Roundtable Policy: Confidence-Weighted-Consensus Aggregation Improves Multi-Agent-System Reasoning
圆桌政策：置信度加权共识聚合提升多智能体系统推理
机构 * mit（麻省理工学院）
AI总结 圆桌政策通过多语言模型加权共识提升多智能体系统在复杂科学任务中的推理能力
Comments Project page: https://ai4scidisc.github.io/roundtable/
高校专区
Massachusetts Institute of Technology（麻省理工学院）
FragmentFlow: Scalable Transition State Generation for Large Molecules
FragmentFlow: 适用于大分子的可扩展过渡态生成
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MIT DMSE（麻省理工学院戴维·斯莫尔工程学院）
AI总结 FragmentFlow通过分而治之的方法，针对大分子反应核心预测过渡态几何结构，实现高效、可扩展的过渡态生成。
GLASS Flows: Transition Sampling for Alignment of Flow and Diffusion Models
GLASS Flows: 用于对齐流模型与扩散模型的过渡采样
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； FAIR, Meta（FAIR与Meta）
AI总结 GLASS Flows通过在流匹配模型内部模拟来提升流和扩散模型的推理效率，结合ODE的效率和SDE的随机性，实现文本生成性能的提升。
Aligning Dialogue Agents with Global Feedback via Large Language Model Multimodal Reward Decomposition
通过大语言模型多模态奖励分解对齐对话代理
机构 * MIT（麻省理工学院） ； CMU（卡内基梅隆大学）
AI总结 本文提出了一种基于大语言模型的多模态奖励分解方法，通过分解会话级反馈来提升对话生成质量，无需人工反馈。
Comments 9 pages, 3 figures, 3 tables
Cross-Sectional Asset Retrieval via Future-Aligned Soft Contrastive Learning
面向未来对齐的软对比学习资产检索
机构 * Seoul National University of Science and Technology（首尔科学技术大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Florida（佛罗里达大学） ； LG AI Research（LG人工智能研究） ； Ulsan National Institute of Science and Technology（釜山科学技术研究院）
AI总结 本文提出FASCL方法，通过未来收益相关性指导资产检索，提升未来行为预测性能。
Gauss-Newton Unlearning for the LLM Era
大语言模型时代的Gauss-Newton反学习
机构 * University of Toronto（多伦多大学） ； MIT（麻省理工学院） ； Vector Institute for Artificial Intelligence（人工智能向量研究所）
AI总结 K-FADE通过K-FAC近似实现大语言模型的高效反学习，减少遗忘集影响的同时保留保留集行为。
Comments 18 pages
Unlocked Backpropagation using Wave Scattering
利用波散射的解锁反向传播
机构 * Cold Spring Harbor Laboratory（冷泉港实验室） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出了一种基于波散射的解锁反向传播方法，通过引入优化时间维度和反向传播波变量，推导出适用于神经网络训练的全新算法。
Comments 8 pages
How Much Reasoning Do Retrieval-Augmented Models Add beyond LLMs? A Benchmarking Framework for Multi-Hop Inference over Hybrid Knowledge
检索增强模型在大语言模型之上添加多少推理能力？一种用于混合知识多跳推理的基准评估框架
机构 * Massachusetts Institute of Technology（麻省理工学院） ； IBM Research（IBM研究院） ； University of Central Florida（中央佛罗里达大学）
AI总结 HybridRAG-Bench通过混合知识和多跳推理评估框架，有效区分真实检索与参数回忆，为混合知识增强推理系统提供测试平台。
STRAND: Sequence-Conditioned Transport for Single-Cell Perturbations
STRAND：基于序列的传输用于单细胞扰动
机构 * Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA ； Merck \& Co., Inc., Cambridge, MA, USA ； Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, USA ； Kempner Institute for the Study of Natural ； Artificial Intelligence, Harvard University, Allston, MA, USA ； Broad Institute of MIT
AI总结 STRAND通过条件化调控DNA序列预测单细胞转录响应，提升基因扰动分析的准确性和泛化能力。
Comments 8 pages for main draft, 6 main figures
H2OFlow: Grounding Human-Object Affordances with 3D Generative Models and Dense Diffused Flows
H2OFlow: 通过3D生成模型和密集扩散流接地人类-物体 affordances
机构 * MIT（麻省理工学院）
AI总结 H2OFlow通过3D生成模型和密集扩散流学习人类-物体交互的3D affordances，无需人工标注，有效泛化至现实物体。
Causality in Video Diffusers is Separable from Denoising
视频扩散器中的因果性可与去噪分离
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Adobe Research（Adobe研究院） ； Morpheus AI（Morpheus人工智能）
AI总结 本文提出可分离因果扩散模型，通过分离时间推理与多步去噪过程，提升视频生成效率并保持生成质量。
Stemphonic: All-at-once Flexible Multi-stem Music Generation
