Fast Multi-Stack Slice-to-Volume Reconstruction via Multi-Scale Unrolled Optimization
快速多栈切片到体积重建 via 多尺度展开优化
机构 * MIT（麻省理工学院） ； Harvard Medical School（哈佛医学院）
AI总结 本文提出了一种快速多栈切片到体积重建框架，通过多尺度展开优化实现高效3D结构恢复与切片对齐，适用于胎儿脑部MRI等医学影像重建任务。
高校专区
Massachusetts Institute of Technology（麻省理工学院）
TreePS-RAG: Tree-based Process Supervision for Reinforcement Learning in Agentic RAG
TreePS-RAG: 基于树的强化学习过程监督在代理RAG中的应用
机构 * The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Massachusetts Institute of Technology, Cambridge MA, USA（麻省理工学院）
AI总结 TreePS-RAG通过基于树的在线强化学习框架，在代理RAG中实现细粒度过程监督，提升多跳和通用问答任务性能。
Navigation Around Unknown Space Objects Using Visible-Thermal Image Fusion
利用可见光与热红外图像融合进行未知空间物体的导航
机构 * Draper Scholar, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） ； Senior Member of Technical Staff, The Charles Stark Draper Laboratory Inc.（查尔斯·斯塔克·德拉珀实验室公司） ； Ford Professor of Engineering, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） ； Professor Post Tenure, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系）
AI总结 本文提出利用可见光与热红外图像融合技术，提升在复杂光照条件下对未知空间物体的导航精度。
Comments 18 pages, 11 figures. To be published in proceedings of AIAA SCITECH 2026 Forum
Will it Merge? On The Causes of Model Mergeability
是否会合并？关于模型合并性的原因
机构 * Technion - Israel Institute of Technology（技术ion-以色列理工学院） ； IBM Research AI（IBM人工智能研究部） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Kempner Institute, Harvard University（哈弗大学凯普纳研究所）
AI总结 本文研究了模型合并性的原因，提出了一种可测量的定义，并提出了一种加权合并技术以保留基础模型的知识。
Follow the Signs: Using Textual Cues and LLMs to Guide Efficient Robot Navigation
跟随标识：利用文本线索和大语言模型引导高效的机器人导航
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 本文提出利用大语言模型和符号模式提升机器人在稀疏环境中高效导航的能力，通过文本线索预测目标位置并优化路径规划。
Gecko: An Efficient Neural Architecture Inherently Processing Sequences with Arbitrary Lengths
Gecko：一种高效神经架构，能够处理任意长度的序列
机构 * University of Southern California（美国南加州大学） ； Meta AI Research（Meta人工智能研究） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 Gecko通过改进的神经架构实现高效长序列处理，优于现有模型在效率和长上下文扩展性上的表现。
Comments 13 pages, 5 figure and 3 tables
Value of Information: A Framework for Human-Agent Communication
信息价值：人类-智能体通信的框架
机构 * University of Cambridge（剑桥大学） ； MIT（麻省理工学院）
AI总结 本文提出基于信息价值的框架，使智能体在人类-智能体通信中动态权衡信息获取与用户认知成本，实现高效适应性决策。
Auditory Filter Behavior and Updated Estimated Constants
听觉滤波器行为与更新的估计常数
机构 * Massachusetts Institute of Technology, USA（麻省理工学院）
AI总结 本文提出了一种基于特性框架的听觉滤波器常数估计方法，通过分析滤波器行为与底层常数的关系，推导出人类听觉滤波器的常数约束和估计。
Comments 19 pages, 36 equations, 10 figures, 2 tables, submitted
Multiple-policy Evaluation via Density Estimation
通过密度估计进行多策略评估
机构 * Boston University, Boston, USA（波士顿大学） ； Broad Institute of MIT and Harvard, Cambridge, USA（哈佛大学和麻省理工学院联合学院）
AI总结 CAESAR通过密度估计实现多策略评估，以低样本复杂度率估计策略性能并计算重要加权比。
Comments ICML 2025
Can AI mediation improve democratic deliberation?
