高校专区
隐式偏置的理解与逆向设计：从几何视角出发
机构 * Department of Mathematics, Informatics and Geoscience, University of Trieste（的里雅斯特大学数学、信息学与地球科学系） ； Area Science Park（科学园区） ； McGovern Institute, MIT（麻省理工学院麦戈文研究所）
AI总结 本文从几何视角探讨了随机学习中隐式偏置的形成机制，提出了一种理论框架，通过梯度噪声与损失连续对称性的相互作用解释隐式偏置，并展示了如何通过参数化设计实现逆向设计，验证了稀疏性和谱稀疏性等特性。
Comments v2
DOVE：一个大规模多维预测数据集，用于有意义的LLM评估
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； IBM Research AI（IBM研究院人工智能） ； MIT（麻省理工学院） ； Technion - Israel Institute of Technology（以色列理工学院） ； Allen Institute for AI（艾伦人工智能研究所）
AI总结 DOVE通过大规模多维提示扰动评估LLM对不同维度的敏感性，揭示了提示设计对模型性能的影响，提供高效选择高性能提示的方法及鲁棒评估框架。
Journal ref Findings of ACL 2025, pp. 11744-11763
稀疏高斯图模型与离散优化：计算与统计视角
机构 * Operations Research Center, Massachusetts Institute of Technology（麻省理工学院运筹学研究中心） ； Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院）
AI总结 本文提出基于ℓ0惩罚伪似然函数的GraphL0BnB估计器，通过混合整数规划解决稀疏高斯图模型学习问题，提供新的统计保证并优于现有方法。
Comments Operations Research (to appear)
让我们交谈：设计和评估用于交互优化的LLM代理
机构 * Operations Research Center and Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院运筹学研究中心和斯隆管理学院） ； Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院）
AI总结 本文提出了一种可扩展的评估方法，通过对话评估优化代理，展示交互优化代理在解决学校调度问题时能获得更高质量的解决方案。
生成式人工智能在创业中的应用：整合性综述与赋能-陷阱框架
机构 * MIT Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； School of Economics and Management, Tsinghua University（清华大学经济管理学院）
AI总结 本文整合研究生成式人工智能对创业各阶段的影响，提出赋能-陷阱框架，揭示其双刃剑作用，探讨核心特征及边界条件，为创业实践提供指导。
过度自信与校准在医学视觉问答中的研究：实证发现与幻觉意识缓解
机构 * Johns Hopkins University, School of Medicine（约翰霍普金斯大学医学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Microsoft Healthcare & Life Sciences（微软医疗健康与生命科学）
AI总结 本文研究了医学VQA中VLMs的过度自信问题，发现校准方法如Platt缩放能有效提升校准精度，但无法提升预测区分度，提出幻觉意识校准方法以提高可靠性。
调谐以学习：控制器增益如何塑造机器人策略学习
机构 * MIT（麻省理工学院） ； Improbable AI Lab（Improbable AI实验室）
AI总结 研究探讨了控制器增益对机器人策略学习的影响，发现策略克隆需合规性增益，强化学习需参数调优，仿真到现实转移受刚性增益影响。
Comments Equal contribution between first two authors; order determined by coin flip. Project website: https://younghyopark.me/tune-to-learn
DrugPlayGround：大型语言模型和嵌入式在药物发现中的基准测试
机构 * Yale University（耶鲁大学） ； Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学博德研究所） ； The Chinese University of Hong Kong（香港中文大学） ； University of California, Berkeley（加州大学伯克利分校） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出DrugPlayGround框架，用于评估大型语言模型在生成药物物理化学特性、药物协同作用等文本描述方面的性能，同时通过专家解释验证模型的化学和生物推理能力。
Comments 29 pages, 6 figures
EGM: 高效视觉语义语言模型
机构 * NVIDIA（英伟达） ； MIT（麻省理工学院） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学）
AI总结 本文提出EGM，通过生成大量中等质量token来提升小模型的视觉语义能力，实验证明其在效率和性能上优于大模型。
Glia：一种受人类启发的AI，用于自动化系统设计与优化
