高校专区
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
用于鲁棒即插即用适应的解耦对齐
机构 * Northwestern University（西北大学） ； New York University Abu Dhabi（纽约大学阿布扎克分校） ； Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Illinois Institute of Technology（伊利诺伊理工学院）
AI总结 研究提出无需训练的大语言模型对齐方法，利用知识蒸馏提取对齐信号，经模型融合实现即插即用的对齐校正，采用增量调试识别关键知识组件，在有害问题数据集上显著提升防御成功率，且不损性能。
Comments Revised to correct the Acknowledgments section. Previous versions inadvertently included acknowledgments of NSF and NIH awards that did not support this work. Those funding acknowledgments have been removed. The technical content, results, and conclusions are unchanged
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。
探究预训练音频表示中的空间结构
机构 * Music and Audio Research Laboratory, New York University, USA（音乐与音频研究实验室，纽约大学，美国）
AI总结 通过提出SARL基准，系统评估预训练音频模型对空间信息的编码能力，发现源因素比房间因素更易解码，且不同编码器对空间变化响应存在异质性。
Comments Accepted to Interspeech 2026
从无状态到情境化：构建基于LLM的情感支持心理世界
机构 * Tandon School of Engineering New York University New York, USA ； College of Arts \& Science New York University New York, USA
AI总结 本文提出LEKIA 2.0架构，通过分离认知层与执行层，构建可持续更新的情境结构，提升多轮交互中的稳定性与可控性，实现31%的改进。
Comments Accepted by WAICA 2026
InfoFlow KV：面向长上下文的信息流感知KV重计算
机构 * New York University（纽约大学） ； Duke University（杜克大学）
AI总结 提出将选择性KV重计算建模为信息流问题，利用查询的注意力范数信号识别语义相关且结构上能传播信息的token，并引入信息流引导的块重排序策略，在LLM和VLM基准上优于现有方法。
Comments In proceedings of the 43rd International Conference on Machine Learning (ICML 2026). Project page: https://infoflow-kv.github.io
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
VQCSim：何时编译一次的态矢量模拟优于通用量子框架？
机构 * Brno University of Technology（布拉格技术大学） ； New York University Abu Dhabi（纽约大学阿布扎克分校）
AI总结 研究混合量子-经典机器学习工作流中编译一次的态矢量模拟何时优于通用量子框架，通过VQCSim实现，它有原生自动求导，在MQT Bench研究及多GPU评估中有加速效果，推导硬件感知图并发布开源选择器，助力QML设计循环选模拟器。
Comments Accepted at IEEE/ACM International Conference on Computer-Aided Design (ICCAD 2026), San Jose, CA, USA. 9 pages
大型语言模型可能如何思考
机构 * Texas Tech University（德克萨斯理工大学） ； New York University（纽约大学） ； University of Pittsburgh（匹兹堡大学）
AI总结 本文挑战了LLMs不思考的观点，提出LLMs可能以非理性、联想式方式思考，其思维过程纯粹基于联想。
Journal ref Mind & Language (2026)
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。
PerfCodeBench：用于系统级高性能代码优化的LLM基准测试
机构 * HKUST（香港科技大学） ； NYU（纽约大学） ； SWUPL（西南大学）
AI总结 本文提出PerfCodeBench，用于评估LLM在系统级高性能代码优化中的能力，发现模型生成代码与专家优化代码存在显著差距，尤其在并行和GPU任务中表现更差。
通过具有主动树突的脉冲神经网络实现节能同步多任务强化学习，用于受生物启发的通用智能体
机构 * eBRAIN Lab New York University (NYU) Abu Dhabi（eBRAIN实验室 新 York大学（NYU）阿布扎赫德）
AI总结 研究针对多任务强化学习的挑战，提出MTSpark方法，利用带主动树突的脉冲神经网络，结合增强深度脉冲Q网络、决斗结构和特定任务上下文信号，实现节能同步多任务强化学习，在游戏中性能和效率提升，能耗降低。
