高校专区
TEXterity -- 触觉外延操作：同时进行触觉估计与控制的外延操作
机构 * MIT（麻省理工学院） ； Magna International Inc.（Magna国际公司）
AI总结 TEXterity通过结合触觉估计与控制，实现手握物体的精确操控，提升外延操作的精度和适应性。
Comments project website: https://sites.google.com/view/texterity. arXiv admin note: substantial text overlap with arXiv:2401.10230
可训练量子机器学习中的任意多项式分离
机构 * Institute for Quantum Information and Matter（量子信息与物质研究所） ； Walter Burke Institute for Theoretical Physics, Caltech, Pasadena, CA, USA（沃尔特·伯克理论物理研究所，卡内基梅隆大学，帕萨迪纳，CA，USA） ； MIT Center for Theoretical Physics, Cambridge, MA, USA（麻省理工学院理论物理中心，剑桥，MA，USA） ； Department of Physics, CU Boulder, Boulder, CO, USA（科罗拉多大学博尔德分校物理系）
AI总结 本文提出了一种高效可训练的量子神经网络结构，实现了在经典序列建模任务中相对于经典神经网络的任意多项式内存分离。
Comments 30 pages, 3 figures, version accepted to Quantum
Journal ref Quantum 10, 1976 (2026)
POCI-Diff: 通过3D布局引导扩散实现位置对象一致性和交互
机构 * DISI, University of Trento（DISI，特伦托大学） ； Toretei S.r.l.（Toretei公司） ； Visual AI Lab, MIT-IBM Watson AI Lab（视觉人工智能实验室，MIT-IBM沃森人工智能实验室） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
AI总结 POCI-Diff通过3D布局引导扩散实现一致性和交互性的物体位置控制，提升文本到图像生成的布局一致性和编辑质量。
ESPLoRA: 基于低秩适应的文本到图像扩散模型中增强空间精度以实现高清晰度合成
机构 * DISI, University of Trento（DISI，特伦托大学） ； Toretei S.r.l.（Toretei公司） ； Visual AI Lab, MIT-IBM Watson AI Lab（视觉人工智能实验室，MIT-IBM Watson人工智能实验室） ； Fondazione Bruno Kessler（布鲁诺·凯撒基金会）
AI总结 ESPLoRA通过低秩适应提升文本到图像扩散模型的空间一致性，利用改进的评估指标和TORE算法优化生成图像质量。
飞行中的安全性：通过运行时策略控制屏障函数构建稳健的安全过滤器
机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学） ； Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空宇航工程系，麻省理工学院） ； D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（Guggenheim航空航天工程学院，佐治亚理工学院） ； MIT Lincoln Laboratory（MIT林肯实验室）
AI总结 本文提出鲁棒策略CBF方法，通过在线估计价值函数构建稳健的安全过滤器，用于高相对阶输入约束系统的安全控制。
Comments Accepted in RAL. The project page can be found at www.oswinso.xyz/rpcbf/
Journal ref IEEE Robotics and Automation Letters, Volume 10, Issue 10, 2025, pages 10058-10065
深度对角线线性网络中的优化洞察
机构 * MaLGa, DIBRIS, Università degli Studi di Genova（基因瓦大学MaLGa、DIBRIS分校） ； MaLGa, DIMA, Università degli Studi di Genova（基因瓦大学MaLGa、DIMA分校） ； Center for Brains, Minds and Machines, MIT（MIT大脑、心智与机器中心） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Instituto de Alta investigaciòn (IAI), Universidad de Tarapacà（塔拉帕卡大学高级研究机构）
AI总结 研究深度对角线线性网络的优化机制，揭示其在过参数化模型训练中的有效性及收敛性保证。
LegacyAvatars: 基于体素的面部虚拟角色用于传统图形管线
机构 * Google（谷歌） ； MIT（麻省理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 LegacyAvatars通过基于参数面部模型的辐射场实现高效传统图形管线中的逼真3D面部虚拟角色渲染，支持在线流式传输和经典网格着色器渲染。
增强装配：面向增强现实自适应装配指令的对象识别与手部追踪
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学）
AI总结 本文提出一种基于增强现实的自适应装配系统，通过对象识别和手部追踪实现动态指导与错误检测，提升装配效率与用户体验。
Comments Submitted to the Association for Computing Machinery (ACM) Conference on Tangible, Embedded, and Embodied Interaction (TEI'26)
高效参数化Koopman算子的SVD用于随机动力系统
机构 * Kim Jaechul Graduate School of AI, KAIST, Daejeon 34141, South Korea（韩国科学技术院人工智能研究生院） ； Department of EECS, MIT, Cambridge, MA 02139, United States（麻省理工学院电子工程与计算机科学系）
AI总结 本文提出了一种基于低秩近似的高效方法，用于学习随机动力系统Koopman算子的前k个奇异函数，以提高大规模系统的可扩展性和稳定性。
