New York University（纽约大学）

Reactive Flux Matching: Mechanism Discovery and Adaptive Sampling of Rare Events

反应通量匹配：稀有事件的机制发现与自适应采样

Rishal Aggarwal, David Ryan Koes, Nicholas M. Boffi, Eric Vanden-Eijnden

机构 * CMU-Pitt Program in Computational Biology（CMU-匹兹堡计算生物学项目） ； Dept. of Computational & Systems Biology University of Pittsburgh（计算与系统生物学系匹兹堡大学） ； Machine Learning Department Dept. of Mathematical Sciences Carnegie Mellon University（机器学习系数学科学系卡内基梅隆大学） ； Courant Institute, New York University（纽约大学Courant研究所） ； Machine Learning Lab Capital Fund Management（机器学习实验室资本基金管理） 纠错

AI总结 提出通量匹配框架，从反应轨迹数据中学习电流速度 u(z) 和标量势 h(z)，用于识别反应路径和反应坐标，并实现自适应采样。

Comments 21 pages, 7 figures, submitted to NeurIPS 2026

MotionDisco: Motion Discovery for Extreme Humanoid Loco-Manipulation

MotionDisco: 用于极端人形机器人移动操作的运动发现

Ilyass Taouil, Michal Ciebelski, Shafeef Omar, Haizhou Zhao, Angela Dai, Aaron M. Johnson, Majid Khadiv

机构 * Technical University of Munich, Germany（慕尼黑技术大学） ； New York University, USA（纽约大学） ； Carnegie Mellon University, USA（卡内基梅隆大学） 纠错

AI总结 提出MotionDisco框架，通过大语言模型引导的进化搜索和顺序运动动力学轨迹优化，从零开始自动发现长时域、接触丰富的人形机器人移动操作技能，并在真实机器人上部署。

Insurance of Agentic AI

代理型人工智能的保险

Quanyan Zhu

机构 * Department of Electrical and Computer Engineering, New York University, Tandon School of Engineering（电气与计算机工程系，纽约大学，工程学院） 纠错

AI总结 本文分析了代理型AI带来的新型风险，提出了承保、定价、再保险和产品设计的框架，并构建了整合多种保险覆盖的协调架构。

TabSODA: Tabular Diffusion based Imputation with Skip Pattern Detection and Ordinal Awareness

TabSODA: 基于表格扩散的插补方法，结合跳跃模式检测与序数感知

Yuyu Chen, Taehyo Kim, Hai Shu, Yang Feng

机构 * Department of Biostatistics NYU School of Global Public Health（生物统计学系纽约大学全球公共卫生学院） 纠错

AI总结 提出TabSODA方法，通过EM框架下的扩散模型处理大规模调查中的结构跳跃和序数变量，在PATH和NSDUH数据集上显著提升插补精度。

LLMs for Secure Hardware Design and Related Problems: Opportunities and Challenges

利用大语言模型进行安全硬件设计及相关问题：机遇与挑战

Johann Knechtel, Ozgur Sinanoglu, Ramesh Karri

机构 * New York University Abu Dhabi（纽约大学阿布扎克分校） ； NYU Tandon School of Engineering（纽约大学塔能工程学院） 纠错

AI总结 本文探讨了大语言模型在电子设计自动化和硬件安全领域的应用，分析了其在生成RTL代码、自动生成测试平台以及弥合高层次规格与硅芯片之间语义差距方面的潜力，同时指出了其引入的严重安全漏洞，并总结了当前研究的最新进展和未来研究方向。

Comments Accepted for 2026 IEEE Computer Society Annual Symposium on VLSI (ISVLSI)

LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels

LeWorldModel：从像素稳定端到端联合嵌入预测架构

Lucas Maes, Quentin Le Lidec, Damien Scieur, Yann LeCun, Randall Balestriero

机构 * Mila & Université de Montréal（Mila与蒙特利尔大学） ； New York University（纽约大学） ； Samsung SAIL（三星SAIL） ； Brown University（布朗大学） 纠错

