高校专区
基于开放对话的目标推断的灵活代理对齐
机构 * 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OU-AGs框架，通过开放对话中目标推断提升代理对齐能力，采用GOOD方法实现动态目标分布，提高多领域任务中的意图对齐效果。
Comments Previous version of the paper was titled: Open-Universe Assistance Games
流体 restless 多臂老虎机的最优控制：一种机器学习方法
机构 * Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； Operations Research Center, Massachusetts Institute of Technology（麻省理工学院运筹学中心） ； Departamento de Estadı́stica, Universidad Carlos III de Madrid（马德里卡斯蒂利亚-拉曼查大学统计系）
AI总结 本文提出了一种机器学习框架，用于解决具有状态方程的流体 restless 多臂老虎机问题，通过非线性变换和最优分类树学习高效的状态反馈策略，展示了在设备维护、传染病控制和渔业管理中的应用效果。
风险链：大型推理模型中的安全故障及通过自适应多原则引导的缓解
机构 * Harvard University（哈佛大学） ； University of Southern California（南加州大学） ； Brown University（布朗大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Texas A&M University（德克萨斯阿姆大学） ； Purdue University（普渡大学） ； University of California, Irvine（加州大学 Irvine 分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究发现大型推理模型在推理轨迹中存在额外安全风险，提出自适应多原则引导方法降低不安全内容出现率，提升整体安全性。
AstroAlertBench: 评估多模态大语言模型在天文学分类中的准确性、推理和诚实性
机构 * California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Purdue University（普渡大学）
AI总结 本文提出AstroAlertBench，通过多阶段逻辑链评估多模态大语言模型在天文学事件分类中的性能，揭示高精度与模型诚实性之间的矛盾，并引入人机协同评估协议。
通过强化LLM进化搜索获得Zarankiewicz数的新界
机构 * Massachusetts Institute of Technology（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学）
AI总结 本文首次确定三个Zarankiewicz数的精确值，并通过强化LLM进化搜索方法为41个数建立下界，展示了LLM引导的进化搜索在数学研究中的潜力。
Comments *Jay Bhan and Nicole Nobili contributed equally to this work as first authors, and their order was determined via coin flip
潜在生成求解器用于通用的长期物理模拟
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出潜在生成求解器(LGS)，通过物理变分自编码器、分层流强迫变换器和训练中的输入噪声，实现了对异构PDE家族的泛化和长序列稳定性，有效提升了物理模拟的性能。
稀疏视频生成2：通过语义感知排列加速视频生成
机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学）
AI总结 本文提出SVG2框架，通过语义感知排列提升视频生成的准确性和效率，实现生成质量与效率的帕累托最优。
视频主动感知：基于视觉-语言模型的高效推理时长视频理解
机构 * Carnegie Mellon University（卡内基梅隆大学） ； MIT（麻省理工学院）
AI总结 本文提出视频主动感知方法，通过主动感知理论提升长视频问答性能，实现帧效率提升5.6倍，优于现有模型。
Comments ICCV 2025 workshop
Act2See：面向视频推理的涌现式主动视觉感知
机构 * Carnegie Mellon University（卡内基梅隆大学） ； MIT（麻省理工学院）
AI总结 本文提出Act2See框架，通过使VLMs在文本推理中主动交错视频帧，实现视频推理中的主动视觉感知，提升了推理质量并优于现有方法。
Comments CVPR 2026
自归一化martingale与线性回归的统一后悔界
机构 * MIT（麻省理工学院） ； University of Hong Kong（香港大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究自归一化martingale的统一后悔界，证明一维情况下可得O(log T)界，而高维情况下无法获得统一界，解决了一个开放性问题。
当少即足够：通过协作推理实现高效推理
机构 * Boston University（波士顿大学） ； MIT（麻省理工学院） ； CSAIL（计算机科学与人工智能实验室） ； Biohub（生物枢纽）
AI总结 本文提出DUET框架，通过能力强模型与轻量模型协作解决任务，降低推理成本，提升推理效率。
时序逻辑的价值函数：最优策略与安全过滤
机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of California（加州大学）