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Independent Researcher（独立研究员）
AI总结 Glia通过人类启发的多智能体工作流利用大语言模型，生成可解释的系统设计，展示了AI在复杂系统问题中创造性和可理解性的能力。
回答错误的问题：用于LLMs中退避的推理轨迹逆向
机构 * MIT（麻省理工学院） ； IBM Research（IBM研究院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
AI总结 本文提出轨迹逆向方法，通过分析模型推理轨迹来改进LLMs的退避能力，实验表明其在多个数据集上显著提升退避性能。
多时间尺度对偶双极梯度方法及其在分布式优化中的应用
机构 * Operations Research Center, MIT（麻省理工学院运筹学研究中心） ； Department of Electrical Engineering and Computer Science, MIT（麻省理工学院电气工程与计算机科学系）
AI总结 本文提出多时间尺度PDHG方法及其加速变体，通过混合Bregman散度和多时间尺度外推实现不同对偶块的任意更新率收敛，提升异构优化和通信成本下的效率。
均质化变换器
机构 * Department of Mathematics, Massachusetts Institute of Technology（麻省理工学院数学系）
AI总结 研究深度多头自注意力机制的随机模型，证明在适当标度下，残差流的动力学具有非平凡均质极限，揭示了在均场 regime 中的随机非线性福克-计划克方程，以及在高斯设定下的表示崩溃现象。
Sven：奇异值下降作为计算高效的自然梯度方法
机构 * Massachusetts Institute of Technology（麻省理工学院） ； The NSF 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） ； University of Oxford（牛津大学） ； Institut des Hautes Études Scientifiques（高等科学研究所） ； CEA Paris-Saclay（巴黎-萨克雷CEA）
AI总结 Sven是一种基于损失函数自然分解的神经网络优化算法，通过截断奇异值分解实现高效参数更新，优于传统自然梯度方法，在回归任务中优于Adam，且比LBFGS更高效。
快速动态相似性分析
机构 * K. Lisa Yang Integrative Computational Neuroscience (ICoN), Massachusetts Institute of Technology（K. Lisa Yang 综合计算神经科学中心，麻省理工学院）
AI总结 本文提出fastDSA，一种高效且准确的非线性动态系统相似性度量方法，结合几何方法的效率与动态方法的准确性，适用于大规模比较。
偏差是子空间，而非坐标：视觉-语言模型中事后去偏的几何重思
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院）
AI总结 本文提出SPD框架，通过几何方法识别并去除线性可解码的偏子空间，提升视觉-语言模型的公平性与任务性能。
Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
变分不等式在 Minty 条件下的多项式时间算法
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Strategy Robot, Inc.（Strategy Robot公司） ； Strategic Machine, Inc.（Strategic Machine公司） ； Optimized Markets, Inc.（Optimized Markets公司）
AI总结 本文提出在 Minty 条件下求解 ε-变分不等式的新算法，具有多项式时间复杂度，解决了传统方法中依赖于 1/ε 的指数问题，并展示了其在博弈论中的应用。
Comments V3 polishes the writing and makes a correction to Theorem 5.2
时间序列预测中最佳神经架构的自动选择
机构 * Division of Applied Mathematics, Brown University（布朗大学应用数学系） ； School of Engineering, Brown University（布朗大学工程学院） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
AI总结 本文提出一个灵活的自动框架，通过整合LSTM、GRU、多头注意力和SSM模块，系统设计和评估多样化网络架构，通过多目标优化确定最佳模型配置，验证了在不同应用场景中，最佳模型是根据用户定义的偏好函数和评估目标定制的复合架构。
Comments 35 pages, 8 figures
由人类洞察驱动的潜在空间：一种统一编码器用于高效的多任务推理
机构 * Hybrid Intelligence, part of Capgemini Engineering（Hybrid Intelligence，Capgemini Engineering 旗下） ； Computer Science and Artificial Intelligence Laboratory (CSAIL), MIT（麻省理工学院计算机科学与人工智能实验室（CSAIL））
AI总结 本文提出一种统一编码器，通过多任务学习提升自动驾驶中的视觉感知任务性能，并在转向估计中展示出优于其他方法的优势。
TTA-Vid: 视频推理的通用测试时间适应
