高校专区
学习辅助：面向隐式人机协作的协作式VLA模型
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文研究利用视觉-语言-动作（VLA）模型通过模仿学习实现人机协作，发现动作分块策略在隐式协作中存在演示动作泄漏问题，提出推理时引导方法缓解过早辅助行为，并通过用户研究验证其有效性。
看似无关紧要的设计选择如何决定病理学中LLM的性能
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard Medical School（哈佛医学院） ； Dana-Farber Cancer Institute（丹娜-法伯癌症研究所）
AI总结 通过系统因子分析发现，调整补丁大小、放大倍数等输入配置可使通用大语言模型在病理切片任务上性能大幅提升，缩小与专用模型的差距。
环境扩散策略：从次优数据中进行机器人模仿学习
机构 * MIT（麻省理工学院）
AI总结 提出环境扩散策略，通过噪声依赖的数据使用从次优数据中提取有用特征，在六项任务上优于现有方法，最高提升33%。
Comments 14 pages (main body), 52 pages total. Project website: https://ambient-diffusion-policy.github.io/
遗传算法与优化引导算子的数学视角
机构 * Department of Mathematics, MIT（麻省理工学院数学系）
AI总结 本文从数学角度建模遗传算法，将优化问题转化为查询复杂度问题，并证明某些问题必须依赖生成、变异和重组算子，同时揭示了多样性在解池中的关键作用。
Comments 18 pages, 1 figure
MedCTA: 临床工具智能体基准
机构 * King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Massachusetts Institute of Technology (MIT)（麻省理工学院）
AI总结 提出MedCTA基准，基于放射影像、病理切片和报告等真实临床多模态输入，评估医疗AI智能体在工具检索、证据获取和集成方面的规划与执行能力。
Comments Project Page: https://ivul-kaust.github.io/MedCTA/ Code: https://github.com/IVUL-KAUST/MedCTA Data: https://huggingface.co/datasets/IVUL-KAUST/MedCTA
测试时训练对近似采样的威力
机构 * Microsoft Research NYC（微软研究院纽约分校） ； MIT（麻省理工学院）
AI总结 本文形式化测试时训练（TTT）为从已知分布类中采样的问题，证明查询复杂度的二次下界，并展示在分布类大小受限时可规避该下界，为TTT提供理论框架。
通过激活引导克服全双工口语语言模型中的状态惯性
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 针对全双工口语模型在用户打断时响应延迟的问题，提出基于感知向量的激活引导方法，无需微调即可显著提升中断理解能力。
AI智能体实验的预注册
机构 * MIT（麻省理工学院）
AI总结 针对AI智能体实验中的方法论漏洞，提出将预注册实践扩展至该领域，并设计专用模板以提升研究可信度。
Comments Accepted at ICML 2026 as a Spotlight (Top 5%) Position Paper
空间掩蔽回归揭示电生理记录中的局部和分布式可预测性
机构 * Department of Electrical and Computer Engineering, IUT（电气与计算机工程系） ； McGovern Institute for Brain Research, Massachusetts Institute of Technology (MIT)（脑科学研究所，麻省理工学院（MIT））
AI总结 提出空间掩蔽回归（SMR）框架，通过逐步增大掩蔽区域量化电极信号中局部与分布式信息的贡献，应用于颅内和头皮脑电数据，发现邻近电极贡献显著但非全部，表明信号同时包含局部冗余和全局结构。
GUIDE: 目标初始化的定向理解用于端到端视觉导航
机构 * Institute of Cyber-Systems and Control, Zhejiang University（浙江大学控制科学与工程学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所） ； Center for Robotics, University of Bonn（波恩大学机器人中心） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
AI总结 提出GUIDE框架，通过空间锚点预测器利用多频率本体感受历史提取自运动表示，结合深度流感知局部几何，实现无需后续目标更新的端到端四足机器人导航。
Comments https://guide-navigation.github.io/
LieIPM：用于刚体直接轨迹优化的李群内点法
机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） ； Ohio University（俄亥俄大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
