高校专区
迈向可靠的人工智能辅助模拟设计：用于逐次逼近寄存器型模数转换器生成的模板约束大语言模型智能体
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究针对大语言模型在模拟电子设计自动化应用的瓶颈，提出端到端多步骤的ATLAS框架，利用专家知识结合模板约束生成，能生成成功通过仿真验证的SAR ADC，为集成LLMs到可靠模拟设计方法奠定基础。
ToolAnchor：锚定反事实上下文以提升智能体工具使用能力
机构 * Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学） ； MIT（麻省理工学院）
AI总结 研究针对工具增强大语言模型智能体在工具集扩展时的问题，提出ToolAnchor框架，通过在关键决策点注入反事实锚定上下文打破行为惯性，经教师模型假设、学生展开验证及智能体后训练，提升其在扩展工具集下的性能，为智能体强化学习开辟新路径。
干扰和潜在混杂下顺序设置的因果推断
机构 * MIT（麻省理工学院）
AI总结 研究顺序观测设置下结果干扰的因果推断，基于最大伪似然估计提供计算高效方法学习模型参数，在温和假设下建立参数估计非渐近一致性，通过实验和案例研究证明方法有效性。
FlowBot：通过双层优化和文本梯度诱导LLM工作流
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出FlowBot，一种基于双层优化和文本梯度的数据驱动方法，自动诱导LLM代理和工作流，与人类设计的基线相比表现相当。
通过片段选择的自适应时间序列推理
机构 * harvard（哈佛大学） ； mit（麻省理工学院） ； mitll（MIT林肯实验室） ； hongkong（香港科学与技术大学）
AI总结 提出ARTIST框架，将时间序列推理建模为序列决策问题，通过控制器-推理器架构和强化学习自适应选择信息片段，提升推理准确率。
Comments ICML 2026
大语言模型能够有效地说服人们相信阴谋论
机构 * Carnegie Mellon University（卡内基梅隆大学） ； York University（约克大学） ； Center for Research and Teaching in Economics（经济研究中心） ； MIT（麻省理工学院） ； Université de Montréal（蒙特利尔大学） ； Mila ； Cornell University（康奈尔大学） ； University of Regina（Regina大学）
AI总结 研究大语言模型能否有效说服人们相信阴谋论，通过四项实验发现其既能增加也能降低阴谋信念，反驳效果更佳，特定提示可降低支持阴谋论有效性，还存在信息分享上的真理不对称，有潜在技术方案减轻风险。
弥合牛顿-拉夫逊方法与正则化策略迭代之间的差距
机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Department of Mechanical Engineering, Tsinghua University（机械工程系，清华大学） ； College of Artificial Intelligence and the School of Vehicle and Mobility, Tsinghua University（人工智能学院和车辆与移动系统学院，清华大学）
AI总结 研究正则化策略迭代（RPI）的理论基础，证明其与牛顿-拉夫逊方法等价，实现统一收敛分析，得出RPI局部二次收敛性等结论，还研究了不精确策略评估下的RPI并提出新算法，推进了强化学习正则化理论理解与算法设计。
变换秩：架构如何在深度的谱病态中导航
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 研究Transformer前馈块架构设计组件在初始化时如何确定跨深度的秩保留，通过重新解释跳跃连接和归一化等，揭示架构各方面对秩的影响，将深度网络架构设计视为在秩崩溃、集成行为和参数数量间的权衡。
Comments 40 pages. Code: https://github.com/everettk/transforming-rank-paper
DreamSat-Pose：基于单视图3D重建和学习的2D-3D特征匹配的航天器姿态估计
机构 * Wellesley College（韦尔斯利学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Politecnico di Milano（米兰理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Universidad Politécnica de Madrid（马德里理工大学）
AI总结 针对未知航天器对象，本文提出新框架，先利用冻结的DINOv3提取图像特征、动态图卷积神经网络编码器计算几何特征，再经双流变压器匹配器细化描述符，通过学习2D-3D对应关系估计姿态，在数据集上评估效果良好，泛化能力强。
EXPLORE：使用语言模型进行引导搜索以生成模拟拓扑结构
机构 * Duke University（杜克大学） ； MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室） ； IBM T. J. Watson Research Center（IBM T. J. 沃森研究中心）
