高校专区
LEGO：基于潜在空间的几何感知人类oid运动学设计优化
机构 * Department of Artificial Intelligence, Korea University（高丽大学人工智能系） ； Contoro Robotics ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Department of Statistics, Korea University（高丽大学统计系）
AI总结 本文提出LEGO框架，通过学习现有机械设计构建潜在空间，利用运动重定向和Procrustes分析定义损失函数，实现人类oid上半身设计的自动化优化。
Comments Accepted in ICRA 2026
多种偏好，少数政策：迈向可扩展的语言模型个性化
机构 * Harvard University（哈佛大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Ohio State University（俄亥俄州立大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出PALM方法，通过多维权重向量建模用户偏好，生成小规模LLM组合以实现个性化，理论保证了规模和近似质量的平衡。
Comments Fixed typos
CoMoVi：3D人类动作与真实视频的联合生成
机构 * HKUST（香港科技大学） ； SCUT（华南理工大学） ； HKU（香港大学） ； MIT（麻省理工学院） ； ZJU（浙江大学）
AI总结 本文提出CoMoVi框架，通过单个扩散去噪循环同步生成3D人类动作和视频，采用双分支扩散模型实现动作与视频生成的互惠特征交互和3D-2D交叉注意力。
Comments Project Page: https://igl-hkust.github.io/CoMoVi/
EquiformerV3：扩展高效、表达力强且通用的SE(3)-等价图注意变换器
机构 * Massachusetts Institute of Technology (MIT)（麻省理工学院）
AI总结 本文提出EquiformerV3，通过优化软件实现、引入等价合并层归一化和改进的前馈网络参数，提升了效率、表达力和通用性，实现了对光滑变化的势能面的精确建模。
Fast-dVLM: 通过直接转换自回归VLM实现高效的块扩散VLM
机构 * The University of Hong Kong（香港大学） ； NVIDIA（英伟达） ； MIT（麻省理工学院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出Fast-dVLM，通过直接转换自回归VLM实现高效的块扩散VLM，采用KV-cache兼容并行解码和推测块解码，提升推理效率。实验表明其生成质量与自回归模型相当，且通过SGLang和FP8量化实现6倍以上的推理加速。
Kill-Chain Canaries: 阶段级跟踪跨攻击表面和模型安全层级的提示注入
机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Chicago（芝加哥大学）
AI总结 研究通过跟踪加密令牌四个阶段，揭示提示注入是管道-架构问题，发现写节点位置是最高安全决策，所有防御因通道不匹配失效，且隐形白字体PDF负载可匹配或超越可见文本ASR。
Comments 10 pages, 8 figures. Benchmark code and run logs released
探索教师使用对话式AI代理进行小组协作的视角
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Instituto Politécnico de Bragança（布拉干萨理工学院）
AI总结 研究探讨教师如何感知对话式AI代理对小组协作的影响，揭示设计中的核心矛盾及教学应用考量。
Comments Accepted to 27th International Conference on AI in Education (AIED) 2026
生成视图拼接
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Runway ML
AI总结 本文提出生成视图拼接(GVS)，通过并行采样确保生成场景与预定义相机轨迹一致，解决视频生成中因未来条件缺失导致的碰撞问题，实现稳定且一致的相机引导视频生成。
Comments Published at ICLR 2026. Camera-ready Submission. Project website: https://andrewsonga.github.io/gvs
基于粗粒度建议自主性的交通优化时序迁移学习
机构 * Department of Civil and Environmental Engineering, Massachusetts Institute of Technology（麻省理工学院土木与环境工程系） ； Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（麻省理工学院信息与决策系统实验室） ； Department of Mechanical and Automotive Engineering, Seoul National University of Science and Technology（首尔科学技术大学机械与汽车工程系）
AI总结 本文提出时序迁移学习算法，通过零样本迁移解决自动驾驶中的粗粒度建议任务，验证了其在混合交通场景中的有效性。
Comments 18 pages, 12 figures
Journal ref IEEE Transactions on Robotics, 2026
