 6 tables
一次触碰：单次触觉接触的6自由度物体姿态估计
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Harvard University（哈佛大学） ； University of Cambridge（剑桥大学）
AI总结 提出YOTO系统，利用单次双点触觉接触通过粗到细网络定位接触点并闭式SVD求解器恢复6自由度物体姿态，在视觉失效场景下优于基线方法。
构建面向空间生命科学、航空航天医学和深空探测的AI就绪数据系统
机构 * Blue Marble Space ； Computational and Systems Biology（计算与系统生物学） ； Trivedi Institute for Space and Global Biomedicine（Trivedi空间与全球医学研究所） ； Wellcome Sanger Institute（Wellcome桑格研究所） ； University of Cambridge（剑桥大学） ； Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Amentum, Space Biosciences Division, NASA Ames Research Center（Amentum空间生物学 division, NASA Ames研究中心） ； Massachusetts Institute of Technology（麻省理工学院） ； Crown Point Technologies, Inc（Crown Point Technologies公司） ； BiosView Labs ； Directorate of Human and Robotic Exploration, European Space Agency（欧洲航天局人类和机器人探索部门） ； Texas State University（德克萨斯州立大学） ； McGowan Institute for Regenerative Medicine, Department of Surgery, University of Pittsburgh School of Medicine（McGowan再生医学研究所，匹兹堡大学医学院外科系） ； Center for Space Biomedicine, Trivedi Institute for Space and Global Biomedicine（空间生物医学中心，Trivedi空间与全球医学研究所） ； Department of Bioengineering, University of Pittsburgh（匹兹堡大学生物工程系） ； Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard（Stanley精神医学研究中心，MIT和哈佛Broad研究所） ； Department of Systems and Computational Biomedicine and WorldQuant Initiative, Weill Cornell Medicine（系统与计算生物医学系及WorldQuant计划，Weill Cornell医学院） ； San Diego Supercomputer Center, University of California San Diego（圣地亚哥超级计算机中心，加州大学圣地亚哥分校） ； Weill Institute for Neurosciences, Department of Neurology, University of California San Francisco（Weill神经科学研究所，加州大学旧金山分校神经病学系） ； Science for Life Laboratory, Department of Gene Technology, KTH Royal Institute of Technology（Science for Life实验室，基因技术系，皇家理工学院） ； European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI)（欧洲分子生物学实验室，欧洲生物信息研究所（EMBL-EBI））
AI总结 针对空间生物学数据异构性阻碍AI应用的问题，提出从FAIR到AI就绪再到空间就绪的三层数据架构，并建议建立国际协调机构以支持深空生物学研究。
Comments 26 pages, 3 figures, 1 table, 1 supplementary table
面向金融的约束表格扩散
机构 * University of Virginia（弗吉尼亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） ； Visa Inc（Visa公司）
AI总结 提出CTDF方法，通过将训练时无约束的表格扩散与采样时的可行性操作结合，在金融数据生成中实现硬约束满足，零违规且提升稀缺数据效用。
Comments Published at ACM International Conference on AI in Finance (ICAIF) 2025
强化学习训练的轻量定理证明器推理时的多样性：诊断研究
机构 * MIT（麻省理工学院）
AI总结 研究发现强化学习训练的轻量定理证明器在推理时存在模式崩溃，通过增加采样预算未能提升解题数量，但固定战术骨架调度可显著提升性能，且多样性控制揭示了提示多样性对证明能力的影响。
Comments 9 pages, accepted at the ICML AI4Math Workshop 2026
机器学习增强的迭代ptychographic重建加速
