高校专区
RE-PO：一种用于大语言模型对齐的鲁棒增强策略优化通用框架
机构 * IDSS, Massachusetts Institute of Technology（IDSS，麻省理工学院） ； EE, Tsinghua University（电子工程系，清华大学） ； Li Auto Inc.（力汽车公司） ； SIGS, Tsinghua University（系统工程系，清华大学）
AI总结 RE-PO是一种用于大语言模型对齐的鲁棒增强策略优化通用框架，通过期望最大化程序推断标签正确性并自适应加权数据点以减轻噪声，提升对齐效果。
基于双地标积分算子的高维噪声数据集的核谱联合嵌入
机构 * Department of Statistics, University of California, Davis（统计系，加州大学戴维斯分校） ； Department of Biostatistics, T.H. Chan School of Public Health, Harvard University（生物统计系，哈佛大学T.H. Chan公共卫生学院） ； Department of Data Science, Dana-Farber Cancer Institute（数据科学系，达纳-法伯癌症研究所） ； Broad Institute of MIT and Harvard（哈佛大学和MIT Broad研究所）
AI总结 本文提出基于双地标积分算子的核谱联合嵌入方法，用于高维噪声数据集的整合分析，通过捕捉共享低维结构提升嵌入质量并增强下游任务性能。
Comments 57 pages, 16 figures
在有限 f-散度下的分区函数估计
机构 * Columbia University（哥伦比亚大学） ； MIT（麻省理工学院）
AI总结 在有限 f-散度下，研究了分区函数估计的样本复杂性，通过整合覆盖轮廓提出新方法，统一了重要性采样等方法的分析，并扩展到厚尾区域。
具有嵌入空气通道的打印螺旋体使软连续机器人成为传感段
机构 * MIT Computer Science & Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
AI总结 本研究提出了一种嵌入空气通道的螺旋体结构，用于制造具有传感功能的软连续机器人段，通过多材料打印技术集成压力传感器和IMUs，实现了对变形的分布式传感，并展示了可扩展的软臂应用。
Comments Accepted for publication in the proceedings of the 2026 IEEE 9th International Conference on Soft Robotics (RoboSoft)
NuBench：一种用于中微子望远镜基于深度学习的事件重建的开放基准
机构 * Physik-department, Technische Universit\" a t M\" u nchen, D-85748 Garching, Germany ； School of Physics, The University of Melbourne, Victoria 3010, Australia ； Center for Cosmology ； AstroParticle Physics (CCAPP), Ohio State University, Columbus, OH 43210, USA ； University of Iowa, 30 N Dubuque St, Iowa City, IA, 52242, United States of America ； IFIC - Instituto de F\' i sica Corpuscular (CSIC - Universitat de Val\' e ncia), c/Catedr\' a tico Jos\' e Beltr\' a n, 2, 46980 Paterna, Valencia, Spain ； LPC CAEN, Normandie Univ, ENSICAEN, UNICAEN, CNRS/IN2P3, 6 boulevard Mar\' e chal Juin, Caen, 14050 France ； The International Center for Hadron Astrophysics, Chiba University, Chiba 263-8522, Japan ； Dept. of Physics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA
AI总结 NuBench为中微子望远镜事件重建提供开放基准，评估四种深度学习算法在多个核心任务上的性能。
Comments Prepared for JINST. Updated Acknowledgements
语义正则表达式：通过结构化语言自动解释LLM特性
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Apple（苹果公司）
AI总结 语义正则表达式通过结构化语言自动解释LLM特性，提供精确且简洁的特征描述，提升模型可解释性分析的准确性和一致性。
Comments ICLR 2026
尺度表面天气的部分恢复
机构 * MIT（麻省理工学院） ； Shell Information Technology International Inc（Shell信息科技国际公司） ； IBM（国际商业机器公司）
AI总结 通过结合稀疏地面站和高分辨率观测数据，研究展示了如何从现有观测中统计恢复米级近地面天气，提高了风、温度和湿度的预测精度，并揭示了物理可解释的结构特征。
带有损坏标签的置信预测：不确定填补与鲁棒再加权
机构 * Department of Computer Science（计算机科学系） ； Technion, Israel（技术学院，以色列） ； Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； Massachusetts Institute of Technology（麻省理工学院） ； Departments of Electrical and Computer Engineering and of Computer Science（电气工程与计算机科学系）
