高校专区
EventOD：通过大语言模型引导的语义调制实现事件感知的OD流生成
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Zhongguancun Academy（中关村科学城研究院） ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工学院科研与技术联盟） ； Xiuzhong College, Tsinghua University（清华大学致理书院） ； Department of Automation, Central South University（中南大学自动化学院）
AI总结 研究在破坏性事件下估计OD流的问题，提出EventOD框架，利用大语言模型和轻量级适应模块，通过输入级调制实现事件感知适应，实验表明该方法能提高重建精度和分布保真度。
Humanly：一个用于人机协作写作的可配置且可追溯的环境
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； USC（南加州大学） ； KAUST（阿卜杜拉国王科技大学）
AI总结 研究针对人机协作写作难以判断创作过程的问题，提出Humanly写作平台，用户能配置环境，平台记录活动与辅助，可打包会话生成证书，支持多种场景，经研究验证对各角色有帮助且能区分打字方式。
模块各司其职吗？复合语言模型系统中的角色漂移
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学）
AI总结 研究复合语言模型系统中模块的角色漂移问题，提出角色锚定正则化方法，通过实验揭示仅准确性无法检测的角色漂移，该方法能以可调成本减轻漂移，且减少与角色漂移方向的对齐，而非简单抑制学习。
二次模型的辩护
机构 * Kempner Institute at Harvard University（哈佛大学坎普纳研究所） ； MIT（麻省理工学院）
AI总结 研究对二次模型进行压力测试，通过泰勒展开预测优化动态，利用兰索斯求积法分析海森矩阵谱和局部稳定性，发现其在语言模型中能准确反映优化情况，或可作为预训练优化动态的理论易处理代理。
CRAG-MM诊断：实现对知识密集型视觉问答的逐阶段分析
机构 * New York University（纽约大学） ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； MIT（麻省理工学院）
AI总结 研究知识密集型视觉问答流程，引入CRAG-MM-Diagnostics诊断基准，通过逐阶段数据注释分离子问题，评估VLM并进行细粒度分析，指出知识检索和推理是主要瓶颈，还提出改进流程提升准确率。
Comments Accepted to ECCV 2026
Ms. Forcing：通过多尺度分块和注意力实现高效流视频生成
机构 * Brown University（布朗大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Meta
AI总结 研究针对流视频生成中传统方法的不足，提出Ms. Forcing范式，通过多尺度分块和注意力调整空间粒度，引入均匀噪声水平DMD减少不匹配，该方法提升了效率，在单个H200 GPU上性能显著优于Rolling Forcing。
人行道时刻：更丰富的表示总是更符合人类认知吗？来自城市漫步视频的证据
机构 * Massachusetts Institute of Technology（麻省理工学院） ； City Form Lab, MIT（麻省理工学院城市形态实验室） ； Senseable City Lab, MIT（麻省理工学院可感知城市实验室）
AI总结 研究借助多种模态表示的城市漫步视频，探讨更丰富视觉表示与人类认知的关系。通过相关性分析等方法，发现不同模态在不同场景表现有别，挑战了丰富表示更符合人类认知的假设，提出时间压缩可替代全视频编码。
Comments 35 pages, 18 figures. Under review at Scientific Reports
通过基于CBF的强化学习实现安全且可扩展的多无人机载荷运输及零样本模拟到现实的迁移
机构 * Reliable Autonomous Systems Lab, Massachusetts Institute of Technology（可靠自主系统实验室，麻省理工学院）
AI总结 研究多无人机载荷运输问题，提出基于学习的框架，引入二维抽象，用离散图控制障碍函数近端策略优化训练全分布式策略，实现零样本模拟到现实的迁移，能在不同团队规模和任务场景泛化，在动态环境安全运行。
Comments Published in IEEE Robotics and Automation Letters (Early Access), 2026
使用软外翻藤蔓机器人部署的分布式声学定位阵列
机构 * University of Notre Dame（圣母大学） ； Pontifical Catholic University of Chile（智利天主教大学） ； Lincoln Laboratory, Massachusetts Institute of Technology（麻省理工学院林肯实验室）
AI总结 研究在受限非结构化环境中用软外翻藤蔓机器人定位灾难受害者，提出动态转向响应功率与相位变换框架，通过实验测量不同放置和配置下的定位准确性，展示藤蔓机器人生长定位声源能力，凸显分布式声学传感潜力。
Comments Sebastian Lorca Godoy, Ciera McFarland, Michael Val, Antonio Alvarez Valdivia, Nathaniel Hanson, and Margaret McGuinness, "Distributed Acoustic Localization Array Deployed Using a Soft Everting Vine Robot", in IEEE International Conference on Intelligent Robots and Systems, 2026