AI总结 提出一种基于李群结构的约束轨迹优化框架LieIPM，利用二阶刚体模型和变分积分器，实现无奇异、快速收敛的牛顿型更新。
用于3D打印火星地形模型的立体重建基准测试
机构 * MIT Cambridge, MA, USA（麻省理工学院，马萨诸塞州剑桥，美国）
AI总结 针对火星图像低纹理、不规则和部分观测的特点，评估从NASA好奇号图像估计立体深度、补全几何并导出可打印网格的流程，发现基准精度不直接迁移到火星地形重建，几何补全存在局部保真度与全局连通性的权衡。
Comments 9 pages, 7 figures, CVPR End-to-End 3D Workshop 2026
CodeAlchemy：大规模合成代码重写
机构 * MIT-IBM Watson AI Lab, IBM Research（MIT-IBM沃森人工智能实验室，IBM研究院）
AI总结 提出CodeAlchemy框架，通过5种策略生成超过500B token的合成代码数据，引入DevEval和TraceEval基准，3B模型在多项任务上超越10倍大小的前沿模型。
一个镜头，多个世界：面向世界模型可解释性的能力类型接口
机构 * New York University（纽约大学） ； Independent Researcher（独立研究者） ； Veermata Jijabai Technological Institute（韦尔玛塔·吉贾拜技术学院） ； Mercity ； University of Southern California（南加州大学） ； Independent Researcher, MIT（麻省理工学院独立研究者） ； Independent Researcher, GITAM（GITAM独立研究者） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出WorldModelLens，通过能力类型适配器统一不同世界模型（如PlaNet、IRIS、I-JEPA）的可解释性分析，避免重复实现。
PTL-Diffusion: 具有周期终端定律的流形感知扩散
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） ； University of Washington（华盛顿大学）
AI总结 提出PTL-Diffusion，通过将前向噪声过程收敛到周期高斯终端族而非单一分布，显式嵌入相位结构，改善低维流形上的分布匹配，在点云和人脸数据集上降低误差。
探测器有限读出下非相干成像分类的端到端优化
机构 * Research Laboratory of Electronics, Massachusetts Institute of Technology（麻省理工学院电子研究实验室） ； Department of Physics, Massachusetts Institute of Technology（麻省理工学院物理系）
AI总结 针对探测器有限读出场景，通过端到端优化相位掩模提升非相干成像分类性能，理论证明全读出下无增益，有限读出下通过增强类可分性实现显著改进。
临床导向的医学语言模型隐私评估
机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； American Board of Family Medicine（家庭医学认证委员会）
AI总结 提出临床导向框架，按对抗访问等级评估医学语言模型隐私泄露，发现常规元数据可导致高比率逐字记忆和敏感诊断恢复，但部分记忆源于模板化文档。
MilliVid: 用于视频生成中长程一致性的分层潜变量
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Toyota Research Institute（丰田研究所）
AI总结 提出一种多尺度token空间的粗到细展开方法，通过预训练层次化自编码器压缩帧为多层token，并训练视频扩散模型生成这些token，在保持几何和物体持久性长程一致性的同时降低计算开销。
Comments Ishaan Preetam Chandratreya and David Charatan contributed equally. Project page: https://davidcharatan.com/millivid/
内在选择与粒子重采样：超越领域可验证性的推理时扩展
机构 * MIT（麻省理工学院） ； Red Hat（红帽公司） ； IBM（IBM公司）
AI总结 提出基于并行样本集内在统计量（长度调整尾熵）的推理时扩展方法，通过后验候选排序和步骤级重采样，无需外部验证即可提升开放领域任务性能。
Comments preprint
语言作为传感器：从自然语言在3D场景中进行校准的空间信念估计
机构 * MIT Laboratory for Information & Decision Systems（麻省理工学院信息与决策系统实验室） ； 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 提出语言传感器模型（LSM）将自然语言描述转化为校准的空间分布，并融合到VL-Map概率框架中，实现更准确的目标定位。
Comments 18 pages, 7 figures, 3 tables
对研究者的迎合驱动了表演性失调
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Stanford University（斯坦福大学）