AI总结 本文提出了一种在标签损坏情况下鲁棒的置信预测方法，通过不确定填补和鲁棒再加权技术，确保预测的有效性。
关于神经计算在叠加中的复杂性
机构 * MIT（麻省理工学院） ； Red Hat（红帽公司）
AI总结 本文研究了神经网络在叠加计算中的复杂性，提出了计算叠加的下界和上界，揭示了计算特征与表示特征之间的指数级差距。
Comments 32 pages, 6 figures
认知模型和AI算法为设计语言代理提供模板
机构 * Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology（麻省理工学院脑科学与认知科学系） ； Zuckerman Mind Brain Behavior Institute（祖克曼心智大脑行为研究所） ； Department of Psychiatry, Columbia University（哥伦比亚大学精神医学系） ； Neuroscience Institute（神经科学研究所） ； Department of Machine Learning, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； Department of Psychology, Princeton University（普林斯顿大学心理学系）
AI总结 本文提出利用认知模型和AI算法设计语言代理的模板，旨在开发更有效且可解释的语言代理。
TopoEdit: 快速拓扑优化结构的后期优化编辑
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 TopoEdit通过利用预训练拓扑基础模型的潜在嵌入，实现快速的拓扑优化结构后期编辑，提升机械性能并避免灾难性失败。
DreamWaQ++: 基于障碍物感知的四足机器人运动控制与鲁棒多模强化学习
机构 * Urban Robotics Lab., School of Electrical Engineering, KAIST（韩国科学技术院电子工程系城市机器人实验室） ； KRAFTON（KRAFTON公司） ； URobotics（URobotics公司） ； Laboratory for Information and Decision Systems (LIDS), MIT（麻省理工学院信息与决策系统实验室）
AI总结 DreamWaQ++通过鲁棒多模强化学习融合本体和外源感觉，实现四足机器人在复杂环境中的鲁棒运动控制与敏捷性能。
Comments IEEE Transactions on Robotics 2026. Project site is available at https://dreamwaqpp.github.io
在空域中学习：小奇异值用于持续学习
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； Massachusetts Institute of Technology (MIT)（麻省理工学院）
AI总结 NESS通过利用小奇异值构建空域，实现持续学习中的正交性约束，从而减少遗忘并提升任务适应性。
Comments 17 pages, accepted as Oral presentation at the Third Conference on Parsimony and Learning (CPAL 2026)
AGI的某些简单经济学
机构 * MIT（麻省理工学院） ； WashU（华盛顿大学） ； UCLA（加州大学洛杉矶分校）
AI总结 本文探讨了AGI过渡中自动化与验证成本的不对称性，提出通过扩展验证能力来构建增强型经济，以应对智能发展带来的监管挑战。
Comments JEL Classification: D82, D83, J23, J24, L23, O33. 112 pages, 3 figures
ABM-UDE：通过科学机器学习开发用于流行病代理模型的替代方案
机构 * Monta Vista High School（蒙塔维斯塔高中） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Sandia National Laboratories（桑塔纳国家实验室）
AI总结 ABM-UDE通过科学机器学习开发流行病代理模型的替代方案，利用UDEs学习接触率参数化，提升预测精度与可靠性，实现快速、可解释的流行病模拟。
Comments 25 pages, 4 figures
三模态掩码扩散模型的设计空间
机构 * Apple（苹果公司） ； Google Deepmind（谷歌DeepMind） ； University of Cambridge（剑桥大学） ； MIT（麻省理工学院）
AI总结 本文提出了一种从头开始预训练的三模态掩码扩散模型，通过分析多模态扩展定律和批大小效应，实现了优化的推理采样，并在文本生成、图像生成和语音生成任务中取得了显著成果。
Comments 41 pages, 29 figures, 10 tables
渐近快速的克莱布施-戈萨恩张量积与向量球谐函数
机构 * Department of EECS, Massachusetts Institute of Technology, Cambridge, MA 02139, USA（电子工程与计算机科学系，麻省理工学院） ； Department of CSE, Massachusetts Institute of Technology, Cambridge, MA 02139, USA（计算机科学与工程系，麻省理工学院）
AI总结 本文提出一种完整的算法，通过改进张量积方法，将克莱布施-戈萨恩张量积的计算复杂度从$O(L^6)$降低至$O(L^4\log^2 L)$，实现渐近加速。
Comments 28 pages, 2 figures. arXiv admin note: text overlap with arXiv:2506.13523
学习之痛：固定极点RNN用于实时在线训练