Comments Accepted for NeurIPS 2025. The first two authors contributed equally. 30 pages, 5 figures, 4 tables. Code is available at https://github.com/MinchanJeong/NeuralKoopmanSVD
MPAX：在JAX中进行数学规划
机构 * MIT, Sloan School of Management（麻省理工学院管理学院） ； University of Chicago, Department of Statistics（芝加哥大学统计学系）
AI总结 MPAX是基于JAX的开源求解器，用于大规模线性规划和凸二次规划，结合了先进的数学规划算法和机器学习基础设施，提供高效的批量求解和端到端可微训练能力。
分布式控制屏障函数用于异构无人艇编队的安全多车导航
机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT Lincoln Laboratory（MIT林肯实验室） ； Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所） ； Charles Stark Draper Laboratory（查尔斯·斯塔克·德拉珀实验室） ； Brigham Young University
AI总结 本文提出了一种基于控制屏障函数的分布式安全控制方法，用于异构无人艇编队的避碰问题，通过模拟和实验证明其在不同平台和人类操作员行为下的有效性。
Comments 8 pages, 10 figures
近似最优的接触丰富SE(2)操作在可达集图上的全局规划
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人学院） ； Robotics and AI Institute（机器人与人工智能研究所） ； CSAIL, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
AI总结 本文提出了一种近似最优的接触丰富SE(2)操作全局规划方法，通过构建可达集图实现高效运动规划，显著提升了任务效率和成功率。
Comments 17 pages, 14 figures; under submission to IEEE Transactions on Robotics
HERMES：用于突变效应和稳定性的全息等效神经网络模型
机构 * University of Washington（华盛顿大学） ； Institute for Protein Design（蛋白质设计研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Fred Hutchinson Cancer Center（弗雷德· Hutchinson 癌症中心） ； Yale University（耶鲁大学）
AI总结 HERMES是一种基于3D旋转等效结构的神经网络模型，用于预测蛋白质突变的稳定性和适应性效应，通过预训练和微调实现高精度预测。
见少，驾驶更佳：通过基础模型随机补丁选择实现通用端到端自动驾驶
机构 * University of Haifa（海法大学） ； CSAIL, MIT（MIT计算机科学与人工智能实验室）
AI总结 通过随机补丁选择提升自动驾驶策略的鲁棒性和泛化能力，实现更高效且更稳健的端到端自动驾驶
生成式AI的集体行为需要一种互动主义范式
机构 * Fondazione Bruno Kessler（布雷诺·克塞尔基金会） ； University of Trento（特伦托大学） ； Not Diamond ； City St. George’s University of London（伦敦圣乔治大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind） ； University of Chicago（芝加哥大学）
AI总结 本文提出生成式AI的集体行为研究需采用互动主义范式，以系统分析知识与社会情境的交互作用。
协同多智能体测试时间强化学习用于推理
机构 * MIT（麻省理工学院） ； NUS（新加坡国立大学） ； NYU（纽约大学） ； Microsoft（微软） ； Columbia（哥伦比亚大学） ； NTU（国立科技大学）
AI总结 MATTRL通过在推理阶段注入结构化文本经验，提升多智能体在医学、数学和教育等领域的推理准确性，比多智能体基线提升3.67%，比单智能体基线提升8.67%。
Comments Work in Progress
贝叶斯教学使大语言模型具备概率推理能力
机构 * MIT（麻省理工学院） ； Meta ； Google（谷歌公司） ； DeepMind University of British Columbia（不列颠哥伦比亚大学深度思维学院） ； Vector Institute（向量研究所） ； New York University（纽约大学） ； Google Research（谷歌研究）
AI总结 通过教学使大语言模型模仿贝叶斯模型预测，提升其概率推理能力并推广至新任务。
Comments Nature Communications
基于小波的4D雷达张量与相机多视图融合用于鲁棒3D目标检测
机构 * Thrust of Artificial Intelligence, Hong Kong University of Science and Technology (Guangzhou)（人工智能 thrust，香港科技大学（广州）） ； Momoniai AI ； Department of Mechanical Engineering, Massachusetts Institute of Technology（机械工程系，麻省理工学院） ； School of Information Engineering, Yancheng Institute of Technology（信息工程学院，盐城科技学院） ； College of Information Science and Electronic Engineering, Zhejiang University（信息科学与电子工程学院，浙江大学） ； Institute for Math & AI, Wuhan University（数学与人工智能研究所，武汉大学） ； College of Science and Engineering and the Centre for AI and Data Science Innovation, James Cook University（科学与工程学院及人工智能与数据科学创新中心，詹姆斯库克大学） ； School of Transportation, Southeast University（交通运输学院，东南大学）
AI总结 WRCFormer通过小波注意力模块和几何引导渐进融合机制，高效融合4D雷达张量与相机图像，提升3D目标检测在恶劣天气下的鲁棒性。