AI总结 研究时序逻辑价值函数在无限时间 horizon 下的最优策略与安全过滤机制，通过非马尔可夫策略避免路径病态并证明其鲁棒性。
2026 年人工智能与机器学习在智能制造中的路线图
机构 * Center for Industrial Artificial Intelligence, Department of Mechanical Engineering, University of Maryland, College Park（工业人工智能中心，机械工程系，马里兰大学College Park分校） ； Department of Management, Economics and Industrial Engineering, Politecnico di Milano（管理、经济与工业工程系，米兰理工学院） ； Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University（工业与系统工程系，香港理工大学） ； Centre for Advanced Manufacturing & Supply Chains, World Economic Forum（先进制造与供应链研究中心，世界经济论坛） ； Department of Mechanical Engineering, Indian Institute of Technology Indore（机械工程系，印度理工学院Indore分校） ； Future Information Innovative College, Fudan University（未来信息创新学院，复旦大学） ； Department of Mechanical Engineering, Seoul National University（机械工程系，首尔国立大学） ； Department of Mechanical and Information Engineering, University of Seoul（机械与信息工程系，首尔大学） ； Onepredict Corp.（Onepredict公司） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） ； Singapore Centre for 3D Printing, Nanyang Technological University（新加坡3D打印中心，南洋理工大学） ； Mechanical Engineering, Purdue University（机械工程系，普渡大学） ； Digital Twin International Research Center, International Institute for Interdisciplinary and Frontiers, Beihang University（数字孪生国际研究中心， interdisciplinary and Frontiers 国际研究院，北京航空航天大学） ； School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学） ； Department of Engineering, University of Cambridge（工程系，剑桥大学） ； Center for Advanced Manufacturing, University of Southern California（先进制造中心，南加州大学） ； School of Sustainability Engineering and Environmental Engineering, Purdue University（可持续工程与环境工程系，普渡大学） ； School of Mechanical Engineering, Sungkyunkwan University（机械工程系，全南大学） ； Intelligent Maintenance and Operations Systems, EPFL（智能维护与运营系统，苏黎世联邦理工学院） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（机械工程系，麻省理工学院） ； J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker ’66 机械工程系，德克萨斯A&M大学） ； Department of Mechanical and Process Engineering, ETH Zürich（机械与工艺工程系，苏黎世联邦理工学院）
AI总结 本文探讨人工智能与机器学习在智能制造中的发展现状与未来方向，涵盖基础理论、应用领域及新兴技术，旨在推动创新与产业应用。
Comments This paper has been accepted for publication in the Journal Machine Learning: Engineering
在概念多元宇宙中导航
机构 * MIT EECS（麻省理工学院电子工程与计算机科学系） ； UW Allen School of CSE（华盛顿大学Allen学院计算机科学与工程系） ； UW Department of Philosophy（华盛顿大学哲学系）
AI总结 本文提出概念多元宇宙，通过交互系统让用户透明地检查和改变概念决策，提升问题理解。在三个领域中，该系统帮助参与者更清晰地把握问题，如哲学学生改写论文、对齐标注者深入分析用户意图、诗人发现创作模式。
Quant VideoGen：通过2位KV缓存量化实现自回归长视频生成
机构 * University of California, Berkeley（加州大学伯克利分校） ； NVIDIA ； Massachusetts Institute of Technology（麻省理工学院） ； Amazon（亚马逊） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出Quant VideoGen，通过语义感知平滑和渐进残差量化技术，有效降低KV缓存内存消耗，提升长视频生成质量与效率。