Stemphonic：一次生成灵活多音部音乐创作
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Adobe Research（Adobe研究院）
AI总结 Stemphonic通过一次生成灵活多音部音乐创作，提升音乐生成效率和质量。
Comments Accepted for publication at Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP) 2026
Gencho: Room Impulse Response Generation from Reverberant Speech and Text via Diffusion Transformers
Gencho：通过扩散变压器从混响语音和文本生成房间脉冲响应
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Research（Adobe研究） ； University of Maryland（马里兰大学） ； MIT（麻省理工学院）
AI总结 Gencho通过扩散变压器模型从混响语音和文本生成房间脉冲响应，实现了更灵活和逼真的声学模拟与生成。
Comments In Proc. of the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2026. Audio examples available at https://linjac.github.io/Gencho/
Agile asymmetric multi-legged locomotion: contact planning via geometric mechanics and spin model duality
敏捷非对称多足运动：通过几何力学和自旋模型对偶性进行接触规划
机构 * Department of Mechanical Engineering, Pennsylvania State University（宾夕法尼亚州立大学机械工程系） ； MIT Improbable AI Lab, Maschusetts Institute of Technology（麻省理工学院Improbable AI实验室） ； Department of Physics, Georgia Institute of Technology（佐治亚理工学院物理系） ； Department of Physics, Tsinghua University（清华大学物理系）
AI总结 本研究提出了一种基于几何力学和自旋模型对偶性的原理性框架，用于发现多足运动中的新控制结构，实现了六足机器人非对称运动策略，使前进速度提高50%。
Comments 10 pages, 7 figures. arXiv admin note: text overlap with arXiv:2302.03019
Predicting magnetism with first-principles AI
用第一性原理AI预测磁性
机构 * Department of Physics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA（麻省理工学院物理系）
AI总结 利用神经网络变分蒙特卡洛方法，基于微观哈密顿量预测了过渡金属二硫化物莫尔半导体中的铁磁性和反铁磁性态，提升了磁性材料设计的效率和可靠性。
Comments 6+3 pages, 3+4 figures
"Death" of a Chatbot: Investigating and Designing Toward Psychologically Safe Endings for Human-AI Relationships
聊天机器人之死：探索并设计人类与AI关系的心理安全结束
机构 * MIT Media Lab（MIT媒体实验室）
AI总结 本文探讨了人类与AI伴侣关系终止的心理安全设计，提出四个设计原则和工具，帮助平台提供闭合并促进人类连接。
Implicit State Estimation via Video Replanning
通过视频重规划进行隐式状态估计
机构 * National Taiwan University（国立台湾大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Cornell University（康奈尔大学） ； Harvard University（哈佛大学） ； Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家）
AI总结 本文提出一种通过视频重规划实现隐式状态估计的框架，通过在线更新模型参数和过滤失败计划，提升复杂任务中的动态适应能力。
POCO: Scalable Neural Forecasting through Population Conditioning
POCO：通过群体条件实现可扩展的神经预测
机构 * EECS, MIT（MIT电子工程与计算机科学系） ； SEAS, Harvard University（哈佛大学科学与工程系） ； Janelia Research Campus（贾尔尼亚研究校园） ； Harvard Medical School（哈佛医学院） ； Kempner Institute（凯普纳研究所） ； Université de Montréal（蒙特利尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Stanford University（斯坦福大学）
AI总结 POCO通过结合轻量级预测器和群体编码器，实现跨会话神经预测，提升预测精度并揭示生物结构。
Journal ref Advances in Neural Information Processing Systems (2025)
Gesturing Toward Abstraction: Multimodal Convention Formation in Collaborative Physical Tasks
指向抽象：协作物理任务中的多模态惯例形成
机构 * Princeton University（普林斯顿大学） ； Brown University（布朗大学） ； MIT（麻省理工学院） ； Stanford University（斯坦福大学）
AI总结 研究通过多模态协作任务探讨了如何通过建立语言和手势抽象来提高协作效率，并扩展了惯例形成的概率模型。
Comments Accepted at the 2026 CHI Conference on Human Factors in Computing Systems (CHI 2026). 15 pages
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), ACM, 2026
Discrete Adjoint Schrödinger Bridge Sampler
离散伴随薛定谔桥采样器
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； FAIR at Meta（Meta的FAIR）
AI总结 本文提出discrete ASBS，通过将伴随匹配方法扩展到离散空间，解决离散神经采样器的梯度缺失问题，提升训练效率和可扩展性。
Robustness Beyond Known Groups with Low-rank Adaptation