机构 * University of Tübingen（蒂宾根大学） ； MIT（麻省理工学院） ； IBM Research（IBM研究院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Tuebingen AI Center（蒂宾根人工智能中心） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
AI总结 本文提出TTA-Vid方法，通过测试时间强化学习实现视频推理模型的适应，无需标注数据即可在测试时泛化至新领域。
多摄像头视角缩放用于数据高效的机器人模仿学习
机构 * UC Berkeley（加州大学伯克利分校） ； Lambda, Inc（Lambda公司） ； MIT（麻省理工学院）
AI总结 本文提出一种利用场景多样性提升机器人模仿学习数据效率的方法，通过摄像头视角缩放生成伪演示，增强视觉表示的视角不变性，并在仿真和现实任务中验证了其有效性。
超越体积壁垒的去噪距离
机构 * University of Missouri（密苏里大学） ； Mahidol University International College（玛希隆大学国际学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出ORDER方法，实现点wise距离估计精度优于体积壁垒，证明重构的度量空间与真实流形间的Gromov-Wasserstein距离为n^{-1/d}，匹配经验测度的Wasserstein收敛率。
基于证书的闭环多智能体路径寻找与可继承分解
机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（麻省理工学院信息与决策系统实验室）
AI总结 本文提出基于证书的闭环多智能体路径寻找方法，通过可继承分解提升密集场景下的路径规划一致性与效率。
隐式对偶内点法求解二次规划
机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系）
AI总结 本文提出了一种隐式对偶内点法求解二次规划的新方法，通过引入辅助变量和重构映射，使互补性条件隐式满足，从而解决内点法中因ill-conditioning导致的精度问题。
通过生成因果中介进行激活引导
机构 * CSAIL, MIT（麻省理工学院计算机科学与人工智能实验室） ； Stanford University（斯坦福大学） ； Goodfire Research
AI总结 研究提出生成因果中介（GCM）方法，通过对比长形式响应选择模型组件，以局部化和控制扩散行为，如诗歌式 vs. 论文式表达，在三种语言模型上验证其有效性。
神经条件传输映射
机构 * Department of Management, Economics and Industrial Engineering, Politecnico di Milano（米兰理工大学管理、经济与工业工程系） ； RFF-CMCC European Institute on Economics and the Environment (EIEE)（RFF-CMCC欧洲经济与环境研究所） ； Euro-Mediterranean Center on Climate Change (CMCC)（欧洲-地中海气候变化中心） ； Bocconi University, Department of Decision Sciences（博科尼大学决策科学系） ； MIT, Department of Nuclear Science and Engineering（麻省理工学院核科学与工程系）
AI总结 本文提出神经框架学习概率分布间的条件最优传输映射，引入能处理分类和连续条件变量的机制，通过超网络生成传输层参数，实现优于简单条件方法的自适应映射，并应用于全局敏感性分析。
Comments Published in Transactions on Machine Learning Research
量化大型语言模型中的性别偏见：当ChatGPT成为招聘经理时
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究量化了LLM在招聘决策中的性别偏见，发现女性候选人更易被录用但薪酬建议较低，探讨了提示工程作为偏见缓解技术。
代理AI——粒子物理实验中的物理学家协作：利用LEP开放数据的证明概念测量
机构 * University of Chicago, Enrico Fermi Institute（芝加哥大学恩里科·费米研究所） ； Vanderbilt University（范德堡大学） ； Laboratory for Nuclear Science, Massachusetts Institute of Technology（麻省理工学院核科学实验室）
AI总结 本文展示了一种利用AI代理对电子-正电子碰撞中的 thrust 分布进行测量的方法，通过迭代贝叶斯展开和蒙特卡罗修正，实现了精确的谱分析，探索了AI在实验和理论计算中的协同作用。
教AI处理例外：基于人类对齐判断的监督微调
机构 * Harvard Business School（哈佛商学院） ； Johns Hopkins University（约翰霍普金斯大学） ； MIT Sloan School of Management（麻省理工学院斯隆管理学院）
AI总结 研究探讨了如何通过监督微调使AI处理例外，发现使用人类解释的微调能显著提升模型决策能力，揭示了对齐人类判断需明确训练决策过程而非仅决策结果。
通过拓扑对齐光谱诊断神经网络收敛
机构 * Insper（Insper教育研究学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出拓扑对齐光谱(TAS)，通过多尺度分析识别神经网络中局部噪声与语义重组的区别，揭示微尺度几何抖动与宏观语义重组的差异，挑战任务适应仅是保守或局部的观点。
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