人工智能调解能否提升民主讨论？
机构 * Google DeepMind（谷歌DeepMind） ； Massachusetts Institute of Technology（麻省理工学院） ； Yale Law School（耶鲁法学院） ； Department of Experimental Psychology, University of Oxford（牛津大学实验心理学系）
AI总结 本文探讨人工智能如何通过增强参与、公平调解和有意义讨论来提升民主讨论的质量。
Journal ref Knight Institute for the First Amendment at Columbia University Symposium on "AI and Democratic Freedoms", April 10-11, 2025
On Steerability Factors for Growing Vine Robots
关于生长藤形机器人可操控性的因素
机构 * University of Notre Dame（诺丁汉大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究藤形机器人可操控性影响因素，通过实验发现末端负载和压力比对弯曲能力有显著影响，优化设计可提升机器人在复杂环境中的移动性能。
Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach
大规模MIMO中的通道指纹构建：一种深度条件生成方法
机构 * National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信研究中心） ； Purple Mountain Laboratories（紫金山实验室） ； State Key Laboratory of CNS/ATM, Beijing Institute of Technology（北京理工大学 CNS/ATM 国家重点实验室） ； Beijing Institute of Technology（北京理工大学） ； MIT Key Laboratory of Complex-Field Intelligent Sensing, Beijing Institute of Technology（MIT 复杂场智能感知实验室，北京理工大学） ； Advanced Technology Research Institute, Beijing Institute of Technology（北京理工大学先进技术研究院） ； Yangtze Delta Region Academy, Beijing Institute of Technology（长江三角洲地区研究院，北京理工大学） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； Department of Electrical and Computer Engineering, University of Delaware（德雷塞尔大学电子与计算机工程系）
AI总结 本文提出了一种基于深度条件生成扩散模型的通道指纹构建方法，通过引入CF双胞胎概念，利用变分推断和多目标知识蒸馏技术提升模型性能，实现粗粒度到细粒度CF的高效转换。
Comments 15 pages, 7 figures
Journal ref IEEE Transactions on Wireless Communications, vol. 25, pp. 6096-6113, 2026
Simulating Multi-Stakeholder Decision-Making with Generative Agents in Urban Planning
用生成代理模拟城市规划中的多利益相关者决策
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本研究通过多生成代理系统模拟城市规划中的多利益相关者决策，探讨人口因素对集体决策的影响，并提升决策的公平性和效率。
Journal ref Advances in Transdisciplinary Engineering, Vol. 76, pp. 40-49, IOS Press, 2026
From Idea to Co-Creation: A Planner-Actor-Critic Framework for Agent Augmented 3D Modeling
从想法到协同创造：一种规划-执行-批评框架用于代理增强的3D建模
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Northeastern University（东北大学）
AI总结 本文提出一种规划-执行-批评框架，通过多代理自我反思和人类监督提升3D建模的几何精度、审美质量和任务完成率。
NC2C: Automated Convexification of Generic Non-Convex Optimization Problems
NC2C: 通用非凸优化问题的自动凸化
机构 * Southeast University（东南大学） ； Zhejiang University（浙江大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 NC2C通过大语言模型实现通用非凸优化问题的自动凸化，提升求解效率并减少专家依赖。
Comments First version of NC2C
ToolGate: Contract-Grounded and Verified Tool Execution for LLMs
ToolGate: 以合同为基础并经过验证的工具执行用于LLMs
机构 * Zhejiang University（浙江大学） ； Southeast University（东南大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 ToolGate通过形式化合同和验证机制，确保LLM调用工具时逻辑安全和状态演变的可验证性，提升系统可靠性与可调试性。
