高校专区
核量子效应作为一个去噪问题
机构 * Department of Chemistry, University of Chicago（芝加哥大学化学系） ； James Franck Institute, University of Chicago（芝加哥大学詹姆斯·弗兰克研究所） ； Courant Institute of Mathematical Sciences, New York University（纽约大学应用数学科学研究所）
AI总结 研究核量子效应，提出仅基于经典玻尔兹曼统计训练去噪器，采样时与高斯分量组合产生量子玻尔兹曼分布，该组合在特定条件下精确且不变，能在多条件下精确转移，无需重训，揭示了生成噪声与量子涨落的关联。
Comments 9 pages, 3 figures
一个模型，多种图：使用视觉语言模型在异构模态的属性图上进行学习
机构 * New York University Shanghai（纽约大学上海分校） ； New York University（纽约大学）
AI总结 研究利用视觉语言模型解决属性图模态异质性问题，提出OMG-VLM框架，以预训练VLM为共享主干，引入结构感知图适配器，在节点分类和链接预测等任务中表现出色，优于现有基线且泛化能力强。
AgentTrails：迈向代理任务的信任与重用
机构 * New York University（纽约大学）
AI总结 针对大语言模型驱动代理轨迹掩盖数据依赖限制开发人员理解等问题，提出AgentTrails系统，将原始轨迹转换为结构化溯源图，支持执行比较、模式提取等，能揭示隐藏依赖、对齐不同执行并展现重复工具使用模式。
Comments 4 pages, 4 figures. Short paper accepted at the Workshop on Systems for Data-centric Agents with Human-in-the-loop (DASHSys 2026), co-located with VLDB 2026
基于大语言模型的多智能体系统中用于贡献归因的语义合作博弈
机构 * New York University（纽约大学） ； University of California, Davis（加利福尼亚大学戴维斯分校）
AI总结 针对基于大语言模型的多智能体系统贡献归因问题，提出语义合作博弈框架，定义语义夏普利值，介绍单轨迹算法SLIC，在特定基准测试中大幅降低计算成本，在多角色工作流程中表现良好，为复杂系统提供快速、无反事实且可解释的归因方法。
补丁策略：通过密集视觉表示实现高效具身控制
机构 * Courant Institute, New York University（纽约大学柯朗数学科学研究所） ； Meta-FAIR（Meta FAIR） ； AMI Labs（AMI 实验室）
AI总结 研究利用预训练密集视觉特征，提出补丁策略，通过块因果注意力掩码等实现高效具身控制。该策略轻量级、快速且高效，在模拟和真实环境中相比其他策略有显著提升，为机器人社区利用视觉表示学习提供新途径。
学习用于视觉导航的自适应安全裕度
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校）
AI总结 研究针对室内机器人视觉导航中安全裕度校准问题，提出上下文条件安全评论家方法，通过分解的三个互补项学习自适应间隙偏好排序扩散提议，经训练和提炼后在导航任务中表现出色，还能转移到人形机器人。
CoEvoP&R：通过大语言模型与路由反馈共同进化布局目标
机构 * University of Alberta（阿尔伯塔大学） ； New York University（纽约大学）
AI总结 研究针对分析布局器替代指标与下游质量不一致问题，提出基于大语言模型的CoEvoP&R框架自动进化布局目标，经实验验证该方法能有效降低线长、拥塞及时序负松弛，提升布局效果。
Comments 7 pages, 4 figures, 3 tables. Corresponding author: Weihua Xiao
用于基因调控网络推断的深度和概率模型
机构 * Center for Data Science（数据科学中心） ； New York University（纽约大学）
AI总结 研究针对基因调控网络重建的挑战，开发了PMF-GRN和GLM-Prior两个框架。前者将GRN推断作为概率图形模型，后者微调预训练模型预测基因相互作用，二者结合推动GRN重建的两阶段观点，改进了网络推断方法。
Comments PhD thesis
一种兼具实用弹性和效率的变形设计六旋翼原型
机构 * Ecole Nationale de l’Aviation Civile（法国国立民用航空学院） ； Center for Artificial Intelligence and Robotics, New York University Abu Dhabi（纽约大学阿布扎比分校人工智能与机器人中心） ； Sapienza University of Rome（罗马第一大学） ； Robotics and Mechatronics lab, Faculty of Electrical Engineering, Mathematics & Computer Science, University of Twente（荷兰屯特大学电气、数学与计算机科学学院机器人与机电一体化实验室）
AI总结 研究一种名为Opti-Hexa的六旋翼原型，利用开源变形平台，通过改变相邻螺旋桨夹角研究几何形状权衡，用数据拟合模型和对比评估效率与弹性，证实特定变形平台有可行性区域，还发布软硬件支持后续研究。
一次性系统识别的零一律
机构 * Imperial College London（帝国理工学院） ； New York University（纽约大学） ； Cornell University（康奈尔大学）
AI总结 研究一次性系统识别问题，通过规定字典项线性参数化解析系统，证明零一律，将问题简化为关于退化输入的问题，能从单轨迹数据恢复多种系统并检测额外探测需求。
Comments 8 pages, 2 figures
全球公众对自动驾驶汽车接受度的驱动因素和障碍：来自17个国家的证据