Comments 19 pages, 9 figures, 7 tables
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
预言家何时能在预测市场中获利？
机构 * University of Chicago（芝加哥大学） ； Kalshi Research（卡尔希研究公司） ； New York University, Shanghai（纽约大学上海分校）
AI总结 研究预测市场中预言家获利问题，通过建立预测准确性与盈利能力的等价关系，给出依赖预测和市场价格的适当投注策略，实证表明此策略能将准确性转化为利润，在Kalshi实时部署获高回报率。
寻找开放性的要素：用大型视觉语言模型复现 Picbreeder
机构 * New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本研究通过用前沿视觉语言模型替代人类用户复现 Picbreeder，探索人工智能在无引导发现中的开放性能力，并分析系统输出与人类基线在系统发育复杂性、视觉和语义显著性及新颖性上的差异，同时研究探索性噪声、行为多样性和叙事动量等因素的影响。
Comments 26 pages, 21 figures, to be published at GECCO 2026
Journal ref Proceedings of the Genetic and Evolutionary Computation Conference (GECCO '26), July 13-17, 2026, San José, Costa Rica. ACM, 2026
手语对话中的情感识别
机构 * Institute of Science Tokyo（东京科学研究所） ； New York University（纽约大学）
AI总结 针对手语情感识别缺乏对话上下文的问题，提出eJSL Dialog数据集，并系统评估了从孤立视觉网络到多模态对话架构的模型，发现通用多模态对话情感识别模型在手语领域存在领域差距，需要开发面向手语的上下文感知视觉提取器并扩大对话数据集规模。
基于随机最优控制的稀有事件分析
机构 * Microsoft Research New England（微软研究院新英格兰分部） ； Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； Courant Institute of Mathematical Sciences, NYU（纽约大学Courant数学科学研究所）
AI总结 提出将稀有事件分析中的committor函数估计转化为随机最优控制问题，通过反馈控制引导轨迹采样，并开发两种损失函数及处理亚稳态的方法，在基准系统上获得更准确的结果。
VANGUARD：用于GPS受限环境下的无人机车辆锚定地面采样距离估计
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； Tandon School of Engineering, New York University（纽约大学工学院） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院）
AI总结 VANGUARD通过利用车辆锚点和核密度估计，为无人机在GPS受限环境中提供可靠地面采样距离估计，降低空间推理中的误差和失败率。
基于图的贝叶斯优化在量子电路架构搜索中的应用：不确定性校准代理
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)（纽约大学阿布扎赫分校（NYUAD）工程系eBRAIN实验室） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute, NYUAD（纽约大学阿布扎赫分校（NYUAD）量子与拓扑系统中心（CQTS））
AI总结 针对量子电路设计瓶颈，提出基于图的贝叶斯优化框架，用GNN代理发现和优化VQCs，经特征选择等处理后评估候选电路，与多种方法基准测试，其能找到低复杂度、高精度电路，实现可扩展且可解释的量子电路自动发现。
Comments 17 pages, 13 figures
可控高效语言模型
机构 * New York University（纽约大学）
AI总结 研究提出可控高效语言模型CAT，通过关注压缩序列块解码，能在训练时控制推理成本与质量的权衡，测试时无需重新训练，使用密集注意力作混合器可匹配多种高效模型，在长上下文理解任务中表现出色且吞吐量高。
Comments Preprint v2; Added more experiments
人们使用快速且扁平的模拟来对新游戏进行推理
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Princeton University（普林斯顿大学） ； University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学） ； The Alan Turing Institute（艾伦·图灵研究所）
AI总结 研究人们对新游戏的推理，通过超千名参与者和121种新棋盘游戏的研究，发现人们玩新游戏或评估时具系统性和适应性理性，用“直观玩家”模型解释，为新问题应对及类人AI系统设计提供见解。
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。
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