AI总结 本文针对自动化模拟电路拓扑设计难题，提出EXPLORE框架，集成模拟器引导蒙特卡罗树搜索与基于变压器的解码，利用语言模型先验优化搜索，在6组件基准测试中显著提升成功率、降低均方误差，推动LLM驱动设计自动化。
Comments MLCAD 26' accepted
用于稳定列生成的学习成对深度对偶最优不等式
机构 * Department of Civil Engineering, Tsinghua University, Beijing 100084, China（清华大学土木工程系） ； MIT Sloan School of Management, Massachusetts Institute of Technology, 100 Main Street, Cambridge, MA 02142, USA（麻省理工学院斯隆管理学院） ； Department of Industrial and Systems Engineering, University of Florida, Gainesville, FL 32611, USA（佛罗里达大学工业与系统工程系）
AI总结 研究针对列生成中对偶解不稳定问题，提出学习成对深度对偶最优不等式框架，通过预测对偶变量排序、构建训练标签、后处理及恢复过程，在车辆路由问题测试集上大幅减少CG时间且保证边界无损失。
Comments 35 pages, 3 figures, and 12 tables; online appendix included
从观测中学习红方代理策略用于神经符号自主网络代理
机构 * MIT（麻省理工学院）
AI总结 针对网络攻击中红方动作不可观测的问题，提出基于模仿学习的策略学习技术，从网络观测和防御动作预测红方行为，集成神经符号防御代理实现高精度预测。
StratMamba：用于基于路径高效的激光雷达避障的策略性和反应性流划分
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； AlphaZ, Inc.（阿尔法兹公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究针对复杂环境中机器人导航问题，提出StratMamba双流时间建模架构，结合快慢衰减内存架构处理激光雷达数据。经多场景评估及与其他基线对比，其在时间推理效率、导航速度和路径最优性方面表现出色，在现实中性能更稳健。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 6 figures. Video: https://www.youtube.com/watch?v=Z0FfO_AVaSw
用于低资源澳大利亚原住民语言识别的混合持续学习
机构 * University of New South Wales（新南威尔士大学） ； University of Melbourne（墨尔本大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 针对低资源澳大利亚原住民语言识别中数据稀缺和灾难性遗忘问题，提出重放增强弹性权重巩固和约束引导知识蒸馏两种混合持续学习方法，实验表明其优于微调及现有基线，能提升对多种AAL的适应性并保持对高资源语言的性能。
Comments Accepted by Interspeech 2026
随机哈密顿蒙特卡罗算法的加速混合时间
机构 * Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； 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 研究随机哈密顿蒙特卡罗算法在从对数凹概率分布采样时的加速混合时间，通过使用特定随机积分时间，证明其在KL散度中指数收敛，给出不同情况下达到误差ε的总积分时间的尺度，分析依赖于平均KL散度的界。
Comments 74 pages
Transformer记忆的吸引子几何：从冲突仲裁到自信 hallucination
机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Texas Austin（德克萨斯大学奥斯汀分校） ； Cognizant（Cognizant公司）
AI总结 研究Transformer记忆中冲突与hallucination的几何机制，揭示吸引子基底在隐藏状态空间中的作用，通过合成任务验证几何边界在区分正确回忆与hallucination中的有效性。
Comments Inadvertent premature posting before full approval of all listed co-authors
Xray-Visual模型：在产业级数据上扩展视觉模型
机构 * Meta-AI ； MIT（麻省理工学院） ； University of Maryland（马里兰大学）
AI总结 Xray-Visual通过三阶段训练流程和LLM2CLIP技术，在产业级数据上实现高效多模态视觉模型，取得最佳性能并提升鲁棒性与泛化能力。
大规模进化策略：超越强化学习的LLM微调
机构 * University of California, Los Angeles, Los Angeles, CA, USA（加州大学洛杉矶分校） ； Cognizant AI Lab, San Francisco, CA, USA（Cognizant AI实验室） ； The University of Texas at Austin, Austin, TX, USA（德克萨斯大学奥斯汀分校） ； Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院）
