高校专区
利用hls4ml在抗辐射FPGA上实现低延迟机器学习
机构 * Massachusetts Institute of Technology (MIT)（麻省理工学院） ； Department of Experimental Physics, European Organization for Nuclear Research (CERN)（欧洲核子研究中心（CERN）实验物理系） ； University of Milano-Bicocca (Italy)（米兰-布雷拉大学）
AI总结 本文提出利用hls4ml在抗辐射FPGA上实现低延迟机器学习，通过轻量级自编码器和量化策略，展示在PolarFire FPGA上达到25ns延迟的可行性。
Journal ref Machine Learning: Science and Technology 7 (2026) 045024
AREA3D: 带有统一前馈3D感知和视觉-语言引导的主动重建代理
机构 * Southern University of Science and Technology（南方科技大学） ； Harvard University（哈佛大学） ； California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 AREA3D通过统一前馈3D感知与视觉-语言引导，实现高效主动3D重建，尤其在稀疏视角下提升重建精度。
Journal ref Tianling Xu, Shengzhe Gan, Leslie Gu, Yuelei Li, Fangneng Zhan, Hanspeter Pfister. The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)), 2026
迈向白盒深度无线感知
机构 * The University of Hong Kong（香港大学） ； MIT（麻省理工学院）
AI总结 该研究针对现有深度无线感知模型为黑盒的问题，提出基于复稀疏率降维原理的全复值Transformer模型RF-CRATE，引入子空间正则化解决数据稀缺问题，在五项数据集的多类任务中验证其性能优于黑盒模型且具备可解释性。
长上下文Transformer中的关键注意力缩放
机构 * Department of Mathematics, Massachusetts Institute of Technology（数学系，麻省理工学院） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（电气工程与计算机科学系，麻省理工学院）
AI总结 该研究针对长上下文Transformer的注意力秩崩溃问题，通过分析简化模型确定关键缩放因子$\beta_n \backsim \text{log} n$，为YaRN和Qwen的注意力缩放提供理论依据，阐明对数缩放可维持长上下文下的稀疏内容自适应注意力。
Comments 31 pages, 2 figures
Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), 2026
MathNet：数学推理与检索的全球多模态基准
机构 * MIT（麻省理工学院） ； KAUST（卡塔尔人工智能研究 institute） ； HUMAIN ； Individual Researcher（独立研究者）
AI总结 MathNet是一个大规模多模态数学问题基准，包含47个国家、17种语言、20年竞赛的30676道专家级数学问题，支持问题解决、数学检索和检索增强生成三个任务，实验表明先进模型在推理和检索任务上仍面临挑战。
Comments ICLR 2026; Website: http://mathnet.mit.edu
Journal ref Proceedings of the International Conference on Learning Representations (ICLR), 2026
Picasso: 基于物理约束采样的整体场景重建
机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学）
AI总结 提出Picasso，一种通过快速拒绝采样推理多物体交互并考虑几何、非穿透和物理约束的整体场景重建方法，在物理合理性和重建精度上显著优于现有技术。
Comments 15 pages, accepted to Robotics: Science and Systems (RSS) 2026
利用大型语言模型衡量交通运输领域开放科学的状态
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Vanderbilt University（范德比大学） ； Portland State University（波特兰州立大学） ； Delft University of Technology（代尔夫特理工大学） ； Brigham Young University（Brigham Young 大学）
AI总结 本文利用大型语言模型自动评估交通研究中数据和代码的开放科学实践，发现仅有少数论文共享代码或数据，揭示了开放科学与传统学术指标之间的不一致，需通过结构性干预促进实践改进。
用于治疗弥漫性癌症的纳米机器人算法
机构 * Massachusetts Institute of Technology (MIT)（麻省理工学院）
AI总结 研究弥漫性癌症中纳米机器人定位并治疗多个部位的问题，提出纳米机器人行为数学模型及KM、KMA、KMAR三种算法，通过模拟不同癌症布局下算法效果，发现KMAR算法在各模式下表现出色，具有鲁棒性和适应性。
Comments 34 pages, 9 figures (plus 1 table)
FRIGID：在训练和推理时通过质谱进行扩散分子生成的扩展
机构 * Massachusetts Institute of Technology, Cambridge, MA, United States ； Texas A\&M University, College Station, TX, United States
AI总结 FRIGID通过中间指纹表示和确定的化学式生成分子结构，利用扩散模型在大规模无标签数据上训练，推理时通过碎片修复提升准确性，达到18%的Top-1准确率。
Reverso：用于零样本预测的高效时间序列基础模型
机构 * Qube Research \& Technologies ； Allen Institute for AI ； Massachusetts Institute of Technology
AI总结 Reverso通过高效的小型混合模型实现零样本时间序列预测，显著提升性能-效率平衡。
VLASH: 通过未来状态感知的异步推断实现实时VLAs
机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） ； Tsinghua University（清华大学） ； UC Berkeley（加州大学伯克利分校） ； UCSD（加州大学圣地亚哥分校） ； Caltech（加州理工学院）
AI总结 VLASH通过未来状态感知的异步推断框架，实现高效、准确的实时VLAs控制，显著提升反应速度和任务执行精度。
无递归预训练循环网络
机构 * MIT（麻省理工学院）
AI总结 提出监督记忆训练（SMT）方法，通过将循环神经网络训练转化为一步记忆转换标签上的监督学习，实现时间并行训练和稳定梯度路径，优于反向传播通过时间（BPTT）方法。
Comments 30 pages, 23 figures
RAD：面向机器人观测的真实异常检测数据集与基准
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Great Bay University（大湾大学） ； Harvard University（哈佛大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Deakin University（德克萨斯大学）