机构 * Advanced Light Source, Lawrence Berkeley National Laboratory（伯克利国家实验室先进光源） ； Department of Physics, Massachusetts Institute of Technology（麻省理工学院物理系） ； Department of Materials Science and Engineering, University of California Davis（加州大学戴维斯分校材料科学与工程系） ； Center for Advanced Mathematics for Energy Research Applications, Lawrence Berkeley National Laboratory（伯克利国家实验室能源研究高级数学中心） ； Molecular Biophysics and Integrated Bioimaging Division, Lawrence Berkeley National Laboratory（伯克利国家实验室分子生物物理与整合生物成像部） ； Berkeley Synchrotron Infrared Structural Biology Program, Lawrence Berkeley National Laboratory（伯克利同步辐射红外结构生物学计划） ； Department of Physics and Astronomy, University of California, Davis（加州大学戴维斯分校物理与天文学系） ； Linac Coherent Light Source (LCLS), SLAC National Accelerator Laboratory（SLAC国家加速器实验室直线相干光源） ； Argonne National Laboratory（阿贡国家实验室）
AI总结 本文提出一种结合机器学习的加速方法，通过引入预训练的快速前向算子提升ptychographic重建效率，减少迭代次数并提高收敛速度。
提示注入作为角色混淆
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文通过角色探测和CoT伪造攻击，揭示提示注入源于LLM对文本来源的角色感知混淆，并提出角色混淆程度可预测攻击成功率。
Comments ICML 2026
DIA-HARM：50种英语方言中有害内容检测的方言差异
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Trinity College Dublin（都柏林圣三一大学） ； MIT Lincoln Laboratory（麻省理工学院林肯实验室）
AI总结 研究探讨了在50种英语方言中检测虚假信息的鲁棒性，发现人类生成的方言内容使检测性能下降1.4%-3.6%，而AI生成内容稳定。多语言模型在跨方言迁移中表现更佳，单语言模型则表现不佳。
Comments Accepted to ACL 2026
2025人工智能代理指数：记录已部署代理式人工智能系统的技术和安全特性
机构 * University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； Harvard Law School（哈佛法学院） ； Stanford University（斯坦福大学） ； Concordia AI（康科迪亚AI） ； University of Pennsylvania（宾夕法尼亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学）
AI总结 本文提出2025人工智能代理指数，记录30种先进代理式AI系统的起源、设计、能力、生态系统及安全特性，揭示代理发展中的趋势和开发者透明度问题。
Comments To be publishesd at ACM FAccT 2026
SparsePixels: 用于FPGA上稀疏数据高效卷积的框架
机构 * University of Pennsylvania, USA（美国宾夕法尼亚大学） ； Institute of Physics Belgrade, Serbia（塞尔维亚贝尔格莱德物理研究所） ； Massachusetts Institute of Technology, USA（美国麻省理工学院） ； Institute for Artificial Intelligence and Fundamental Interactions, USA（美国人工智能与基本相互作用研究所）
AI总结 本文提出SparsePixels框架，通过只计算少量活跃像素实现稀疏卷积，降低FPGA上的推理延迟，实验显示在稀疏LArTPC图像中，稀疏CNN比传统CNN快73倍。
Comments Under review
引导的无条件和条件生成模型用于超分辨率和准地转湍流的推断
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Center for Computational Science and Engineering, Massachusetts Institute of Technology（麻省理工学院计算科学与工程中心）
AI总结 本文提出引导的生成模型用于从稀疏观测中推断准地转湍流，比较了无条件和条件模型在超分辨率和湍流统计中的表现，揭示了模型在实现难度、精度和一致性间的权衡。
Comments 47 pages, 16 figures, 5 tables
Journal ref Journal of Advances in Modeling Earth Systems, 18, e2025MS005324
替代图神经网络：融合极值模型与深度学习用于出行方式选择建模
机构 * University of Florida（佛罗里达大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Texas A&M University（德克萨斯A&M大学） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 本文提出替代图神经网络（Alt-GNNs），通过融合极值模型与深度学习，解决传统方法在替代依赖建模中的局限，提升出行方式选择预测性能。
超越谱分解：通过因子分析的贝叶斯对比学习及其非负形式
机构 * Xidian University（西安电子科技大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出对比因子分析框架，结合因子分析和对比学习的优势，通过非负因子分析提升可解释性，验证了其在表达能力、鲁棒性、可解释性和不确定性估计上的有效性。