Comments First version of ToolGate
Users Mispredict Their Own Preferences for AI Writing Assistance
用户误判自己对AI写作辅助的偏好
机构 * Microsoft（微软公司） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究发现用户自我报告的偏好与实际行为存在显著差异，基于用户自我报告的AI写作系统效果不佳，而基于行为模式的系统表现更优。
Comments 22 pages, 13 figures
Autonomous Reasoning for Spacecraft Control: A Large Language Model Framework with Group Relative Policy Optimization
自主推理的航天器控制：一种基于大语言模型的框架与群体相对策略优化
机构 * Department of Aeronautics \& Astronautics Massachusetts Institute of Technology Cambridge, MA 02139
AI总结 本文提出一种基于大语言模型和群体相对策略优化的自主推理航天器控制框架，通过两阶段训练方法生成可解释的控制策略，适用于复杂动态系统。
Rethinking the Text-Vision Reasoning Imbalance in MLLMs through the Lens of Training Recipes
通过训练食谱的视角重新思考MLLMs中的文本-视觉推理不平衡
机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM Watson人工智能实验室） ； Adobe Research（Adobe研究院）
AI总结 本文通过分析训练食谱，提出减少多模态大语言模型中文本与视觉推理不平衡的方法，旨在提升视觉推理能力。
QUIET-SR: Quantum Image Enhancement Transformer for Single Image Super-Resolution
QUIET-SR：用于单图像超分辨率的量子图像增强变换器
机构 * College of Computing \& Data Science, Nanyang Technological University (NTU), Singapore, 639798, Singapore ； SVKM's Dwarkadas J. Sanghvi College of Engineering, Mumbai, India ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD), Abu Dhabi, UAE ； Center for Quantum ； Topological Systems (CQTS), NYUAD Research Institute, NYUAD, Abu Dhabi, UAE ； IBM Quantum, IBM T.J. Watson Research Center, Yorktown Heights, 10598, USA ； MIT-IBM Watson AI Lab, Cambridge MA, 02142, USA ； The Maersk Mc-Kinney Moller Institute, University of Southern Denmark, Sønderborg, Denmark ； Department of Software Science, Tallinn University of Technology, Tallinn, Estonia
AI总结 QUIET-SR通过结合量子注意力机制和Swin变换器，实现高效图像超分辨率，兼顾性能与量子计算的可行性。
Comments 13 Pages, 7 Figures (5 Main figures, 2 Sub-figures), 2 Tables, Under Review
Mem-Gallery: Benchmarking Multimodal Long-Term Conversational Memory for MLLM Agents
Mem-Gallery: 多模态长时对话记忆的基准测试用于 MLLM 代理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； MIT-IBM Watson AI Lab, IBM Research（MIT-IBM沃森人工智能实验室，IBM研究） ； Stony Brook University（石溪大学） ； Brookhaven National Laboratory（布鲁赫斯国家实验室）
AI总结 Mem-Gallery 是一个用于评估多模态长时对话记忆的基准测试，通过多会话对话数据集和系统评估框架，揭示了记忆提取、推理和知识管理的关键发现。
Comments 34 pages, 18 figures
MARVEL: A Multi Agent-based Research Validator and Enabler using Large Language Models
MARVEL：基于大语言模型的多智能体研究验证器与促进器
机构 * MIT Kavli Institute for Astrophysics and Space Research and LIGO Laboratory（麻省理工学院凯斯利天文与空间研究所及LIGO实验室） ； Massachusetts Institute of Technology（麻省理工学院） ； State Key Laboratory of Ocean Sensing & Ocean College（海洋传感国家重点实验室） ； Zhejiang University（浙江大学） ； NSF AI Institute for Artificial Intelligence and Fundamental Interactions (IAIFI)（国家科学基金会人工智能与基本相互作用研究所） ； Cambridge, MA, USA（美国马萨诸塞州剑桥市）