AI总结 本文提出使用进化策略进行大规模LLM微调，证明其在多个方面优于强化学习，为LLM微调提供了新的方法。
Comments Published at ICML 2026 main conference
首先，不伤害：迈向临床安全的大语言模型
机构 * Harvard Combined Dermatology Program（哈佛联合皮肤科项目） ； Department of Dermatology, Mass General Brigham（麻省总医院皮肤科） ； Harvard Medical School（哈佛医学院） ； Stanford Center for Biomedical Informatics Research（斯坦福生物医学信息学研究中心） ； Stanford University（斯坦福大学） ； Division of Hospital Medicine, Department of Medicine, Stanford University School of Medicine（斯坦福大学医学院医院医学科） ； Department of Medicine, Cambridge Health Alliance（剑桥健康联盟医学科） ； Beth Israel Deaconess Hospital–Plymouth（贝塞斯达德acons医院-普利茅斯） ； Department of Medicine, University of California, San Francisco（加州大学旧金山分校医学科） ； Department of Neurology, Stanford University School of Medicine（斯坦福大学医学院神经科） ； Department of Medicine, Beth Israel Deaconess Medical Center（贝塞斯达德acons医学中心医学科） ； Division of Cardiology, Department of Medicine, Cambridge Health Alliance（剑桥健康联盟心脏病科） ； Department of Cardiovascular Medicine, Summa Health System（Summa健康系统心血管医学科） ； Division of Allergy, Pulmonary, and Critical Care Medicine, Department of Medicine, University of Wisconsin-Madison（威斯康星大学麦迪逊分校医学科过敏、呼吸科和危重医学科） ； Division of Pulmonary and Critical Care Medicine, Department of Medicine, Massachusetts General Hospital（麻省总医院呼吸科和危重医学科） ； Center for Immunology and Inflammatory Diseases, Department of Medicine, Massachusetts General Hospital（麻省总医院免疫和炎症疾病中心） ； Broad Institute of MIT and Harvard（MIT和哈佛Broad研究所） ； Division of Pulmonary, Critical Care, and Sleep Medicine, Cambridge Health Alliance（剑桥健康联盟呼吸科、危重医学科和睡眠医学科）
AI总结 提出NOHARM基准，包含1100个初级到专科咨询案例，评估28个LLM的医疗建议安全性，发现高达22.6%的案例存在严重危害风险，其中遗漏错误占80%以上。
通过仅干预因果发现放松忠实性
机构 * Thayer School of Engineering Dartmouth College（达特茅斯学院塞耶工程学院） ； Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学布罗德研究所） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究因果发现算法，指出常见流程中第一步的忠实性假设在自然系统中常被违反。提出干预即时忠实性假设，表明其足以用硬干预非参数识别因果结构，将干预作为因果结构信息主要载体，还针对干预范围有限情况指定等价类。
Comments Accepted to UAI 2026
OS-Pruner：通过最优停止修剪推理模型的思维链
机构 * MIT（麻省理工学院） ； Columbia Business School（哥伦比亚商学院）
AI总结 研究针对大语言模型思维链推理存在计算过度问题，提出轻量级框架OS-Pruner，将思维链修剪转化为最优停止问题，通过优化效用动态评估终止点，在多基准和模型上减少生成长度且精度牺牲小。
领域感知缩放定律揭示数据协同效应
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Microsoft Research（微软研究院） ； Harvard University（哈佛大学）
