高校专区
RoboWits：机器人创造性问题解决中的意外挑战
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出RoboWits双臂机器人基准，通过多智能体协作的自动化任务生成流水线评估机器人在几何、材料和装配推理中的认知推理、创造性工具使用及鲁棒性，发现预训练VLA在突变任务中表现脆弱。
Comments The first two authors contributed equally
配对LLM评估的分辨率诊断
机构 * Princeton University（普林斯顿大学）
AI总结 针对公开LLM排行榜中配对排名未达到常规配对检验分辨率目标的问题，提出基于假设检验的配对评估框架，并引入分辨率比q=N/N*作为主要诊断指标，揭示了常用非配对Cohen-h-plus-(1-rho)捷径在接近比较区域存在约两倍的偏差。
Comments 16 pages, 7 figures, 12 tables. Accepted to the ICML 2026 Workshop on Hypothesis Testing, Seoul, South Korea, 2026. Copyright 2026 by the author(s)
优先过程而非结果：奖励潜在思维轨迹改善循环语言模型的推理能力
机构 * Department of Computer Science, Princeton University, Princeton NJ, U.S.A（普林斯顿大学计算机科学系）
AI总结 针对循环语言模型（LoopLM）中标准强化学习（如GRPO）仅奖励最终潜在状态导致推理改进失败的问题，提出RLTT框架，通过在整个潜在推理轨迹上分配奖励实现密集的轨迹级信用分配，显著提升数学推理性能并泛化至非数学任务。
Comments ICML 2026
在线公平分配中的近似比例性
机构 * Harvard University, USA（哈佛大学） ； University of Oxford, UK（牛津大学） ； Centre for Frontier AI Research (CFAR), Agency for Science, Technology and Research (A*STAR), Singapore（前沿人工智能研究中心（CFAR）） ； Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR), Singapore（高性能计算研究所（IHPC）） ； Princeton University, New Jersey, USA（普林斯顿大学） ； Institute for Infocomm Research (I2R), Agency for Science, Technology and Research (A*STAR), Singapore（信息与通信研究所以（I2R））
AI总结 研究在线公平分配问题中比例性（PROP1）的可近似性，通过非自适应对手和最大物品价值预测两种松弛方法，设计了具有鲁棒保证的在线算法。
Comments Appears in the 43rd International Conference on Machine Learning (ICML), 2026
注意力作为上下文经验贝叶斯：通过粒子动力学的两阶段视角
机构 * Lewis-Sigler Institute for Integrative Genomics（利斯-西格尔整合基因组研究所） ； Princeton University（普林斯顿大学） ； Department of Mathematics（数学系） ； Rutgers University（罗格斯大学） ； Department of Physics and Astronomy（物理与天文学系） ； Center for Computational Quantum Physics and Center for Computational Mathematics（计算量子物理中心和计算数学中心） ； Flatiron Institute（Flatiron研究所） ； Simons Foundation（西蒙斯基金会）
AI总结 本文通过粒子动力学将最小注意力仅变换器解释为两阶段经验贝叶斯过程，揭示了深度和注意力残差的统计角色，并证明无需显式噪声调度即可实现有效去噪。
Comments 52 pages, 5 figures
GrepSeek：训练用于直接语料库交互的搜索代理
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出GrepSeek，一种通过两阶段训练（冷启动数据集+GRPO优化）和语义保持的分片并行执行引擎，训练紧凑型搜索代理直接与文本语料库交互（通过shell命令），在开放域问答中取得最优F1和精确匹配。
PROTOCOL: 用于蛋白质同源搜索的延迟交互检索
机构 * MIT（麻省理工学院） ； Princeton University（普林斯顿大学）
AI总结 提出ProtoCol模型，利用ColBERT风格的延迟交互机制对残基嵌入进行最大相似度评分，以提升远程同源搜索的灵敏度，在SCOPe超家族和Pfam clan基准上优于多种基线方法。
当模型存在分歧：重新思考用于公众评论分析的LLM评估
机构 * AI Lab, Princeton University Engineering and Applied Sciences（普林斯顿大学人工智能实验室、工程与应用科学学院） ； RAND Corporation（RAND公司） ； Engineering and Applied Sciences（工程与应用科学） ； Science, Technology, and International Affairs（科学、技术与国际事务） ； Georgetown University（乔治·华盛顿大学）
AI总结 提出一种解释性审计流程，利用多模型分歧检测解释复杂性，引导人工审查关注真正模糊的公众意见，以补充传统基于准确率的评估方法。
GASS: 几何感知球面采样用于文本到图像生成中解耦多样性增强
机构 * Laboratoire d'Informatique (LIX), CNRS, École Polytechnique, IPP, France（信息实验室（LIX），法国国家科学研究中心，巴黎高等技术学院，IPP，法国） ； Department of Computer Science, Princeton University, USA（计算机科学系，普林斯顿大学，美国） ； FAIR at Meta - Montreal, Canada（Meta FAIR - 加拿大蒙特利尔） ； McGill University, Canada（麦吉尔大学，加拿大） ； Mila, Quebec AI Institute, Canada（魁北克人工智能研究所，加拿大） ； Canada CIFAR AI chair（加拿大CIFAR人工智能主席）
AI总结 提出几何感知球面采样（GASS），通过正交分解CLIP嵌入中的提示相关与无关变异方向，沿两轴扩展投影分布以引导采样，在保持图像保真度和语义对齐的同时增强生成多样性。
Comments ICML 2026 Camera-ready. Code available at https://github.com/L-YeZhu/GASS_T2I
VRAG：面向交互式视频生成的世界模型学习
机构 * Peking University（北京大学） ； University of Oxford（牛津大学） ； Princeton University（普林斯顿大学）
AI总结 针对自回归视频生成中累积误差和记忆机制不足的问题，提出视频检索增强生成（VRAG）方法，通过显式全局状态条件降低长期累积误差并提升时空一致性。
Comments Published at NeurIPS 2025. Project page: https://sites.google.com/view/vrag
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