AI总结 MARVEL通过结合快速查询路径和深度搜索模式，为科学领域提供可部署的验证器，其在探测器操作内容上显著优于GPT-4o基线。
Comments 18 pages, 7 figures
Digital Red Queen: Adversarial Program Evolution in Core War with LLMs
数字红皇后：基于大语言模型的Core War中的对抗程序进化
机构 * MIT（麻省理工学院） ； Sakana AI
AI总结 本文提出DRQ算法，利用大语言模型在Core War游戏中通过持续适应变化的目标进化出通用且高效的战士，揭示了动态对抗进化在人工智能系统中的潜力。
Comments 14 pages, 13 figures
Back to Basics: Let Denoising Generative Models Denoise
回归基础：让去噪生成模型去噪
机构 * MIT（麻省理工学院）
AI总结 本文提出通过直接预测干净数据的JiT模型，在高维空间中实现有效的去噪生成模型，展示在ImageNet上取得竞争性结果。
Comments Tech report. Code at https://github.com/LTH14/JiT
Physics-Driven Data Generation for Contact-Rich Manipulation via Trajectory Optimization
通过轨迹优化实现接触密集操作的物理驱动数据生成
机构 * 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） ； Robotics and AI Institute（机器人与人工智能研究院）
AI总结 本研究提出了一种结合物理仿真和轨迹优化的方法，通过生成多样化高质量数据集，提升接触密集操作任务的机器人性能。
Time-Aware Synthetic Control
时间感知合成控制
机构 * Columbia University（哥伦比亚大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 TASC通过引入状态空间模型和卡尔曼滤波器，提升在强时间趋势和高噪声环境下的因果推断性能。
Parameter-Robust MPPI for Safe Online Learning of Unknown Parameters
参数鲁棒的MPPI用于未知参数的在线学习
机构 * Division of Robotics, Perception and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院） ； Digital Futures（数字未来） ； Reliable Autonomous Systems Lab, Massachusetts Institute of Technology（可靠自主系统实验室，麻省理工学院） ； Automatic Control Laboratory, Swiss Federal Institute of Technology in Zürich（自动控制实验室，瑞士联邦理工学院（苏黎世））
AI总结 本文提出PRMPPI控制框架，结合在线参数学习与概率安全约束，实现安全且高效的未知参数在线学习。
Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups
跨多样尺度、场景和传感器设置的零样本点云配准
机构 * Laboratory for Information and Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Department of Computer Science and Engineering, Seoul National University（计算机科学与工程系，首尔国立大学）
AI总结 提出BUFFER-X框架，通过几何自举、分布感知采样和坐标归一化实现零样本点云配准，同时引入BUFFER-X-Lite提升效率，适用于多样场景和传感器设置。
Comments 18 pages, 15 figures. Extended version of our ICCV 2025 highlight paper [arXiv:2503.07940]. arXiv admin note: substantial text overlap with arXiv:2503.07940
Quantum-secure multiparty deep learning
量子安全多方深度学习
机构 * Research Laboratory of Electronics, Massachusetts Institute of Technology（麻省理工学院电子研究实验室） ； Physics & Informatics Laboratories, NTT Research, Inc.（NTT研究公司物理与信息学实验室）
AI总结 本文提出利用光的量子特性实现信息论安全的多方深度学习计算，通过线性代数引擎在MNIST分类任务中达到96%的准确率，同时显著降低信息泄露量。
Journal ref Phys. Rev. X 15, 041056 (2025)
EgoReAct: Egocentric Video-Driven 3D Human Reaction Generation
EgoReAct：基于第一人称视频的3D人体反应生成
机构 * THU（清华大学） ； Brown（布朗大学） ； Georgia Tech（佐治亚理工学院） ； Cambridge（剑桥大学） ； HKU（香港大学） ； NJU（南京大学） ； CUHK（香港中文大学） ； HKUST（香港科技大学） ； TAMU（德克萨斯大学奥斯汀分校） ； PKU（北京大学） ； MIT（麻省理工学院）
AI总结 EgoReAct通过构建HRD数据集，首次实现从第一人称视频实时生成3D对齐的人体反应运动，提升生成的现实感和空间一致性。
Comments 12 pages, 9 figures