从注视到引导：通过多模态注视感知AI助手解读和适应用户认知需求
机构 * Microsoft Research（微软研究院） ； MIT Media Lab（麻省理工学院媒体实验室）
AI总结 本文提出一种基于注视的多模态LLM助手，通过眼动追踪提升用户阅读行为评估的准确性与个性化，实验表明其能有效提升信息回忆能力并提高交互效率。
基于图像的3D网格几何风格化
机构 * Seoul National University（首尔大学） ； Massachusetts Institute of Technology (MIT)（麻省理工学院）
AI总结 本文提出一种几何风格化框架，通过变形3D网格表达图像风格，保留拓扑结构和部分语义，实验表明能生成具有独特几何特征的风格化3D模型。
通过前向-后向HJB匹配实现生成最优传输
机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学）
AI总结 本文研究了从无序参考态到结构化目标集的许多体随机系统演化控制问题，提出利用前向-后向HJB方程的时间反演对称性，通过路径空间自由能和风险敏感控制方法，实现无需反向模拟的最优传输过程。
Comments 16 pages, 4 figures
顾问式守护者：推进下一代守护模型以实现可信的大语言模型
机构 * University of Notre Dame（圣母大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； IBM Research（IBM研究院）
AI总结 本文提出Guardian-as-an-Advisor框架，通过预测风险标签和解释并前置建议，提升模型安全性和实用性，同时降低误拒率。
通过LLM生成的声明性规范桥接自然语言与交互式假设分析接口
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院） ； Microsoft Research（微软研究院） ； AWS AI Labs（AWS人工智能实验室） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 本文提出一种两阶段工作流，通过Praxa规范语言将自然语言假设分析问题转化为交互式可视化界面，提升假设分析工具的交互性和准确性。
Comments 17 pages 17 figures
指数级量子优势在处理大规模经典数据中的应用
机构 * California Institute of Technology（加州理工学院） ； Google Quantum AI（谷歌量子人工智能） ； Massachusetts Institute of Technology（麻省理工学院） ； Oratomic
AI总结 本文证明了小型量子计算机可通过实时处理样本实现大规模分类和降维，而经典计算机需指数级更大规模才能达到相同性能，且在实际应用中展示了显著的效率提升。
Comments 144 pages, including 9 pages of main text and 10 figures. Code available at https://github.com/haimengzhao/quantum-oracle-sketching
谷歌、人工智能素养与学习科学：多种研究、产业与实践伙伴关系模式
机构 * Stanford University（斯坦福大学） ； Google Research（谷歌研究） ； Raspberry Pi Foundation（树莓派基金会） ； Google DeepMind Impact Accelerator（谷歌DeepMind影响力加速器） ； Phantom LLC（Phantom有限责任公司） ； Massachusetts Institute of Technology（麻省理工学院） ； New York Jobs CEO Council（纽约就业CEO委员会） ； Digital Promise
AI总结 本文探讨谷歌在人工智能素养领域的多模式研究与产业合作，分析伙伴关系在生命周期中的交汇点、影响方向的因素及未来合作机会。
ZipMap: 通过测试时训练实现线性时间的态持久3D重建
机构 * Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 ZipMap通过测试时训练层实现线性时间双向3D重建，效率超过二次时间方法，能在10秒内处理700多帧。
Comments Project page: https://haian-jin.github.io/ZipMap
迈向代理系统的科学：扩展性研究
机构 * Google Research（谷歌研究院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文通过260种配置评估六种代理基准，探讨代理系统在扩展维度上的性能变化规律，揭示协调、模型能力与任务结构之间的关系，发现协作成功取决于协调与任务结构的匹配程度。
别这样做！
机构 * Technical University Munich（慕尼黑工业大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
AI总结 本文提出STPR框架，利用LLM将自然语言中的约束转化为可执行Python代码，解决复杂约束的翻译问题，并在仿真环境中验证其高效性和兼容性。
Comments ICLR 2026 Workshop -- Agentic AI in the Wild: From Hallucinations to Reliable Autonomy
将客户之声转变：大型语言模型用于识别客户需求