具有安全保障的自重构机器人船分布式运动规划
机构 * KU Leuven（鲁汶大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Nanyang Technological University（南洋理工大学） ； SMART（新加坡制造技术研究院） ； SENSEable City Laboratory, Massachusetts Institute of Technology（麻省理工学院可感知城市实验室） ； Computer Science and Artificial Intelligence Lab (CSAIL), Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
AI总结 研究水生自重构机器人多智能体形状形成与重构问题，提出将分布式MPC与CBF相结合的混合框架，利用ADMM求解MPC方案，通过局部优化和信息交换计算轨迹，并应用基于CBF的滤波器保障安全，经仿真和实验验证了框架的有效性与可扩展性。
Comments Submitted to IEEE
PerfAgent：用于仓库级代码优化的分析器引导迭代优化
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； IBM（IBM公司） ； Michigan State University（密歇根州立大学）
AI总结 研究针对仓库级代码优化难题，提出PerfAgent分析器引导迭代优化方法，该方法能让编码代理找到热点并改进，在两个优化基准测试中大幅提升专家匹配补丁率，且以低成本超越基线。
机器可自动发现参数函数以对高能物理数据建模
机构 * University of Pennsylvania, USA（宾夕法尼亚大学） ； European Organization for Nuclear Research (CERN), Switzerland（欧洲核子研究中心） ； University of Cambridge, UK（剑桥大学） ； University of Wisconsin-Madison, USA（威斯康星大学麦迪逊分校） ； University of California San Diego, USA（加州大学圣地亚哥分校） ； Massachusetts Institute of Technology, USA（麻省理工学院） ； Institute for Artificial Intelligence（人工智能研究所）
AI总结 研究高能物理数据分析中为分箱数据找合适函数建模的问题，核心方法是用符号回归实现自动化，主要贡献是展示SymbolFit软件包，在双喷注谱演示中取得良好效果，如生成众多拟合函数，部分运行重新发现已用函数。
Comments 6 pages. to be presented at ICHEP 2026
在开放权重语言模型中读取和引导材料科学机制的表示
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究大语言模型中材料科学机制信息的表示形式，结合多种方法，包括匹配读数、状态几何等，通过实验验证其三种形式，如概念可读、取向由状态变换承载等，还通过比较提示等发现物理关系在受控状态变化中更易显现。
商参数空间上的 PAC - 贝叶斯界：几何诱导的隐式偏差先验
机构 * University of Trieste（的里雅斯特大学） ； McGovern Institute, MIT（麻省理工学院麦戈文脑科学硏究所）
AI总结 研究过参数化模型参数对称性下的 PAC - 贝叶斯分析，通过在商预测器空间构造规范参数化及考虑几何体积，将中性先验转换为反映模型隐式偏差的先验，实验验证其能降低相关指标。
ATLAS：一种用于非晶材料的基础神经采样器
机构 * Microsoft Research New England（微软研究院新英格兰分部） ； Center for Computational Science and Engineering（计算科学与工程中心） ； MIT（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Department of Materials Science and Engineering（材料科学与工程系） ； Department of Computer Science and Engineering（计算机科学与工程系） ； OSU（俄亥俄州立大学）
AI总结 研究针对非晶材料能量景观难采样问题，提出ATLAS神经采样器，由等变图神经网络参数化，能跨系统泛化，利用扩散过程时间反转估计热力学量。在多种系统中验证有效性，还通过预训练降低逆设计成本，结合大语言模型搜索高熵金属玻璃，确立其为基础模型。
在线强化学习中的非渐近最优策略识别保证
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）
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：组合闭环异步机器人程序
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Northeastern University（东北大学）
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
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
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）
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。
从权重到文字：用自然语言表达和编辑偏好模型推理
机构 * MIT（麻省理工学院）
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
强化学习策略验证的综述