AI总结 本文提出LeWorldModel，一种通过仅使用两个损失项从原始像素稳定端到端训练的联合嵌入预测架构，显著减少了可调损失超参数，并在多种2D和3D控制任务中表现出色，同时在物理结构编码和物理不合理的事件检测方面展示了其能力。

The Stability of Online Algorithms in Performative Prediction

在线算法在表现性预测中的稳定性

Gabriele Farina, Juan Carlos Perdomo

机构 * MIT（麻省理工学院） ； NYU（纽约大学） 纠错

AI总结 本文研究了在线算法在表现性预测中的稳定性问题，证明了任何在表现性设置中使用的无遗憾算法都会收敛到一种表现性稳定的均衡状态，该状态中模型主动塑造数据分布，使得其预测在事后看来是最优的。该研究避免了对模型如何影响分布的假设，并揭示了常见算法如梯度下降为何能自然稳定化并防止 runaway 反馈循环。

Scale-Adaptive Generative Flows for Multiscale Scientific Data

多尺度科学数据的自适应生成流

Yifan Chen, Eric Vanden-Eijnden

机构 * Department of Mathematics, University of California, Los Angeles（加州大学洛杉矶分校数学系） ； Machine Learning Lab, Capital Fund Management（资本基金管理有限公司机器学习实验室） ； Courant Institute, New York University（纽约大学柯朗研究所） 纠错

AI总结 本文提出了一种多尺度科学数据生成模型，通过设计噪声分布和插值计划，解决多尺度傅里叶谱数据中的数值挑战，提高了生成样本的质量和效率。

Self-Regulating Cars: Automating Traffic Control in Free Flow Road Networks

自调节汽车：自动化自由流道路网络的交通控制

Ankit Bhardwaj, Rohail Asim, Sachin Chauhan, Yasir Zaki, Lakshminarayanan Subramanian

机构 * Department of Computer Science（计算机科学系） ； New York University（纽约大学） ； Indian Institute of Technology Delhi（德里印度理工学院） 纠错

AI总结 本文提出了一种基于强化学习的自调节汽车方法，通过动态调节车辆速度来优化通行能力和防止拥堵，无需新基础设施，结合经典交通流理论和微观模拟，在高保真度的PTV Vissim模拟器上实现了提高通行能力、减少延误和停车次数的改进。

Comprehensive Monitoring of Air Pollution Hotspots Using Sparse Sensor Networks

利用稀疏传感器网络全面监测空气污染热点

Ankit Bhardwaj, Ananth Balashankar, Shiva Iyer, Nita Soans, Anant Sudarshan, Rohini Pande, Lakshminarayanan Subramanian

机构 * New York University（纽约大学） ； Google Research（谷歌研究） ； Toyota InfoTechnology Center（丰田信息技术中心） ； Kaiterra Inc（Kaiterra公司） ； University of Warwick（沃里克大学） ； Yale University（耶鲁大学） 纠错

AI总结 本文通过结合预测建模和机理方法，利用新增的低成本传感器，发现新德里现有传感器网络之外的189个隐藏热点，并利用空间时间克里金法进行预测，同时开发了高斯烟雾扩散模型以解释热点形成机理，为资源受限环境下的空气污染管理提供了数据驱动和机理结合的解决方案。

GridPE: A Grid Cell-Inspired Unified Position Embedding for Arbitrary-Dimensional Spaces

GridPE: 一种基于网格细胞的统一位置嵌入方法用于任意维度空间

Boyang Li, Yulin Wu, Nuoxian Huang, Wenjia Zhang

机构 * New York University（纽约大学） ； Peking University（北京大学） ； Imperial College London（伦敦帝国学院） ； Tongji University（同济大学） 纠错

AI总结 本文提出GridPE，一种受哺乳动物空间认知中六边形周期编码启发的新型位置嵌入框架，旨在解决高维时空任务中位置嵌入的理论保障问题，通过结合计算神经科学原理和调和分析，为任意维度空间提供统一的位置嵌入解决方案。