机构 * Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院） ； MIT Management School, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； Applied Marketing Science, Inc.（应用营销科学公司）
AI总结 本文研究了大型语言模型在自动化识别客户需求方面的有效性，证明其在多个产品和服务类别中表现优异，优于基础模型，并为VOC应用提供了新的自动化方法。
随机几何图的几何重建
机构 * Department of Mathematics, University of Missouri（密苏里大学数学系） ； Department of Mathematics, Massachusetts Institute of Technology（麻省理工学院数学系）
AI总结 本文提出在流形假设下，通过采样图高效重建底层空间几何的方法，核心是利用点间距离概率特性恢复低维流形结构。
Comments Polish the introduction section; include an example for non-identifiability in the setting with step function (hard-disc random geometric graph model)
可 tractable 的不确定性意识元学习
机构 * MIT（麻省理工学院） ； NVIDIA（英伟达）
AI总结 本文提出 LUMA，一种用于回归的元学习方法，能够高效地进行分布内任务的概率预测，检测分布外上下文数据，并有效处理异质多模态任务分布。
FP4探索，BF16训练：通过高效的回放缩放实现扩散强化学习
机构 * NVIDIA（英伟达） ； HKU（香港大学） ； MIT（麻省理工学院）
AI总结 本文提出Sol-RL框架，通过FP4量化与BF16训练结合，提升扩散模型的对齐性能，实现训练效率与精度的平衡，实验显示在多个指标上表现优异，训练收敛速度提升4.64倍。
RichMap: 一种平衡精度、效率和灵活性的可达性地图用于丰富的机器人操作任务
机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出RichMap，一种高精度可达性地图表示，通过优化传统网格结构，在保持结构灵活性的同时实现接近紧凑地图形式的性能，通过理论容量界和异步流水线实现高效构建，并在多个指标上验证其高预测精度和低误报率。
Comments Accepted by WAFR 2026
深度上限：大语言模型在发现潜在规划中的局限性
机构 * University of Cambridge（剑桥大学） ； Imperial College London（帝国理工学院） ； MIT（麻省理工学院）
AI总结 研究探讨了大语言模型在无监督情况下发现多步规划策略的极限，发现模型在单次前向传递中能执行最多七步潜在规划，揭示了训练与测试时能力的差异。
Comments 10 pages, 3 figures, 1 table (30 pages, 9 figures, 10 tables including references and appendices)
说点别的：重新思考上下文隐私作为信息充分性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Tokyo（东京大学）
AI总结 本文提出信息充分性任务，引入自由文本假名化策略，并设计对话评估协议，评估七种前沿LLM在隐私、隐蔽性和效用上的表现。
遗忘的几何学
机构 * Sentra ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 该研究通过高维嵌入空间的几何特性解释记忆遗忘现象，发现记忆竞争而非衰减导致功率律遗忘，且无需特殊工程即可重现虚假记忆现象。
Infusion: 通过影响函数编辑训练数据来塑造模型行为
机构 * FLAIR, University of Oxford（牛津大学FLAIR） ； UK AI Security Institute（英国人工智能安全研究所） ； AI Centre, UCL（伦敦大学学院人工智能中心） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 Infusion通过影响函数近似计算训练数据的微小扰动，以诱导模型行为的针对性变化。在CIFAR-10上，仅对0.2%的训练数据进行细微编辑即可与基线方法竞争，且在不同架构间具有迁移性。
Comments 10 pages, 14 figures
条件均值嵌入的Sobolev范数学习率
机构 * MIT IDSS（麻省理工学院数据、系统与社会研究所） ； MIT（麻省理工学院）
AI总结 本文通过重构算子的插值理论，推导出条件均值嵌入在欠拟合设定下的显式学习率，展示了在特定参数范围内输出RKHS中的统一收敛率。
Comments Appears in AISTATS 2022
快速空间记忆与弹性测试时间训练
机构 * MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； University of Michigan（密歇根大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本文提出弹性测试时间训练方法，用于改进长上下文3D重建中的灾难性遗忘问题，通过引入弹性权重巩固，提升模型在处理任意长序列时的稳定性和适应性。
Comments Project Page: https://fast-spatial-memory.github.io/
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