TiCo: Time-Controllable Spoken Dialogue Model
TiCo：时间可控的语音对话模型
机构 * MIT（麻省理工学院） ； NTU（国立台湾大学） ； NTU AI-CoRE（国立台湾大学AI-CoRE）
AI总结 TiCo是一种能遵循时间约束指令生成可控时长语音响应的对话模型，通过引入时间标记器提升对时间的感知能力，有效减少响应时长误差。
高校专区
Massachusetts Institute of Technology（麻省理工学院）
Zatom-1: Towards a Multimodal Foundation Model for 3D Molecules and Materials
Zatom-1：迈向3D分子和材料的多模态基础模型
机构 * LBNL（劳伦斯伯克利国家实验室） ； ICSI（国际计算机科学研究所） ； University of Cambridge（剑桥大学） ； Yale University（耶鲁大学） ； MIT（麻省理工学院） ； UC Berkeley（加州大学伯克利分校）
AI总结 Zatom-1是一种跨领域、通用的模型架构，统一了3D分子和材料的生成与预测学习，通过多模态流匹配目标实现高效的预训练和稳定采样，提升了生成推理速度和跨领域预测性能。
Comments 38 pages, 10 figures, 15 tables. ICLR 2026 FM4Science. Code, data, and model weights are available at https://github.com/Zatom-AI/zatom
High-Rate Quantized Matrix Multiplication I
高速率量化矩阵乘法 I
机构 * Hebrew University of Jerusalem（海法大学） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM Watson AI实验室）
AI总结 本文研究了量化矩阵乘法问题，探讨了量化速率与失真之间的信息论权衡，并对比了主流量化方案的性能。
BEAVER: An Enterprise Benchmark for Text-to-SQL
BEAVER：一个企业文本到SQL基准测试
机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学） ； Greenshoe, Inc.（Greenshoe公司）
AI总结 BEAVER是首个基于企业私有数据仓库构建的文本到SQL基准测试，包含9128个问题-SQL对和19个领域的812张表，通过合成高质量查询和细粒度评估方法，揭示了现有模型在复杂企业场景下的性能差距。
Comments Dataset and code are available at https://beaverbench.github.io/
Offline Two-Player Zero-Sum Markov Games with KL Regularization
离线双玩家零和马尔可夫游戏中的KL正则化
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； California Institute of Technology（加州理工学院） ； University of Virginia（弗吉尼亚大学） ； Purdue University（Purdue 大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文研究了离线双玩家零和马尔可夫游戏中纳什均衡的学习问题，提出ROSE框架和SOS-MD算法，通过KL正则化实现快速收敛。
IV-ICL: Bounding Causal Effects with Instrumental Variables via In-Context Learning
IV-ICL：通过上下文学习界定制因变量效应
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； University College London（伦敦大学学院）
AI总结 本文提出IV-ICL方法，通过上下文学习直接学习因果效应的边际后验分布，并推导出界定制因变量效应的上下限，相比传统方法更高效且更可靠。
The End Justifies the Mean: A Linear Ranking Rule for Proportional Sequential Decisions
目的 justify 平均：一种线性排名规则用于比例序列决策
机构 * MIT, USA（美国麻省理工学院） ； Hasso Plattner Institute, University of Potsdam, Germany（德国波茨坦大学哈索·普拉特纳研究院）
AI总结 本文研究了如何通过线性排名规则在多次决策中实现比例性，提出角平均作为满足长期比例性的简单规则，并展示了其在高分歧情况下的优势。
Visual Aesthetic Benchmark: Can Frontier Models Judge Beauty?