机构 * TU Wien（维也纳工业大学） ； Massachusetts Institute of Technology（麻省理工学院）
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
用于有效多轮强化学习的过程奖励引导树展开
机构 * UC San Diego（加州大学圣地亚哥分校） ； Amazon（亚马逊） ； MIT Alumni（麻省理工学院校友）
AI总结 研究多轮强化学习中有效探索问题，提出过程评分器引导的自适应树展开框架PATR，利用过程反馈评分轨迹、选择性分支等，在FrozenLake和SWE - Bench实验中提升性能，是可扩展多轮强化学习的有效策略。
Comments Preprint
基于模型的结构化软操纵器本体感觉与接触传感解耦策略
机构 * Embodied AI SA（具身人工智能公司） ； CREATE Lab, STI, EPFL（洛桑联邦理工学院智能系统学院创意实验室） ； Delft University of Technology（代尔夫特理工大学） ； German Aerospace Center（德国航空航天中心） ； MIT Computer Science & Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
AI总结 研究软连续体机器人传感难题，提出基于模型策略从通用流体压力传感器解耦信号，用于ITH段，单段试验效果良好，集成到Air-Helix进行演示，证明该方法是实现软机器人并发传感的实用途径。
Comments Accepted for publication in the proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
统计算法的公开可验证证书
机构 * MIT（麻省理工学院） ； Cornell University（康奈尔大学）
AI总结 本文在Goldwasser等人的交互式学习证明框架基础上，定义公开可验证统计有效性证书（pvCSV），在自适应统计查询算法中构建pvCSV，认证k次自适应查询的SQ算法，样本复杂度为O(log k)，并研究了SQ模型中的学习证明系统。
一种基于阈值的可移植框架用于医学数据的可解释分类
机构 * Worcester Polytechnic Institute（伍斯特理工学院） ； Centro de Vacunación e Investigación (CEVAXIN)（疫苗接种与研究中心（CEVAXIN）） ； Universidad Tecnológica de Panamá（巴拿马技术大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学布罗德研究所） ； McGill University（麦吉尔大学） ； The Montreal Neurological Hospital-Institute（蒙特利尔神经学医院研究所）
AI总结 研究针对医学数据分类中黑箱模型的问题，引入基于统计学的框架，用伯努利朴素贝叶斯模型并结合\(\chi^2\)引导的统计二值化方法，在多数据集上评估，性能与复杂模型相当，还提供可解释规则和校准风险估计。
自动合成：一种用于自动化元分析的智能系统
机构 * Politecnico di Milano（米兰理工大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 研究旨在解决定量证据合成人工操作难扩展问题，提出自动合成这一端到端多智能体系统，能完成从制定策略到元分析等一系列任务，还支持相关分析与评估，应用效果显示其可使证据合成更具扩展性，助力循证决策。
具有可验证奖励的强化学习的非空泛化界限
机构 * UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； MIT（麻省理工学院） ； Bridgewater AIA Labs（布里奇沃特人工智能实验室）
AI总结 研究针对具有可验证奖励的强化学习在十亿参数规模下泛化性差的问题，通过将PAC-贝叶斯压缩界限与Gumbel-max重参数化技巧结合，并提出渐进式RLVR框架，在多领域建立非空泛化界限，性能优于基础模型且接近微调模型。
Comments 22 pages, 7 figures
G$^2$SR：基于几何方法的快速且内存高效的高斯曲面重建
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究少视图曲面重建问题，提出G2SR方法，利用跨视图2D平铺对应关系，通过轻量级神经前端和解析后端，实现快速且内存高效的高斯曲面重建，在多个数据集上几何精度高且内存占用小。
Comments 8 pages, 3 figures
为什么Git是智能开发生命周期的记忆解决方案
机构 * MIT（麻省理工学院）
AI总结 研究智能开发生命周期中代码变更推理过程的记忆问题，提出将记忆与Git绑定的方法，通过解决种子供应和答案组装问题，实现低令牌数回答且结果可复制。
Comments 8 pages
迈向可靠的人工智能辅助模拟设计：用于逐次逼近寄存器型模数转换器生成的模板约束大语言模型智能体
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究针对大语言模型在模拟电子设计自动化应用的瓶颈，提出端到端多步骤的ATLAS框架，利用专家知识结合模板约束生成，能生成成功通过仿真验证的SAR ADC，为集成LLMs到可靠模拟设计方法奠定基础。
ToolAnchor：锚定反事实上下文以提升智能体工具使用能力
机构 * Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学） ； MIT（麻省理工学院）
AI总结 研究针对工具增强大语言模型智能体在工具集扩展时的问题，提出ToolAnchor框架，通过在关键决策点注入反事实锚定上下文打破行为惯性，经教师模型假设、学生展开验证及智能体后训练，提升其在扩展工具集下的性能，为智能体强化学习开辟新路径。
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