Comments Accepted by ICML 2026. 11 pages, 7 figures
推理模型可通过思维链重建实现准确剪枝
机构 * LinkedIn, Sunnyvale, CA（LinkedIn，硅谷，加利福尼亚州） ； Massachusetts Institute of Technology, Cambridge, MA（麻省理工学院，剑桥，马萨诸塞州）
AI总结 本文提出通过重建思维链实现推理模型的高效剪枝，改进传统剪枝方法以适应推理任务，提升性能。
NRGPT：一种基于能量的GPT替代方案
机构 * IBM Research（IBM研究院） ； Georgia Tech（佐治亚理工学院） ； Brown University（布朗大学） ； MIT（麻省理工学院）
AI总结 NRGPT通过最小化修改将GPT与能量基模型框架统一，其推理过程被视为在能量景观上探索，实验证明在特定条件下可转化为梯度下降，适用于简单语言、代数任务和更复杂的语言建模。
Comments Accepted to ICLR 2026 main conference
Game-Time：评估口语语言模型中的时间动态
机构 * Massachusetts Institute of Technology, USA（麻省理工学院） ； National Taiwan University（台湾国立台湾大学） ； Academia Sinica（台湾“ Academia Sinica”） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国立清华大学人工智能研究中心卓越研究中心）
AI总结 本文提出Game-Time基准测试，用于评估口语语言模型在时间动态方面的能力，发现现有模型在时间约束下表现不佳，揭示了时间感知和全双工交互的不足。
Comments Accepted to ICASSP 2026
基于双 oracle 效率的模型驱动强化学习：在策略优化和离线估计中的应用
机构 * Laboratory for Information and Decision Systems（信息与决策系统实验室） ； Massachusetts Institute of Technology（麻省理工学院） ； The University of Hong Kong（香港大学）
AI总结 本文提出一种新的算法，通过 log-barrier 和 log-determinant 正则化，在离线 oracle 效率的 episodic RL 中实现最优 regret 绑定，且 oracle 复杂度与状态和动作空间大小无关，适用于大规模和连续环境。
面向预算的路由：长临床文本
机构 * MIT, Cambridge, MA（麻省理工学院，马萨诸塞州剑桥） ； Cornell University, Ithaca, NY（康奈尔大学，纽约州伊萨克中心） ； Weill Cornell Medicine, New York, NY（韦尔医学院，纽约市）
AI总结 本文研究了在预算限制下选择临床文本上下文的方法，提出RCD目标平衡相关性、覆盖性和多样性，并通过实验展示不同单位化策略和路由启发式方法的效果差异。
Lucid-XR：一种用于机器人操控的扩展现实数据引擎
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； FortyFive Labs（FortyFive实验室） ； Caltech（加州理工学院） ； Harvard University（哈佛大学） ； UC San Diego（南加州大学）
AI总结 Lucid-XR通过XR头显直接运行的物理模拟环境生成多模态数据，实现零样本迁移至复杂环境，支持软材料、松散颗粒和刚体接触的精细操控任务。
Comments Project website: https://lucidxr.github.io
产品团队中的Vibe编码：重新配置AI辅助的工作流、原型设计与协作
机构 * Netherlands and MIT Media Lab（荷兰和MIT媒体实验室） ； Notion Labs（Notion实验室） ； Collov AI ； Cornell University（康奈尔大学） ； Goizueta Business School, Emory University（埃默里大学戈伊兹埃塔商学院） ； Centrum Wiskunde & Informatica, The Netherlands and Utrecht University, The Netherlands（荷兰代尔夫特理工大学和乌得勒支大学）
AI总结 本文研究Vibe编码如何重塑产品开发流程与协作，揭示其四阶段工作流及带来的效率与创造力提升，同时指出代码不可靠、集成困难等挑战。
通过深度雅可比估计表征相互作用子系统的控制特性
机构 * Brain and Cognitive Sciences MIT（麻省理工学院脑科学与认知科学系） ； IBM Thomas J. Watson Research Center（IBM沃森研究中心） ； International Centre for Theoretical Sciences（国际理论科学研究院） ； Brown University（布朗大学）
AI总结 本文提出一种基于深度学习的非线性控制理论框架，通过动态雅可比估计表征子系统交互，展示了在高维混沌系统中优于传统方法的性能，并通过多区域RNN模型验证了控制方向的动态变化及行为操控能力。
Comments 10 pages, 6 figures
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025)
大语言模型与人类偏好的统计不可能性与可能性：从康德斯悖论到纳什均衡