视觉审美基准：前沿模型能评判美吗？
机构 * Bake AI ； University of Washington（华盛顿大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Stanford University（斯坦福大学） ； University of Notre Dame（诺丁汉大学） ； Carnegie Mellon University（卡内基梅隆大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Western Washington University（西雅图华盛顿大学） ； King Abdulaziz City for Science and Technology（国王阿卜杜勒阿齐兹科技城）
AI总结 本文提出视觉审美基准（VAB），通过比较选择评估审美，发现前沿模型在判断最佳和最差图像时表现逊于人类专家，表明需进一步改进。
Comments Project page: https://vab.bakelab.ai. Code: https://github.com/BakeLab/Visual-Aesthetic-Benchmark. Dataset: https://huggingface.co/datasets/BakeLab/Visual-Aesthetic-Benchmark
Instructions Shape Production of Language, not Processing
指令塑造语言的生成，而非处理
机构 * Department of Linguistics, University of Tübingen（图宾根大学语言学系） ； IBM Research, MIT, and MIT-IBM Watson AI Lab（IBM研究院、麻省理工学院和麻省理工-IBM沃森人工智能实验室） ； Interdisciplinary Transformation University of Austria（奥地利跨学科转型大学） ； IBM Research（IBM研究院）
AI总结 研究揭示指令通过影响语言模型生成阶段的信息 asymmetry，而非处理阶段，通过五种二元判断任务层析任务特定信息，发现输出 tokens 的信息变化与行为强相关，而输入 tokens 的信息变化弱相关。
Cycle-resolved Cephalopod-Inspired Pulsed-Jet Robot With High-Volume Expulsion and Drag-Reduced Gliding
基于循环分析的章鱼启发式脉冲喷射机器人：高体积排放与减阻滑翔
机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（机械工程系，设计与工程学院，新加坡国立大学） ； Advanced Robotics Centre, National University of Singapore（先进机器人中心，新加坡国立大学） ； Singapore-MIT Alliance for Research and Technology Centre（新加坡-麻省理工联合研究技术中心）
AI总结 本文提出一种受章鱼启发的脉冲喷射机器人，通过刚柔混合折纸外壳实现大体积主动驱动变形，实验显示其在第一喷射周期内达到0.5m/s峰值速度，展示了高排放比收缩、减阻滑翔和被动进气阀对推进性能的影响。
Comments Updated author list; no changes to the scientific content
Learning to Approximate Uniform Facility Location via Graph Neural Networks
通过图神经网络学习近似统一设施选址
机构 * RWTH Aachen University, Germany（亚琛工业大学，德国） ； Technical University of Munich, Germany（慕尼黑技术大学，德国） ； Massachusetts Institute of Technology, USA（麻省理工学院，美国） ； University of Cologne, Germany（科隆大学，德国）
AI总结 本文提出一种可微的图神经网络，结合近似算法原理，在无需求解器监督或离散松弛的情况下，提供可证明的近似保证，并在实践中优于传统近似算法，缩小与整数线性规划的差距。
Comments ICML 2026
Flow Matching with Uncertainty Quantification and Guidance
带有不确定性量化和指导的流匹配
机构 * MIT（麻省理工学院）
AI总结 本文提出UA-Flow，通过预测速度场和异方差不确定性提升流匹配生成质量，实验表明其不确定性信号更符合样本保真度，且不确定性指导进一步提升生成质量。
Pragmatic Curiosity: A Unified Framework for Hybrid Learning and Optimization via Active Inference
实用好奇心：通过主动推断实现混合学习与优化的统一框架
机构 * Department of Aeronautics and Astronautics（航空与航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； School of Industrial and Systems Engineering（工业与系统工程系） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Pragmatic Curiosity框架，通过主动推断统一处理混合学习与优化问题，减少决策风险，提升关键结果区域覆盖率，并联合学习预测与偏好结构。
Probing Non-Equilibrium Grain Boundary Dynamics with XPCS and Domain-Adaptive Machine Learning
利用XPCS和域自适应机器学习探测非平衡晶界动力学
机构 * Quantum Measurement Group, MIT（麻省理工学院量子测量组） ； Center for Computational Science and Engineering, MIT（麻省理工学院计算科学与工程中心） ； Department of Materials Science and Engineering, MIT（麻省理工学院材料科学与工程系） ； Department of Physics, MIT（麻省理工学院物理系） ； Department of Nuclear Science and Engineering, MIT（麻省理工学院核科学与工程系） ； Center for Nanoscale Materials, Argonne National Laboratory（阿贡国家实验室纳米尺度材料中心） ； Materials Science Institute, University of Oregon（俄勒冈大学材料科学研究所） ； Department of Materials Science and Engineering, Northwestern University（西北大学材料科学与工程系） ； Department of Applied Physics, School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院应用物理系） ； National Synchrotron Light Source II, Brookhaven National Laboratory（布鲁赫斯国家实验室同步辐射光源II）