Comments 10 pages, 10 figures
带有约束条件的神经组合优化的几何算法
机构 * MIT（麻省理工学院） ； NYU（纽约大学） ； UCSD（加州大学圣迭戈分校） ； TUM（慕尼黑技术大学）
AI总结 本文提出了一种基于几何算法的神经组合优化方法，通过分解神经网络输出为凸组合，解决具有离散约束的优化问题，并在多种组合优化任务中取得优于基线的表现。
开放证明语料库：大规模研究LLM生成的数学证明
机构 * ETH Zurich（苏黎世联邦理工学院） ； INSAIT, Sofia University "St. Kliment Ohridski"（INSAIT，索菲亚大学"圣克莱门特·欧赫里德斯基"） ； Institute of Mathematics and Informatics, Bulgarian Academy of Sciences（保加利亚科学院数学与信息学研究所） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 开放证明语料库通过大规模研究LLM生成的数学证明，探索自动化证明生成中的关键问题，包括自然语言与形式证明的性能差距、最终答案准确性与完整证明有效性之间的差异，以及最佳n选择对证明质量的影响。
在线调度用于具有KV缓存约束的LLM推理
机构 * Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电子工程与计算机科学系） ； HKUST（香港科技大学） ； Microsoft Research（微软研究院） ； Sloan School of Management, Massachusetts Institute of Technology（斯隆管理学院，麻省理工学院） ； Operations Research Center, Massachusetts Institute of Technology（运营研究中心，麻省理工学院）
AI总结 本文提出了一种在线调度算法，通过理论建模和实证验证，在管理KV缓存内存的同时最小化LLM推理延迟，显著优于现有基准算法。
通过椭球体进行持久同调
机构 * ETH Zurich（苏黎世联邦理工学院） ； Pennsylvania State University（宾夕法尼亚州立大学） ； MIT（麻省理工学院） ； University of Fribourg（弗里堡大学）
AI总结 本文提出了一种基于椭球体的Rips型复形，用于改进拓扑数据分析中的持久同调计算，通过主成分分析估计切线空间并验证其在分类任务中的优越性。
从雪到雨：评估基于模型的鲁棒训练的鲁棒性、校准和复杂性
机构 * MIT Lincoln Laboratory（MIT林肯实验室）
AI总结 本文研究了基于模型的鲁棒训练方法，通过学习噪声变化模型生成真实腐蚀，实验表明该方法在不同腐蚀强度下表现更优，且在计算成本较低的情况下仍能保持鲁棒性。
Comments 11 pages
推进人工智能谈判：大规模自主谈判竞赛
机构 * MIT Sloan School of Management（麻省理工学院斯隆管理学院） ； Johns Hopkins Carey Business School（约翰霍普金斯大学卡里商学院）
AI总结 本文通过大规模自主谈判竞赛发现，温暖特质在AI谈判中表现优异，主导策略在价值争夺中有效，需建立新的AI谈判理论以优化代理性能。
多感官智能的愿景：感知、科学与协同
机构 * MIT Media Lab and MIT EECS（MIT媒体实验室和MIT电子工程与计算机科学系）
AI总结 本文提出未来十年多感官人工智能的研究愿景，强调通过感知、科学和协同三大主题推动多感官技术发展，提升人与AI的交互体验。
符号学习可解释的降阶模型用于跳跃四足机器人
机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人学系，代尔夫特理工大学） ； Computer Science and Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology（计算机科学与人工智能实验室（CSAIL），麻省理工学院） ； Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（机器人与机电研究所，德国航空航天中心（DLR）） ； Department of Industrial Engineering, University of Trento（工业工程系，特伦托大学）
AI总结 本文提出结合线性自编码器和符号回归的方法，用于自动学习可解释的降阶模型，以提升四足机器人跳跃任务的性能。
Comments 8 pages
Journal ref IFAC Journal of Systems and Control, Volume 35, 2026, Page 100360, ISSN 2468-6018,
通过校准特征学习上下文自适应奖励
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出通过校准特征显式建模上下文相关的特征显著性，以提高奖励学习的样本效率和适应性。
Comments Proceedings of the 21st ACM/IEEE International Conference on Human-Robot Interaction (HRI '26), March 16 - 19, 2026, Edinburgh, Scotland, UK
超越单次检索：通过查询规划实现多步工具检索
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出TOOLQP框架，通过迭代查询规划解决多步工具检索问题，实现更高效的检索和执行能力。
通过自适应温度控制提升对比学习中的领域泛化能力
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出通过自适应温度控制提升对比学习中的领域泛化能力，通过引入领域标签增强表示的领域不变性，从而提升模型在分布外场景下的性能。
Comments NeurIPS SSL Workshop 2023
GRPO与状态突变：改进基于LLM的硬件测试计划生成
机构 * Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA（麻省理工学院电子工程与计算机科学系） ； NVIDIA Research, Austin, TX（NVIDIA研究部） ； NVIDIA Research, Taiwan（NVIDIA台湾研究部） ； NVIDIA Research, Santa Clara, CA（NVIDIA圣克拉拉研究部）
AI总结 GRPO-SMu通过改进LLM训练方法，显著提升硬件验证中测试计划生成的准确率和突变检测率。
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