弹性时间：神经音频编码的动态帧率瓶颈
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出弹性时间方法，通过轻量级潜在预测器实现动态帧率瓶颈，将固定帧率自编码器转换为动态帧率，在推理时高效选择边界，提升效率-质量权衡。
Comments Interspeech 2026
ELF：嵌入式语言流
机构 * MIT（麻省理工学院）
AI总结 本文提出ELF，一种基于连续时间流匹配的连续嵌入空间扩散模型，通过最小调整即可在离散领域有效工作，实验显示其在生成质量与采样步骤上优于现有模型。
Comments Tech report. arXiv v2: add distillation results in Appendix B. https://linlu-qiu.github.io/assets/html/elf_pd.html
GenMatter：基于生成物质模型的物理物体感知
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MIT BCS（麻省理工学院生物学与计算机科学）
AI总结 本文提出一种生成物质模型，通过分层聚类低级运动线索和高级外观特征，实现对不同输入的统一感知框架，验证了其在随机点运动、伪装旋转物体和自然视频中的有效性。
Comments 25 pages, 12 figures, CVPR 2026
高维推断用于γ射线天空的不同可微编程
机构 * Faculty of Computing ； Data Sciences, Boston University, Boston, MA 02215, USA ； The NSF AI Institute for Artificial Intelligence ； Center for Theoretical Physics -- a Leinweber Institute, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； Department of Physics, Harvard University, Cambridge, MA 02138, USA ； Center for Theoretical Physics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； Trottier Space Institute \& Department of Physics, McGill University, Montreal, QC H3A 2T8, Canada ； Department of Physics, Cornell University, Ithaca, NY 14853, USA
AI总结 本文利用可微概率编程技术解决银河系中心γ射线异常问题，通过GPU加速和向量化方法构建可微前向模型和似然函数，实现对多种空间形态的灵活推断。
Comments 20 pages, 16 figures. Code available at https://github.com/smsharma/fermi-prob-prog. V2: Updated with a more complete set of coverge tests
FracEvent: 通过分数阶弛豫像素动力学进行事件相机模拟
机构 * The University of Sydney（悉尼大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Beijing Technology and Business University（北京工商大学）
AI总结 提出FracEvent模拟器，利用分数阶弛豫电压动力学建模像素级生命周期，通过连续电压轨迹定位阈值交叉生成事件，保留记忆模式以改进事件时序结构，在下游任务中优于现有方法。
PRISM：具有可达性保证的高效且局部最优的概率规划
机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Draper
AI总结 提出PRISM算法，通过将信念空间规划分解为确定性均值规划和协方差收缩，并引入在线局部优化，在满足状态和控制约束下实现高覆盖率和低成本，同时提供可达性保证。
基准测试饱和之后：CORE-Bench 案例研究
机构 * Independent（独立机构） ； Princeton University（普林斯顿大学） ； UC Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院）
AI总结 针对基准测试准确率饱和问题，提出从构造效度、泛化性、效率、可靠性、模型与脚手架相对重要性及人机协作提升六个维度评估智能体，以CORE-Bench Hard为案例展示饱和后仍可获得有意义见解。
Dot-Flik：一种用于分布式昆虫监测的可扩展边缘AI架构
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院洛桑校区） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出基于运动信息帧过滤和分层物联网架构的边缘AI系统，在低成本硬件上实现实时昆虫监测，减少60-80%帧传输并节能22.6%。
解读物理学中机器学习的“可解释性”与解释“可解释性”
机构 * Department of Physics, University of Cincinnati（俄亥俄州辛辛那提大学物理系） ； Hamburger Sternwarte, Universität Hamburg（汉堡大学汉堡天文台） ； Center for Theoretical Physics – a Leinweber Institute, Massachusetts Institute of Technology（麻省理工学院理论物理中心——莱因韦伯研究所） ； Institut des Hautes Études Scientifiques（高等科学研究院） ； Institut de Physique Théorique, CEA Paris-Saclay（巴黎-萨克雷CEA理论物理研究所） ； NSF 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）