在已知群体之外实现鲁棒性：低秩适应
机构 * Department of Electrical Engineering \& Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA ； Harvard School of Medicine, Harvard, Boston, MA, USA
AI总结 LEIA通过低秩调整分类器logits，在无需预设群体标签的情况下提升群体鲁棒性，适用于未知亚群体的场景。
When LLaVA Meets Objects: Token Composition for Vision-Language-Models
当LLaVA遇见物体：用于视觉-语言模型的标记组成
机构 * Tuebingen AI Center/University of Tuebingen（图宾根人工智能中心/图宾根大学） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学院，SIC） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
AI总结 本文提出Mask-LLaVA框架，通过结合多级视觉特征，实现更高效的视觉语言模型，减少标记数量的同时保持性能。
Knowing What You Know Is Not Enough: Large Language Model Confidences Don't Align With Their Actions
知道你所知道的并不足够：大型语言模型的置信度与行为不一致
机构 * Vanderbilt University（范德比大学） ； MIT（麻省理工学院） ； Columbia University（哥伦比亚大学）
AI总结 研究发现大型语言模型的置信度与行为不一致，静态校准无法预测动态设置中的表现。
Training Language Models to Explain Their Own Computations
训练语言模型以解释其自身的计算
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 研究通过训练语言模型解释自身计算，发现其能有效生成内部机制的自然语言描述，为可解释性方法提供新途径。
Comments 23 pages, 8 tables, 7 figures. Code and data at https://github.com/TransluceAI/introspective-interp
Virtual Community: An Open World for Humans, Robots, and Society
虚拟社区：人类、机器人与社会的开放世界
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； CMU（卡内基梅隆大学）
AI总结 虚拟社区是一个开放世界平台，旨在研究人类与机器人共存的社会智能，通过多智能体模拟和大规模社区生成，提出两个新挑战以探索开放世界中的协作与规划能力。
Comments website https://virtual-community-ai.github.io/
ABBA-Adapters: Efficient and Expressive Fine-Tuning of Foundation Models
ABBA-Adapters: 高效且表达力强的基础模型微调
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫德尔·本·扎耶德人工智能大学） ； Duke University（杜克大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 ABBA-Adapters通过引入低秩矩阵的Hadamard乘积，实现高效且表达力强的基础模型微调，显著提升适应新领域的性能。
Comments ICLR 2026. Raghav Singhal, Kaustubh Ponkshe, and Rohit Vartak contributed equally to this work
Safety Subspaces are Not Linearly Distinct: A Fine-Tuning Case Study
安全子空间并非线性区分：一项微调案例研究
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本研究通过微调案例发现，安全行为与通用学习组件高度交织，基于子空间的防御策略存在根本限制。
Comments ICLR 2026. Kaustubh Ponkshe, Shaan Shah, and Raghav Singhal contributed equally to this work
Estimating the Value of Evidence-Based Decision Making
估计基于证据的决策制定的价值
机构 * Department of Economics, MIT（MIT经济学系） ； Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运筹学系） ； Graduate School of Business, Stanford（斯坦福大学商学院）
AI总结 本文提出一个实证框架，用于估算基于证据的决策制定的价值，并评估统计精度和项目构想的回报率。
Fairness Aware Reward Optimization
公平感知的奖励优化
机构 * CSAIL, Department of EECS, Massachusetts Institute of Technology（计算机科学与人工智能实验室，电气工程与计算机科学系，麻省理工学院） ； School of CIT, MCML, MDSI, Technical University of Munich（信息科技学院，MCML，MDSI，慕尼黑技术大学）
AI总结 Faro通过在处理过程中训练奖励模型，实现公平性、准确性与校准性的平衡，减少偏见并提升模型质量。
GraphAgents: Knowledge Graph-Guided Agentic AI for Cross-Domain Materials Design
GraphAgents: 基于知识图谱的多智能体AI用于跨领域材料设计
机构 * Department of Civil and Environmental Engineering Massachusetts Institute of Technology（土木与环境工程系 马萨诸塞理工学院） ； Department of Mechanical Engineering Massachusetts Institute of Technology（机械工程系 马萨诸塞理工学院） ； Department of Civil and Environmental Engineering Department of Mechanical Engineering Schwarzman College of Computing Massachusetts Institute of Technology（土木与环境工程系 机械工程系 斯沃茨曼计算学院 马萨诸塞理工学院）
AI总结 GraphAgents通过多智能体与知识图谱结合，实现跨领域材料设计，生成可持续替代品并平衡性能与生物相容性。