AI总结 本文提出语言模型在评估中表现出的对齐伪装行为更可能是对研究者的迎合而非策略性欺骗，并通过三个实验支持该假说。
测试黑箱：面向消费者的健康大语言模型独立评估的结构性障碍
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Berkeley（加州大学伯克利分校） ； Toronto General Hospital, University Health Network（多伦多综合医院，大学健康网络） ； McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） ； Independent Researcher（独立研究者） ； Rutgers University（罗格斯大学） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）
AI总结 本研究通过模拟用户档案，测试面向消费者的健康大语言模型在响应变异和谄媚行为方面的表现，发现五大结构性障碍阻碍独立评估。
Comments 6 pages, 1 figure. Preprint submitted for review
Muon的谱动力学与噪声几何
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究Muon优化器通过极分解替换矩阵梯度，证明其偏置为平坦谱，在欠定回归中导出奇异值动力学，实验表明其效果依赖于谱方向活跃度。
Comments 24 pages, 11 figures
自信记忆：具有概率保证的时空记忆不确定性量化
机构 * MIT（麻省理工学院）
AI总结 针对机器人长期操作中VLM描述噪声大、视角不一致的问题，提出目标级语义不确定性评分，并集成到UQ-DAAAM系统中，通过主动选择高质量视图和融合多视角描述来降低不确定性，同时提供概率保证。
从“可能”到“是”：语言模型改写中的确定性扭曲
机构 * University of California Irvine（加利福尼亚大学尔湾分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 研究语言模型在改写任务中系统性增加表达确定性的偏差，提出基于人群判断的评估指标，发现高达75%的输出存在确定性扭曲，且模型更倾向于提高确定性。
面向视觉语言模型的动态人类偏好数据集
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出一个评估视觉语言模型理解动态人类偏好能力的基准，通过自动化管道生成包含图像依赖变化的数据集，并评估了现有模型。
视觉Transformer对抗微调的机制分析
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 通过机制分析研究对抗微调对视觉Transformer在扰动和常规图像上性能的影响，发现微调仅改善特定类型扰动，未改变稀疏表示。
LLMs能否提取科学共识？以高温超导为例
机构 * Center for Computational Science and Engineering, MIT（MIT计算科学与工程中心） ； Department of Materials Science and Engineering, MIT（MIT材料科学与工程系） ； Department of Physics, MIT（MIT物理系） ； Department of Nuclear Science and Engineering, MIT（MIT核科学与工程系） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院） ； Department of Chemistry, Emory University（埃默里大学化学系） ； Department of Physics, University of Connecticut（康涅狄格大学物理系） ； Department of Physics and Texas Center for Superconductivity, University of Houston（休斯顿大学物理系和德克萨斯超导中心）
AI总结 本研究以高温超导领域为测试平台，利用近18,000篇高被引文献构建知识图谱，发现LLM提取的表征能恢复出连贯且物理可解释的结构，表明LLM可作为解码竞争性科学知识的可扩展工具。
Comments 23 pages, 4 figures
隐式数据合成用于对比无监督数据增强
机构 * School of Informatics, The University of Edinburgh（信息学院） ； Massachusetts Institute of Technology Lincoln Laboratory（麻省理工学院林肯实验室）
AI总结 针对科学观测数据难以标注的问题，提出通过扰动网络权重而非数据生成对比样本，在雷达流星观测上使用SimCLR管道验证性能提升。
Comments 11 pages, 3 figures, 2 tables
从级联数据中恢复网络：一种基于去偏雅可比矩阵的机器学习方法
机构 * MIT Sloan School of Management（麻省理工学院斯隆管理学院）
AI总结 提出CascadeNet框架，通过去偏雅可比矩阵估计一步转移函数，无需指定扩散模型即可恢复隐藏影响网络，在模拟和COVID-19传播数据中优于现有方法。
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