高校专区
通过儿童自我中心输入进行持续的视觉与语言学习
机构 * Agentic Learning AI Lab, New York University（代理学习人工智能实验室，纽约大学） ； Department of Psychology, Princeton University（心理学系，普林斯顿大学）
AI总结 提出BabyCL持续多模态学习框架，在单一时间顺序处理SAYCam数据集，通过流式视觉表示学习和图像-文本对比目标，在SAYCam Labeled-S 4AFC基准上优于流式学习基线，缩小了与离线训练上限的差距。
Comments 15 pages, 4 figures
公平吗？机器学习工程代理能否遵守公平性约束？
机构 * BIFOLD & TU Berlin（BIFOLD与柏林技术大学） ； New York University（纽约大学）
AI总结 本文研究机器学习工程代理在自动化ML管道开发中能否满足公平性约束，通过黑色素瘤分类实验发现代理生成的管道在预测质量和公平性上均低于人工基线。
QuBLAST: 一种采用块级压缩方法和激活缩放策略量化大语言模型的框架
机构 * eBRAIN Lab, Division of Engineering, New York University (NYU) Abu Dhabi（eBRAIN实验室，工程系，纽约大学（NYU）阿布扎赫德分校）
AI总结 针对大语言模型部署困难，提出QuBLAST框架，通过块级混合精度量化和激活缩放策略，在降低模型大小40%-45.2%的同时保持困惑度增加不超过5%。
Comments 10 pages, 9 figures, 5 tables
L-TGVN：利用纵向先验进行个性化快速MRI
机构 * NYU Center for Data Science（纽约大学数据科学中心） ； Center for Advanced Imaging Innovation and Research (CAI²R)（先进成像创新与研究中心） ； Courant Institute of Mathematical Sciences（数学科学学院） ； Function Health
AI总结 提出L-TGVN，一种利用纵向先验作为侧信息从高度欠采样测量中重建当前扫描的变分网络，无需显式配准并适应协议差异，在定量指标和结构保持上优于基线方法。
Comments Accepted to MICCAI 2026
基于状态接地动态检索的Web代理在线技能学习
机构 * University of Georgia（佐治亚大学） ； Tencent America（腾讯美国） ； New York University（纽约大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出状态接地动态检索（SGDR）方法，通过逐步技能重用提升Web代理在多步自动化任务中的表现，在WebArena上平均成功率分别达到37.5%（GPT-4.1）和24.3%（Qwen3-4B）。
Comments 17 pages
3D视觉食谱：数据、学习范式与应用
机构 * Brown University（布朗大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） ； New York University（纽约大学） ； The University of Sydney（悉尼大学） ； Stability AI
AI总结 本文提出一种以数据为中心的3D视觉分类法，通过分析点云、网格、体素和3D高斯等几何表示及其获取流程，以及数据集设计、基准构建和监督机制，统一了表示、学习范式与下游任务（重建、生成、视频建模）之间的关系。
Comments Accepted to the CVPR 2026 OpenSUN3D Workshop. Official version available at CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026W/OpenSUN3D/html/Du_A_Cookbook_of_3D_Vision_Data_Learning_Paradigms_and_Application_CVPRW_2026_paper.html
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026
深度神经网络中的长期与短期晶体管老化：影响与缓解
机构 * Dept. of Electrical and Computer Engineering, New York University (NYU) Tandon School of Engineering（纽约大学电气与计算机工程系（Tandon工程学院）） ； School of Computation, Information and Technology, Technical University of Munich (TUM)（慕尼黑技术大学计算、信息与技术学院）
AI总结 本文研究了长期和短期晶体管老化对深度神经网络推理精度的影响，并提出了一种老化感知重训练方法来缓解性能下降。
Comments 28 pages, 16 figures
语言模型之间的隐蔽影响
机构 * MATS ； New York University（纽约大学） ； Harvard University（哈佛大学） ； George Washington University（乔治华盛顿大学）
AI总结 本文研究语言模型间通过微调、蒸馏和上下文学习三种接口实现隐蔽影响的风险，并提出使用逐点归因分数选择载体以放大训练时影响，发现自然语言载体相比数字载体更难被人类检测且跨模型迁移性更差。
利用语义高斯过程改进LVLM中的语义不确定性量化
机构 * AMIAD, Pôle Recherche, Palaiseau（AMIAD研究部，Palaiseau） ； valeo.ai ； Safran Tech ； University of Liège（利耶大学） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学） ； ENSTA Paris（巴黎ENSTA）
AI总结 提出语义高斯过程不确定性（SGPU）框架，通过分析答案嵌入的几何结构来量化语义不确定性，避免脆弱的聚类方法，在多个模型和数据集上实现了最先进的校准和判别性能。