AI总结 通过XPCS与域自适应机器学习研究晶界动力学，揭示非平衡条件下晶界弛豫的非平衡特性，并提取关键动力学参数。
Comments 14 pages, 4 figures
Rethinking Positional Encoding for Neural Vehicle Routing
重新思考神经车辆路径问题中的位置编码
机构 * KAIST（韩国科学技术院） ； Radical Numerics ； Bielefeld University（比勒菲尔德大学） ； University of Vienna（维也纳大学） ； MIT（麻省理工学院） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 本文针对车辆路径问题中位置编码的不足，提出一种层次化各向异性位置编码，结合几何基础原理，通过分析多种PE方法，证明几何引导的PE在不同问题变体和模型架构中均表现更优。
Incentivizing Truthfulness and Collaborative Fairness in Bayesian Learning
在贝叶斯学习中激励诚实与协作公平性
机构 * Department of Computer Science, National University of Singapore, Singapore（新加坡国立大学计算机科学系） ； Research (A STAR), Singapore（新加坡A*STAR研究） ； Department of Electrical Engineering（电气工程系） ； Computer Science, Massachusetts Institute of Technology, USA（美国麻省理工学院计算机科学系）
AI总结 本文提出首个确保协作公平与激励诚实的机制，结合公平性保障的半值和基于验证集的诚实数据估值函数，通过理论分析和实验证实其有效性。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML-26) as a Spotlight paper
Distributional Process Reward Models: Calibrated Prediction of Future Rewards via Conditional Optimal Transport
分布过程奖励模型：通过条件最优传输实现未来奖励的校准预测
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MIT（麻省理工学院） ； IBM Research（IBM研究院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
AI总结 本文提出利用条件最优传输校准过程奖励模型，通过估计成功概率的单调条件分位数函数，提升模型校准和不确定性估计能力。
Coevolutionary Continuous Discrete Diffusion: Make Your Diffusion Language Model a Latent Reasoner
连续离散扩散：使你的扩散语言模型成为潜在推理器
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Microsoft Research（微软研究院） ； Toyota Technological Institute at Chicago（丰田技术研究所（芝加哥）） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出CCDD模型，结合连续和离散空间，提升扩散语言模型的表达能力和训练效果，通过联合多模态扩散过程实现高质量的生成与推理。
Comments 29 pages. Accepted to ICML 2026
Social Human Robot Embodied Conversation (SHREC) Dataset: Benchmarking Foundational Models' Social Reasoning
社交人机具身对话（SHREC）数据集：评估基础模型的社会推理能力
机构 * Purdue University（普渡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出SHREC数据集，包含400个真实人机交互视频和10000多个标注，用于评估基础模型在社会推理中的能力，揭示社会机器人在情绪理解、意图跟踪等方面的社会挑战。
Comments 23 pages, 11 figures
Digital Identity for Agentic Systems: Toward a Portable Authorization Standard for Autonomous Agents
面向代理系统的数字身份：为自主代理建立可携带的授权标准
机构 * MIT（麻省理工学院）
AI总结 本文针对自主代理在跨组织边界扩展时身份不足的问题，提出基于发行者授权负载、类型约束代数等的可携带授权模型，旨在实现授权的明确性、约束性与可审计性。
Comments 46 pages, 10 figures
Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance
人机生产力悖论：技能、努力与AI辅助的交互建模
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文通过建模技能、努力与AI辅助的交互，探讨AI对生产力的影响机制，发现技能发展内生性或AI不可靠性可能引发生产力悖论，并揭示技能极化现象的形成机制。
Neural Statistical Functions
神经统计函数
机构 * Columbia University（哥伦比亚大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 本文提出神经统计函数，通过预训练单样本预测器和散落数据样本学习，实现连续操作条件范围内的统计推断，显著降低模型评估次数。
When to Ask a Question: Understanding Communication Strategies in Generative AI Tools
何时提问：理解生成式AI工具中的沟通策略