AI总结 研究语言模型预训练中的数据协同效应，利用开放权重语言模型的观测变化估计领域间协同效应，其框架提高预测精度，恢复稳定估计，经训练模型验证能正确预测性能排名。
潜在治疗效果的谱结构
机构 * Dartmouth College（达特茅斯学院） ； Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学布罗德研究所） ； Hofstra University（霍夫斯特拉大学）
AI总结 研究在未观察到混杂因素时识别异质治疗效果，核心方法是利用代理模型中潜在混杂因素，通过构造压缩可观测算子及相关分析来恢复潜在治疗效果等，贡献是处理过完备代理系统并给出相关扰动界估计。
具有可验证物理的强化学习：具有连续奖励的训练后语言模型
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究针对偏微分方程求解器代码生成，引入RLVP强化学习训练后框架，通过混合验证器解决可验证性问题，在多PDE族训练单个策略，优于基线且有零样本改进转移，训练后小LLM表现良好，策略有组合性证据。
未知多房间家庭环境中多目标搜索的交错部分可观测马尔可夫决策过程规划
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Ising AI（伊辛人工智能公司） ； MIT（麻省理工学院） ； Notre Dame University（圣母大学）
AI总结 研究未知多房间家庭环境下多目标搜索问题，提出Inter-POMDP算法，通过高级POUCT规划器与低级运动规划器相互作用，平衡规划质量与效率，相比基线方法减少碰撞、导航步数及检测次数。
超越贝叶斯纳什均衡：非对称信息下对抗团队博弈的极小极大遗憾均衡学习
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Aerospace Control Laboratory（航空控制实验室） ； Laboratory of Information and Decision Systems（信息与决策系统实验室）
AI总结 研究非对称信息下对抗团队博弈，提出概率鲁棒极小极大遗憾均衡（PR-MRE），结合极小极大遗憾推理的无分布鲁棒性与概率信息，通过鲁棒双线性规划及新型元求解器 PRMRE-PSRO 实现策略学习，实验证明其在隐藏类型上性能更优，行为更稳健。
Comments 29 pages, 11 figures, 6 tables. Submitted to Transactions on Machine Learning Research (TMLR)
WarpMPC：通过展开的$LDL^\top$分解和交替方向乘子法在GPU上进行大批量模型预测控制
机构 * Institute for Data Science in Mechanical Engineering (DSME), RWTH Aachen University（亚琛工业大学机械工程数据科学研究所） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
AI总结 研究在GPU上求解大批量相同结构的顺序二次规划迭代以最大化吞吐量的问题，核心方法是基于问题实例稀疏性提出展开稀疏线性分解等优化，主要贡献是在多机器人基准测试中大幅提升吞吐量并展示实际应用价值。
我们准备好迎接人工智能驱动的发现了吗？在下一次基础物理学突破之前进行人工智能验证
机构 * NSF AI Institute for Artificial Intelligence and Fundamental Interactions（NSF人工智能与基本相互作用研究院） ； MIT Laboratory for Nuclear Science（MIT核科学实验室） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Nagoya University（名古屋大学） ； Technical University Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
AI总结 探讨在基础物理学中，随着机器学习日益自主，确保其可靠性至关重要。通过VERaiPHY计划框架，结合统计发现工作流程确定验证时机，强调归纳偏差等局限，思考物理学家角色，以实现机器学习在物理学中负责任的整合。
PHITSBench：用于使用自然语言生成人工智能辅助的PHITS辐射传输输入的执行评分基准
机构 * MIT（麻省理工学院）
AI总结 介绍用于PHITS辐射传输输入生成的PHITSBench基准，涵盖三类任务。评估五种基于GPT - 5.4的配置，无特定知识时模型在编辑和修复任务表现好，Reproduce任务差。知识目录和智能体执行可提升成功率，结果显示建模进展依赖多方面因素。
少些推理，多些验证：确定性门控在使用工具的语言模型智能体中恢复了一种无声的违反策略失败模式
机构 * Indian Institute of Technology Kharagpur（印度理工学院卡拉格布尔分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究使用工具的语言模型智能体违反策略问题，提出用确定性预执行门控干预，在τ²基准航空公司领域评估，该方法能提高成功率，防止无声违反策略写入，虽不保证任务成功，但有可靠性成果。
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