AI总结 提出RAD数据集，包含13类日常物体和4种缺陷，从60多个机器人视角在非受控光照下采集，用于评估2D特征、3D重建和视觉语言模型在姿态无关的异常检测中的表现，发现2D方法优于3D和VLM方法。
巨浪与潮汐：来自数千名工人对劳动力市场任务评估的初步发现
机构 * MIT FutureTech（麻省理工学院未来科技）
AI总结 本文通过分析超过3000项基于文本的任务评估，发现AI自动化主要表现为持续上升的浪潮而非突发的巨浪，AI在广泛任务上的表现迅速提升，预计到2029年将能以80%-95%的成功率完成大部分文本任务。
使用稀疏自动编码器的可解释嵌入：一种数据分析工具包
机构 * University of California, Berkeley（加州大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究针对大规模文本语料库分析难题，提出用稀疏自动编码器创建SAE嵌入，经四个任务验证其比大语言模型更具性价比、比密集嵌入更可控，通过案例研究展示其在研究模型行为上的作用，是用于非结构化数据分析的通用工具。
Comments ICML 2026. Project page and code: https://interp-embed.com
RetroAgent：利用大语言模型在结构化记忆中进行搜索以实现智能逆合成规划
机构 * UCLA（加利福尼亚大学洛杉矶分校） ； MIT（麻省理工学院） ； Amazon（亚马逊公司） ； UPenn（宾夕法尼亚大学）
AI总结 研究多步逆合成规划难题，提出RetroAgent智能体，通过结合结构化记忆桥接符号搜索与神经推理，利用记忆和化学工具观察搜索状态，实验证明其在分布内和分布外基准测试中性能强且泛化能力好。
Comments To appear at COLM 2026
具有强耦合互机器人奖励的不确定性感知多机器人任务分配
机构 * Aerospace Controls Lab, Massachusetts Institute of Technology（麻省理工学院航空航天控制实验室） ； Charles Stark Draper Laboratory（查尔斯·斯坦德·德拉珀实验室）
AI总结 本文提出一种基于拍卖的任务分配算法，通过强耦合形式将任务分配给可能具备所需能力的机器人，以提高任务完成效率和减少延迟，实验表明相比冗余方法，使命价值提高了15%。
Comments 8 pages, 4 figures, accepted to IROS 2026
迈向超越全秩动作和状态可观测性的POMDP学习
机构 * MIT Computer Science and Artificial Intelligence Lab（麻省理工学院计算机科学与人工智能实验室） ； DEVCOM Army Research Laboratory（陆军研究实验室）
AI总结 本文提出了一种基于PSR方法学习POMDP参数的方法，通过张量分解估计相似变换，实现状态划分下的转移和观察模型学习，并展示了其在不同奖励函数下的应用潜力。
Comments WAFR camera-ready
在多智能体强化学习训练的弱电鱼群体中的主动电感应与通信
机构 * Harvard University（哈佛大学） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； MIT（麻省理工学院）
AI总结 研究个体互动如何产生复杂集体行为，通过多智能体强化学习训练弱电鱼样智能体集体觅食，再现真实鱼类特征，经模拟干预和神经动力学分析确定因果驱动因素，为弱电鱼等社会动物神经行为学研究提供新思路。
3D场景图预测：从部分观测环境生成层次模型
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）
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
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
机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院）
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: 旋转值嵌入注意力实现相对位置相关的值路径
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）
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。
代理心理测量：在代理编码基准中的任务级性能预测
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Fulcrum ； Carnegie Mellon University（卡内基梅隆大学）
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。
通过扩散合成在多样场景中进行快速且安全的轨迹规划
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）
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：用于规划-行动智能体的设备端语言模型
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）
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。
神经执行器：用于机器人动力学和外力感知的神经驱动建模
机构 * MIT（麻省理工学院） ； Amazon（亚马逊）
AI总结 研究针对低成本平台执行器动力学致模拟到现实误差问题，提出NeuralActuator模型，能联合预测多种内容，引入NAD数据集，通过可微模拟训练，经多平台实验验证其在电机状态估计等方面有应用价值。
Comments RSS 2026. Outstanding Systems Paper Award. Project Page: https://people.csail.mit.edu/frankzydou/projects/NeuralActuator/index.html Code: https://github.com/Frank-ZY-Dou/Dynamics-Modeling/tree/main/NeuralActuator
内部多元主义与成对比较的局限性
机构 * MIT（麻省理工学院） ； Harvard（哈佛大学）
AI总结 研究内部多元主义下成对比较假设的局限性，提供决策规则多元偏好形式模型，指出局部比较无法捕捉全局优先性及会引发内部冲突，允许表达不确定性可减少查询，模型指向直接引出优先性的偏好学习方法。
GeCo：通过运动和结构评估视频生成的几何一致性
机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） ； MIT（麻省理工学院）
AI总结 GeCo通过融合残差运动和深度先验，检测静态场景中的几何变形和遮挡不一致问题，并用于评估视频生成模型的性能与缺陷。
FlowBot：通过双层优化和文本梯度诱导LLM工作流
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出FlowBot，一种基于双层优化和文本梯度的数据驱动方法，自动诱导LLM代理和工作流，与人类设计的基线相比表现相当。
通过片段选择的自适应时间序列推理
机构 * harvard（哈佛大学） ； mit（麻省理工学院） ； mitll（MIT林肯实验室） ； hongkong（香港科学与技术大学）
AI总结 提出ARTIST框架，将时间序列推理建模为序列决策问题，通过控制器-推理器架构和强化学习自适应选择信息片段，提升推理准确率。
Comments ICML 2026
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