机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Princeton University（普林斯顿大学）
AI总结 本文探讨了对齐大语言模型与人类偏好的统计限制，证明在一般概率偏好模型下，康德斯循环几乎必然存在，从而表明基于奖励的方法无法完全对齐偏好。同时，研究了非奖励方法下LLM采用混合策略的条件，证明在Luce模型下，少数群体偏好得以保留的统计可能性。
Comments Accepted for publication in the Annals of Statistics
在单方面偏离之外计算均衡
机构 * LIDS, EECS, Massachusetts Institute of Technology（LIDS电子工程系，麻省理工学院）
AI总结 本文提出一种新的均衡概念，通过最小化联盟偏离激励来保证存在性，针对平均收益和最大内联盟收益扩展框架，并证明计算此类均衡的复杂性下界。
人、机器与数学
机构 * NSF AI Institute for Artificial Intelligence and Fundamental Interactions（美国国家科学基金会人工智能与基本相互作用研究所） ； EPSRC Centre for Doctoral Training: Mathematics of Random Systems（英国工程与物理科学研究委员会博士培训中心：随机系统数学） ； Center of Mathematical Sciences and Applications, Harvard University（哈佛大学数学科学中心） ； Department of Physics, Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT）物理系） ； Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） ； MathePhysics
AI总结 本文探讨构建统一框架以指导学习、优化与建模领域的发展，提出解决可解问题的通用收敛定理，并利用动力系统、几何和基础物理中的工具简化学习研究。
Comments 31 pages, 8 figures, 3 appendices. Survey article/scientific manifesto covering learning and optimisation from a broad perspective, especially within computational contexts
MAEO：多目标非形集合优化用于可扩展的大规模工程应用
机构 * Department of Nuclear Engineering and Radiological Sciences, University of Michigan, Ann Arbor, MI 48109, United States（核工程与辐射科学系，密歇根大学，安阿伯，MI 48109，美国） ； Department of Computer Science and Engineering, University of Michigan, Ann Arbor, MI 48109, United States（计算机科学与工程系，密歇根大学，安阿伯，MI 48109，美国） ； Department of Nuclear Science and Engineering, Massachusetts Institute of Technology, 60 Vassar St., Cambridge, MA 02139（核科学与工程系，麻省理工学院，60 Vassar街，剑桥，MA 02139） ； Idaho National Laboratory, Idaho Falls, ID 83415, United States（爱达荷国家实验室，爱达荷福尔斯，ID 83415，美国）
AI总结 MAEO通过非形集合策略统一先进进化算法，解决多目标优化中收敛性、多样性与计算效率的平衡问题，经基准测试和核反应堆优化验证其有效性。
Comments 33 pages, 9 figures, 5 tables, under peer review
Efficient-DLM：从自回归到扩散语言模型，以及速度上的突破
机构 * Georgia Tech（佐治亚理工学院） ； University of Chicago（芝加哥大学） ； University of Hong Kong（香港大学） ； MIT（麻省理工学院）
AI总结 本文提出Efficient-DLM方法，通过改进自回归到扩散语言模型的转换，提升生成速度并保持任务准确性，实验显示其在精度和效率上优于现有模型。
人工智能风险仓库：人工智能风险的全面元综述、数据库和分类
机构 * MIT AI Risk Initiative（麻省理工学院人工智能风险倡议）
AI总结 本文构建了首个公开可访问的人工智能风险数据库，通过系统综述和专家咨询，分类了777个风险，涵盖因果因素和领域分类，为协调管理AI风险提供基础。
Journal ref Patterns 101517 (2026)
AI代理如何花费你的钱？分析和预测代理编码任务中的令牌消耗
机构 * University of Michigan（密歇根大学） ； Stanford University（斯坦福大学） ； All Hands AI ； Google Deepmind（谷歌DeepMind） ； Microsoft AI（微软AI） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文研究了代理编码任务中令牌消耗模式，发现代理任务消耗远高于代码推理和代码聊天，且模型在任务执行前难以准确预测自身令牌使用。
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