机构 * dept. of EECS, MIT（麻省理工学院电子工程与计算机科学系）
AI总结 本文分析了固定极点RNN在数据受限的实时学习场景中优于学习极点的原因，展示了其在低训练复杂度下的优越性能。
防御性生成
机构 * MIT（麻省理工学院） ； NYU（纽约大学）
AI总结 防御性生成方法首次高效生成不可区分的非伯努利结果生成模型，能够抵抗无限类别的测试，且具有近线性时间复杂度和最优生成误差率。
交错头部注意力
机构 * Meta ； UT Austin（德克萨斯大学） ； UC Berkeley（伯克利大学） ； Harvard University（哈佛大学） ； MIT（麻省理工学院）
AI总结 交错头部注意力通过构造伪头实现跨头混合，提升多步推理效率，在多项式任务和顺序敏感任务中参数效率提高，实测在RULER和OpenThoughts上取得显著提升。
视图合成变换器的扩展
机构 * MIT（麻省理工学院） ； Adobe（Adobe公司）
AI总结 本文提出了一种可扩展的视图合成模型，通过系统研究扩展规律，实现了计算最优的NVS模型，并在减少训练计算的情况下超越了现有最先进方法。
Comments Project page: https://www.evn.kim/research/svsm
Journal ref Conference on Computer Vision and Pattern Recognition (CVPR), 2026
OptiRepair：基于LLM代理的闭环供应链优化模型诊断与修复
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Alibaba Group（阿里巴巴集团）
AI总结 OptiRepair通过训练LLM代理实现供应链优化模型的闭环诊断与修复，显著提升修复效率和合理性，解决求解器交互和运营合理性两大难题。
MIRA: 多模态迭代推理代理用于图像编辑
机构 * University of Rochester（罗切斯特大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
AI总结 MIRA通过多模态迭代推理代理提升图像编辑的语义一致性和感知质量，结合自研数据集和训练流程，实现与专有系统相当的性能。
EARL: 用于可靠RTL代码生成的熵感知强化学习对齐大语言模型
机构 * MIT（麻省理工学院） ； IBM（国际商业机器公司）
AI总结 EARL通过熵感知强化学习提升Verilog代码生成的可靠性与准确性
Comments Accepted to DAC 2026
ATLAS：适应性迁移缩放定律用于多语言预训练、微调和解码的多语言诅咒
机构 * MIT（麻省理工学院） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Google Cloud AI（谷歌云人工智能） ； Google DeepMind（谷歌DeepMind）
AI总结 ATLAS提出了一种适应性迁移缩放定律，用于多语言预训练、微调和解码，解决了多语言学习中的性能瓶颈和计算优化问题。
Comments Published as a conference paper at ICLR 2026
状态空间模型训练过程中压缩的奇特案例
机构 * CSAIL, MIT（MIT 资深研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； ETH Zürich（苏黎世联邦理工学院） ； ELLIS Institute（ELLIS研究所） ； Tübingen AI Center（图宾根人工智能中心） ； Liquid AI
AI总结 CompreSSM通过在训练过程中压缩状态空间模型，提升计算效率同时保持性能。
KANO：柯尔莫戈罗夫-阿诺尔德神经算子
机构 * University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Massachusetts Institute of Technology（麻省理工学院） ； California Institute of Technology（加州理工学院）
AI总结 KANO通过双域参数化克服FNO的纯谱瓶颈，在位置依赖动力学和量子哈密顿量学习中展现更优性能。
当风格破坏安全性：防御大语言模型对抗浅层风格对齐
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本研究探讨了风格对齐对大语言模型安全性的影响，提出 SafeStyle 防御策略有效缓解了浅层风格对齐带来的风险。
Comments Accepted by ICLR 2026
多分布学习是否像PAC学习一样容易：具有有界标签噪声的尖锐速率
机构 * MIT（麻省理工学院）
AI总结 该研究探讨了多分布学习在有界标签噪声下的样本复杂性，发现其速率与k/ε²成比例，揭示了多源学习中的基本限制。
BabyLM四周年暨多语言研究：2026年BabyLM研讨会征文通知
机构 * IBM Research（IBM研究院） ； MIT（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院） ； Cornell University（康奈尔大学） ； University of Groningen（格罗宁根大学） ； NYU（纽约大学） ； Boston University（波士顿大学） ； University of Cambridge（剑桥大学） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（南加州大学） ； Georgetown University（乔治城大学）
AI总结 BabyLM研讨会征文通知，聚焦多语言预训练与认知建模，包含训练效率、小规模数据集、模型评估等主题
Comments 8 pages, 1 table. arXiv admin note: substantial text overlap with arXiv:2502.10645
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