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究探讨生成式AI工具中用户与模型交互时信息获取与推断的平衡，提出兼顾用户负担与偏好表示的优化目标，分析如何通过信息采集减少系统性偏见，提升多样性与效率。
Internalizing Curriculum Judgment for LLM Reinforcement Fine-Tuning
将课程判断内部化以优化大语言模型强化微调
机构 * MIT（麻省理工学院） ； Amazon AGI（亚马逊人工智能实验室）
AI总结 本文提出METIS框架，通过内部化课程判断提升LLM强化微调效率与性能，利用训练结果动态分配训练资源，实现闭环优化。
ADMM-Q: An Improved Hessian-based Weight Quantizer for Post-Training Quantization of Large Language Models
ADMM-Q: 一种改进的基于Hessian的权重量化器用于大语言模型的后训练量化
机构 * MIT Operations Research Center（麻省理工学院运筹学中心） ； MIT Sloan School of Management（麻省理工学院斯隆管理学院） ； MIT Center for Statistics（麻省理工学院统计中心）
AI总结 ADMM-Q是一种新的权重量化算法，通过交替方向乘子法的组合变体，优化层间重建误差并逐步施加量化约束，提升大语言模型的压缩性能。
Acceleration of horizontal numerical advection for atmospheric modeling through surrogate modeling with temporal coarse-graining
通过时间粗化与代理建模加速大气模型中的水平数值输运
机构 * The Grainger College of Engineering, Department of Civil and Environmental Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院，土木与环境工程系） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院计算机科学与人工智能实验室，剑桥马萨诸塞州，美国）
AI总结 本文提出一种基于代理建模与时间粗化的输运求解器，通过扩大积分步长提升计算效率，同时保持空间分辨率，验证了其在不同季节和垂直高度下的泛化能力。
One Operator for Many Densities: Amortized Approximation of Conditioning by Neural Operators
一个算子用于多种密度：通过神经算子实现条件化的消融近似
机构 * Operations Research Center（运筹学研究中心） ； Massachusetts Institute of Technology（麻省理工学院） ； Department of Computing and Mathematical Sciences（计算与数学科学系） ； California Institute of Technology（加州理工学院） ； Laboratory for Information and Decision Systems（信息与决策系统实验室） ； Center for Computational Science and Engineering（计算科学与工程中心） ； Department of Mathematics（数学系） ； Cornell University（康奈尔大学） ； Oden Institute for Computational Engineering and Sciences（计算工程与科学学院）
AI总结 本文提出通过神经算子近似条件化算子，解决概率条件化问题，展示了其在高斯混合模型中的应用，为概率条件化提供了理论基础。
Comments 27 pages (10 main text, 14 appendix, and 3 references pages), 2 figures, 2 tables
Continuous First, Discrete Later: VQ-VAEs Without Dimensional Collapse
先连续后离散：无需维度坍缩的VQ-VAE
机构 * MIT（麻省理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Google（谷歌）
AI总结 本文探讨了VQ-VAE中维度坍缩问题，提出通过预训练无量化自编码器缓解该问题，提升表示维度和重建质量。
Integrating the Expected Future in Load Forecasts with Contextually Enhanced Transformer Models
将预期未来整合到负载预测中：基于上下文增强的Transformer模型
机构 * Intelligent Maintenance and Operations Systems (IMOS)（智能维护与运营系统） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） ； Department of Mechanical and Process Engineering（机械与过程工程系） ； Eidgenössische Technische Hochschule (ETH)（瑞士联邦理工学院（ETH）） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Massachusetts Institute of Technology (MIT)（麻省理工学院）
AI总结 本文提出一种结合预测与回归的任务，通过上下文增强的Transformer模型提升能源预测准确性，通过铁路和建筑能耗案例验证了方法的有效性，显著降低预测误差。
Comments 39 pages, 8 figures and tables, journal paper
Towards Shutdownable Agents via Stochastic Choice
通过随机选择实现可关闭代理
机构 * Massachusetts Institute of Technology（麻省理工学院） ； New College of Florida（佛罗里达新学院） ； Imperial College London（伦敦帝国理工学院） ； Brown University（布朗大学） ； Independent（独立）
AI总结 本文提出评估指标用于评估代理的有用性和中立性，通过DReST奖励函数训练代理在网格世界中导航，证明其能有效且中立地完成任务，为高级代理的可关闭性提供初步证据。
Journal ref Technical AI Safety (TAIS) Conference 2025