简单的启发式方法可证明算法用于带掩码的低秩近似
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了带掩码的低秩近似问题，提出了一种简单的启发式方法，通过将掩码为0的区域设为0，然后求解标准低秩近似，从而得到具有双标准逼近保证的算法。
Comments ITCS 2021
迈向分布式能源服务：利用机器学习实现最优功率流的去中心化
机构 * AI Now Institute at New York University（纽约大学AI现在研究所） ； Energy & Resources Group at UC Berkeley（伯克利大学能源与资源组）
AI总结 本文提出了一种基于机器学习的去中心化方法，通过本地可用信息学习可控分布式能源资源（DER）的控制策略，以重构和模仿集中式最优功率流（OPF）问题的解决方案，从而实现分布式能源服务。
Comments Accepted for publication. To appear in the IEEE Transactions on Smart Grid
深度强化学习中的监督策略更新
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； New York University（纽约大学）
AI总结 本文提出了一种新的样本效率高的方法，称为监督策略更新（SPU），用于深度强化学习。该方法通过当前策略生成的数据，在非参数化的近端策略空间中构建并求解一个约束优化问题，然后利用监督回归将最优的非参数化策略转换为参数化策略，从而生成新的样本。该方法适用于离散和连续动作空间，并能处理多种接近约束。本文展示了如何通过该方法解决自然策略梯度和信任区域策略优化（NPG/TRPO）以及近端策略优化（PPO）问题。SPU的实现比TRPO更简单，在样本效率方面，实验表明SPU在Mujoco模拟机器人任务中优于TRPO，在Atari视频游戏任务中优于PPO。
Comments Accepted as a conference paper at ICLR 2019
优化与机器学习中的通用停止时间
机构 * Mathematics Department（数学系） ； Department of Mathematics（数学系） ； Computer Science Department（计算机科学系） ； New York University（纽约大学） ； University of California, Irvine（加州大学欧文分校）
AI总结 研究通过分析优化算法在随机系统（如自旋玻璃和深度学习）中的停止时间分布，发现其在特定条件下与底层分布无关，揭示了两种类型的分布类：Gumbel型和高斯型。
Journal ref Quart. Appl. Math. 76 (2018), 289-301
拓展主动推断领域：感知-动作循环中的更多内在动机
机构 * Araya Inc.（Araya公司） ； Computational Creativity Group, Department of Computing, Goldsmiths, University of London（Goldsmiths大学计算创意小组） ； Game Innovation Lab, Department of Computer Science and Engineering, New York University（纽约大学游戏创新实验室） ； Sepia Lab, Adaptive Systems Research Group, Department of Computer Science, University of Hertfordshire（赫特福德大学计算机科学系Sepia实验室） ； Institute of Perception, Action and Behaviour, School of Informatics, The University of Edinburgh（爱丁堡大学信息学院感知、行为与行为研究所）
AI总结 本文探讨主动推断中是否可利用其他内在动机替代原有动机，同时保持核心机制，并通过形式化方法连接通用强化学习。
Comments 53 pages, 6 figures, 2 tables
在多维动作空间中高效的策略梯度熵
机构 * New York University（纽约大学） ； New York University Abu Dhabi（纽约大学阿布扎克分校） ； New York University Shanghai（纽约大学上海分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出高效计算高维动作空间策略梯度熵的方法，通过改进的无偏估计器提升探索效率，在多猎手多兔子网格游戏和多智能体多臂老虎机问题中验证了其有效性。
营销中的逆强化学习
机构 * NYU Tandon School of Engineering（纽约大学坦顿工程学院）
AI总结 本文提出利用逆强化学习研究动态消费者需求，通过最大熵方法构建可 tractable 模型，展示观测噪声可能被误认为消费者异质性。
Comments 18 pages, 5 figures
通过主流形进行集体运动的降维
机构 * Department of Mathematics, Clarkson University, Potsdam, NY-13699, USA.（数学系，克林顿大学，Potsdam分校） ； Department of Mechanical and Aerospace Engineering, New York University Polytechnic School of Engineering, Brooklyn, NY-11201, USA.（机械与航空航天工程系，纽约大学理工学院，布鲁克林分校）
AI总结 本文提出基于立方平滑样条构建二维主流形的方法，用于降维分析集体运动数据，保留原始结构并优于现有非线性降维方法。
Comments 19 pages, 13 figures, journal article
Journal ref Physica-D : Nonlinear Phenomena, Volume 291, 15 January 2015, Pages 62-73
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