New York University（纽约大学）

Causal-JEPA: Learning World Models through Object-Level Latent Masking

Causal-JEPA：通过对象级潜在掩码学习世界模型

Heejeong Nam, Quentin Le Lidec, Lucas Maes, Yann LeCun, Randall Balestriero

机构 * Brown University, GalilAI（布朗大学，GalilAI） ； New York University（纽约大学） 纠错

AI总结 提出C-JEPA，一种通过对象级潜在掩码扩展联合嵌入预测的对象中心世界模型，在视觉问答和智能体控制任务中分别提升反事实推理20%和仅用1%潜在特征实现高效规划。

Comments Project Page: https://hazel-heejeong-nam.github.io/cjepa/ ICML 2026 Accepted

How's it going? Reinforcement learning in language models recruits a functional welfare axis

进展如何？语言模型中的强化学习招募了一个功能性福利轴

Andy Q Han, David J. Chalmers, Pavel Izmailov

机构 * New York University（纽约大学） 纠错

AI总结 本文通过迷宫环境实验，发现强化学习会招募语言模型中预先存在的功能性福利表征（即对系统目标达成程度的估计），从而广泛影响模型行为，且该表征在训练前已存在。

Comments 81 pages, 43 figures, 32 tables

Formalizing Mathematics at Scale

大规模形式化数学

Ahmad Rammal, Niket Patel, Fabian Gloeckle, Amaury Hayat, Julia Kempe, Remi Munos, Charles Arnal, Vivien Cabannes

机构 * FAIR at Meta（Meta的FAIR） ； New York University（纽约大学） ； Korea Institute for Advanced Study（韩国高级研究院） 纠错

AI总结 提出多智能体系统AutoformBot，利用LLM和形式化验证工具，自动将非正式教材翻译为Lean 4可验证代码，构建了包含超过45,000个声明和50万行代码的Atlas形式化库。

Predicting Causal Effects from Natural Language Queries using Structured Representations

使用结构化表示从自然语言查询预测因果效应

Giuliano Martinelli, Piriyakorn Piriyatamwong, Abelardo Carlos Martinez Lorenzo, Jasmin Baier, Riccardo Orlando, Satvik Garg, Sharif Kazemi, Linxi Wang, Arianna Legovini, Samuel Fraiberger

机构 * The World Bank Group（世界银行集团） ； University of Oxford（牛津大学） ； New York University（纽约大学） 纠错

AI总结 针对从自然语言查询预测因果效应的问题，提出Query2Effect基准和两步框架，通过生成结构化表示再预测效应大小，微调使绝对误差降低27%-71%。

Comments 18 pages

Two Speeds of Learning: A Representation-Readout Decomposition of Grokking and Double Descent

两种学习速度：Grokking 和双下降的表征-读出分解

Chi-Ning Chou, Oscar Uzdelewicz, Neng-Chun Chiu, Yao-Yuan Yang, SueYeon Chung

机构 * Center for Computational Neuroscience（计算神经科学中心） ； Flatiron Institute（Flatiron研究所） ； Department of Physics（物理系） ； Harvard University（哈佛大学） ； Kempner Institute（Kempner研究所） ； New York University（纽约大学） 纠错

AI总结 通过将学习动态分解为编码器中的表征学习和最终分类器中的读出校准两个竞争过程，解释了 grokking 和 epoch-wise 双下降现象，并提供了诊断虚假泛化的框架。

Accelerating trajectory optimization with Sobolev-trained diffusion policies

基于Sobolev训练的扩散策略加速轨迹优化

Théotime Le Hellard, Franki Nguimatsia Tiofack, Quentin Le Lidec, Justin Carpentier

机构 * Inria - Département d’Informatique de l’École normale supérieure, PSL Research University（法国国家科学研究中心-巴黎高等师范学院计算机系，PSL研究大学） ； Courant Institute, New York University（纽约大学Courant研究所） 纠错

AI总结 针对梯度型轨迹优化求解器，提出利用Sobolev学习训练扩散策略以提供初始猜测，通过利用轨迹和反馈增益的一阶损失避免复合误差，实现求解时间减少2至20倍。

Rectified LpJEPA: Joint-Embedding Predictive Architectures with Sparse and Maximum-Entropy Representations

Rectified LpJEPA：具有稀疏和最大熵表示的联合嵌入预测架构

Yilun Kuang, Yash Dagade, Tim G. J. Rudner, Randall Balestriero, Yann LeCun

机构 * New York University（纽约大学） ； Duke University（杜克大学） ； University of Toronto（多伦多大学） ； Brown University（布朗大学） 纠错

AI总结 提出Rectified Distribution Matching Regularization (RDMReg)损失，通过将表示对齐到Rectified Generalized Gaussian分布，实现稀疏且最大熵的表示，从而改进联合嵌入预测架构（JEPA）的性能。

Comments ICML 2026

Stochastic Lifting for Generating Trajectories of Stochastic Physical Systems

随机提升：生成随机物理系统轨迹

Jules Berman, Tobias Blickhan, Benjamin Peherstorfer

机构 * Courant Institute of Mathematical Sciences, New York University, New York, NY 10012, USA（Courant数学科学研究所，纽约大学，纽约，NY 10012，USA） 纠错

AI总结 提出随机提升方法，通过为每个状态转换附加独立高维随机标签并学习从当前状态和标签到下一状态的映射，以生成多样化的随机物理系统轨迹。

ValueFlow: Measuring the Propagation of Value Perturbations in Multi-Agent LLM Systems

ValueFlow: 多智能体大语言模型中价值扰动的传播度量

Jinnuo Liu, Chuke Liu, Hua Shen

机构 * Center for Data Science, NYU Shanghai（纽约大学上海分校数据科学中心） 纠错

AI总结 提出ValueFlow框架，通过56维价值数据集和LLM-as-a-judge协议，将价值漂移分解为智能体级响应行为与系统级结构效应，揭示价值对齐是系统级属性。

Comments Preprint. Under review. 28 pages, 10 figures

Good SFT Optimizes for SFT, Better SFT Prepares for Reinforcement Learning

好的SFT优化SFT，更好的SFT为强化学习做准备

Dylan Zhang, Yufeng Xu, Haojin Wang, Qingzhi Chen, Hao Peng

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University (Shanghai)（纽约大学（上海）） 纠错

AI总结 针对当前SFT-RL流程中离线SFT数据分布与在线RL策略分布不匹配的问题，提出基于策略评估的离线学习损失重加权方法PEAR，通过重要性采样重加权SFT损失，提升后续RL训练效果。

Prescribe-then-Select: Adaptive Policy Selection for Contextual Stochastic Optimization

先规定后选择：面向情境随机优化的自适应策略选择

Caio de Prospero Iglesias, Kimberly Villalobos Carballo, Dimitris Bertsimas

机构 * Sloan School of Management（斯隆管理学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Tandon School of Engineering（坦多工程学院） ； New York University（纽约大学） 纠错

AI总结 针对情境随机优化中候选策略在协变量空间表现异质的问题，提出Prescribe-then-Select模块化框架，通过构建可行策略库并基于最优策略树集成学习元策略实现数据驱动的自适应选择，在单阶段报童和两阶段运输规划问题中优于单一最优策略。