AI总结 本文区分了机器学习在物理学中的可解释性（模型结构透明）与可解释性（映射到领域知识），讨论了权衡、应用场景及实现工具，强调它们是建模选择而非固有属性。
Comments 31 pages, 3 figures, Part of the VERaiPHY Initiative
基于图灵奖励的学习用户模拟器
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Stanford University（斯坦福大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
AI总结 提出Turing-RL方法，利用基于图灵测试的强化学习训练用户模拟器，通过判别性图灵奖励使生成响应与真实用户不可区分，在对话和论坛讨论中优于基线方法。
Running the Gauntlet: 重新评估智能体在陌生环境中的能力
机构 * University of Oxford（牛津大学） ； SoftServe ； Massachusetts Institute of Technology（麻省理工学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； UK AI Security Institute（英国人工智能安全研究所） ； Ukrainian Catholic University（乌克兰天主教大学）
AI总结 提出GauntletBench基准，通过20个视觉密集型任务评估智能体在时间感知、图形理解和3D推理等未被充分探索的能力，发现最先进智能体成功率仅19.1%，远低于人类80%以上。
等价对称性感知的胎儿MRI头部姿态估计
机构 * MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室） ； Boston Children's Hospital and Harvard Medical School（波士顿儿童医院和哈佛医学院） ； Inria, Université Côte d'Azur（法国国家科学研究中心（Inria）、蔚蓝海岸大学）
AI总结 本文提出E(3)-Pose方法，通过联合建模旋转等价性和物体对称性，解决胎儿MRI中头部运动的自动适应性处方问题，实现6自由度头部姿态估计。
两人零和随机博弈中基于最优响应的去中心化学习：有限样本分析
机构 * Purdue University（普渡大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Caltech（加州理工学院） ； MIT（麻省理工学院）
AI总结 本文对两人零和矩阵博弈和随机博弈中的去中心化学习进行有限样本分析，提出基于最优响应的学习算法，并证明其样本复杂度。
Comments A preliminary version [arXiv:2303.03100] of this paper, with a subset of the results that are presented here, was presented at NeurIPS 2023
Expresso-AI: 基于可解释视频的深度学习模型用于抑郁症诊断
机构 * Media Lab MIT Cambridge, USA（媒体实验室 MIT 摄影实验室 美国剑桥）
AI总结 提出一种可解释的深度学习框架，通过微调动作识别预训练的DCNN，分析面部视频中的时空特征，生成显著性图以解释模型决策，同时提升抑郁症严重程度预测性能。
Comments 8 pages. Accepted at the 2023 11th International Conference on Affective Computing and Intelligent Interaction (ACII). Code: https://github.com/felmoreno1726/Expresso-AI
Journal ref 2023 11th International Conference on Affective Computing and Intelligent Interaction (ACII), 2023, pp. 1-8
Commerge：面向资源受限场景的多机器人协调的高效通信、鲁棒且快速的LiDAR地图合并框架
机构 * Dept. of Electrical and Computer Engineering, INHA University, S.Korea（电气与计算机工程系，INHA大学，韩国） ； Laboratory for Information and Decision Systems (LIDS), Massachusetts Institute of Technology, Cambridge, MA, USA（信息与决策系统实验室（LIDS），麻省理工学院，美国马萨诸塞州剑桥）
AI总结 提出Commerge框架，通过图论选择性数据交换将多机器人LiDAR地图合并的通信量降低高达5000倍，同时保持对齐精度，实现MB级数据交换。
Comments 32 pages, 32 figures
击中移动目标：持续分布漂移下AI文本检测的测试时适应
机构 * Cornell Tech（康奈尔科技） ； MIT（麻省理工学院）
AI总结 提出一种基于半监督学习的测试时适应方法，利用推理时未标记样本的同质性，应对AI文本检测中持续出现的分布漂移，显著优于现有监督检测器。
神经缩放普适性：如果指数固定，是时候理解系数了
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文论证神经缩放定律中的幂律指数由通用机制固定，而系数对数据和架构细节敏感，理解系数是近期性能提升的关键。
Comments 17 pages, 6 figures
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