机构 * Division of Applied Undergraduate Studies, New York University（纽约大学应用本科研究系）
AI总结 研究公众对3级有条件自动驾驶汽车的接受度，通过L3Pilot全球用户接受度调查，利用基于UTAUT2的结构方程模型分析来自17个国家的数据，发现其接受度主要受绩效期望、社会影响和享乐动机驱动，而非人口特征等。
无调整哈密顿蒙特卡罗和欠阻尼朗之万中偏差的离域化
机构 * Department of Mathematics, University of California, Los Angeles, CA 90095, USA（加州大学洛杉矶分校数学系） ； Courant Institute, New York University, NY 10012, USA（纽约大学Courant研究所）
AI总结 研究将偏差离域化现象从过阻尼朗之万算法扩展到无调整哈密顿蒙特卡罗和欠阻尼朗之万算法，表明在特定假设下控制高维分布K维边际偏差\(O(\sqrt{K})\)积分步即可，用矩阵多项式框架解决离散时间积分器技术难题。
面向智能体人工智能的原生人工智能保险：定价、承保与端到端自动化
机构 * NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院）
AI总结 针对智能体人工智能带来的保险挑战，开发原生人工智能数学框架，通过风险状态映射相关要素并制定优化问题，建立可保性结构属性，经医疗案例展示了合同优化等内容。
保障条件提升：衡量两用生物助手的效用-风险前沿
机构 * New York University（纽约大学）
AI总结 研究两用生物助手访问条件对效用和风险的影响，提出保障条件提升协议，通过人工判断效用-风险前沿比较访问条件，评估了Claude Sonnet 4.6和Gemini 3.5 Flash，给出部署级评估目标和校准程序，衡量其对效用-风险前沿的作用。
Comments 17 pages, 1 figure
智能物联网络：用于闭环物联网编排的联网人工智能代理
机构 * New York University, Tandon School of Engineering（纽约大学坦登工程学院）
AI总结 介绍智能物联网络（IoAT）架构框架，它集成多种技术成统一闭环编排框架，由多层通过自主AI代理连接，用半形动态规划框架形式化问题，以智能建筑编排为例，还讨论了相关关键研究挑战。
隔离作为大语言模型智能体系统安全的头等原则：概念、分类法、挑战及未来方向
机构 * HKUST（香港科技大学） ； NYU（纽约大学） ； SWUPL（西南政法大学）
AI总结 探讨大语言模型智能体系统安全问题，将隔离作为头等原则，用边界中心分类法组织文献，助于识别隔离丧失位置、妥协传播方式及相关防御，还总结了故障路径，讨论挑战并勾勒研究议程。
顺序编码：利用自生成训练数据突破模型压缩的极限
机构 * New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究利用自生成训练数据的顺序编码突破模型压缩极限，教师模型从学生分布选样本，学生代码记录选择，代码长度与参数和熵无关且更短，还能揭示现象、给出泛化保证、隔离可学习信息。
Comments Code available at https://github.com/shikaiqiu/requential-coding
用于从视频理解复杂装配动作的组合上下文微调视觉语言模型
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； The University of Auckland（奥克兰大学）
AI总结 针对装配动作理解难题，提出组合上下文微调方法及层划分交替训练方法，将动作分解为语义元素并微调视觉语言模型，创建相关数据集，实验证明该方法优于基线且能提供可解释预测，助力人机协作装配。
Comments Accepted by ICRA 2026. Video Understanding; Vision Language Model; Multi-modal LLM; Action Recognition; Assembly
具有时间索引输入的生存模型中行政审查的陷阱
机构 * Center for Data Science, New York University（纽约大学数据科学中心） ； University of Chicago（芝加哥大学） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Ataraxis AI（Ataraxis人工智能公司）
AI总结 研究生存模型中行政审查的陷阱，通过刻画行政截断泄漏发生的情况，将其与其他情况区分，提出检测方法，经模拟和真实队列验证，为生存预测提出数据集应提供足够潜在随访的设计原则。
学习用于最近邻搜索的划分树
机构 * NYU（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 从数据驱动算法设计角度研究最近邻搜索，专注平衡半空间树。在类似高斯边际条件下给出算法，能学习到\(o(nd)\)查询时间的树。核心是平衡半空间切割问题，设计非恰当学习算法规避NP难，输出特定平衡多项式阈值函数。
MDQEC-QAS：基于硬件感知VQC搜索和置信门控恢复的量子纠错元解码
机构 * Department of Physics, Indian Institute of Technology (BHU)（印度理工学院（BHU）物理系） ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（纽约大学阿布扎克分校（NYUAD）工程学院eBRAIN实验室） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute, NYUAD（纽约大学阿布扎克分校（NYUAD）量子与拓扑系统中心（CQTS））
AI总结 该研究提出用于量子纠错的统一元解码框架，跨多种码和噪声设置学习映射。通过硬件感知搜索选择VQC元解码器并与Meta-MLP比较，发现仅高准确率不够，置信门控回退可降低逻辑故障率，支持基于置信度的选择性恢复。
Comments 15 pages, 12 figures and 11 tables
这不是一支烟斗：作为语义抽象的人工智能系统
机构 * ARM（安谋科技） ； UCL（伦敦大学学院） ； NYU（纽约大学）
AI总结 研究人工智能系统输出为设计表示的问题，提出语义框架描述该系统以检查表示正确性，区分相关内容并定义常见故障，有望为指定和检查人工智能系统提供有用词汇表。
语言模型中的信息下限：神经坍缩是被禁止的
机构 * NYU Shanghai Leonard N. Stern School of Business, New York University（纽约大学上海纽约大学斯特恩商学院）
AI总结 研究语言模型中信息分配定律，通过单行中心化恒等式等方法，揭示宏观类别结构与令牌内上下文方差占比，理论上说明权重衰减影响，证明二元类别下限，表明定律在多方面成立及预训练中类别份额变化规律。
LionVote：针对Lion的逐层学习率自适应
机构 * New York University（纽约大学）
AI总结 研究针对Lion在不同层参数有效规模差异问题，提出LionVote逐层学习率机制，通过特定诊断更新参数张量的复合水平，投票阈值源于多种因素，节奏有界且可选择。该机制在ViT-Tiny/CIFAR-100上提升了准确率，且适应值与架构、任务相关。
Comments 34 pages, 10 figures
VTaMo：用于手语翻译的视频-文本对齐模型
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； ChatSign Technology（ChatSign科技）
AI总结 研究手语翻译问题，提出VTaMo框架，通过局部、全局对齐及位置对齐对比学习实现多粒度对齐，在多个数据集实验中展现领先性能，各组件贡献互补。
Comments 18 pages, 5 figures, 8 tables. Accepted to ECCV 2026
科学机器学习中的物理审核智能发现
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； National Center for Supercomputing Applications, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心）
AI总结 研究针对智能科学机器学习中替代模型选择问题，提出物理审核智能SciML工作流程，先确定评分评估器，推导物理要求并检查候选者输出，搜索违规情况。通过数值示例验证，该方法能选到满足物理条件的替代模型，区别于仅靠综合分数的方法。
WildCity：用于渲染、模拟和空间智能的真实世界城市规模测试平台
机构 * May Mobility（五月出行公司） ； New York University（纽约大学） ； NVIDIA（英伟达公司） ； Stanford University（斯坦福大学）
AI总结 针对人工智能在构建城市规模空间表征方面的挑战，引入WildCity真实世界多模态数据集，建立重建基线并转化为模拟器，分析关键挑战，推动城市规模渲染及相关人工智能发展。
Comments ECCV 2026; Project Page: https://han-xiangyu.github.io/Wild-City/
DYNA-PRUNER: 面向高效可扩展时空媒体预测的输入自适应数据-模型协同剪枝
机构 * The City College of New York（纽约市立学院） ； The Graduate Center, CUNY（纽约市立大学研究生中心） ； New York University（纽约大学） ； University of Glasgow（格拉斯哥大学）
AI总结 提出Dyna-Pruner框架，通过共享重要性同步机制实现输入自适应的数据与模型结构协同剪枝，在CNN、RNN和Transformer骨干上减少70% FLOPs并实现2.5倍加速，精度损失小于1%。
Comments IEEE International Conference on Multimedia and Expo (ICME) 2026 Spotlight Paper
教师的少量步骤作用显著：智能体训练后基于策略的数据增强的成本效益
机构 * Stanford University（斯坦福大学） ； New York University（纽约大学）
AI总结 研究针对大语言模型智能体，将基于策略的数据构建视为预算分配问题，通过特定方式形式化设计空间，在多个任务中实验表明少量教师步骤在学习者诱导情境下更具成本效益。
Comments Accepted by ICML 2026 Workshop: RLxF: Reinforcement Learning from World Feedback
因果游戏：在游戏中对大语言模型智能体的因果思维进行基准测试
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Hong Kong Baptist University（香港浸会大学） ； University of Oxford（牛津大学） ； New York University, Abu Dhabi（纽约大学阿布扎比分校）
AI总结 研究旨在通过因果游戏基准测试大语言模型智能体的因果思维能力，让智能体设计实验、收集数据并给出解决方案。设计含多种挑战的场景，发现当前智能体因果思维能力欠佳，为评估提供了测试平台。
Comments Zhenhao, Yongqiang, and Chenxi contributed equally to the project. A short version is accepted at the Forty-Third International Conference on Machine Learning (ICML) 2026 as an Oral presentation. Project website https://causalgame.github.io/
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