Massive Spikes in LLMs are Bias Vectors: Mechanistic Uncovering and Spike-Free Quantization
LLM中的大规模尖峰是偏置向量：机制揭示与无尖峰量化
机构 * Princeton University（普林斯顿大学） ； EnCharge AI
AI总结 本文通过机制分析发现LLM中的激活尖峰本质上是结构化的向量偏置，并提出无尖峰量化框架INSERTQUANT，实现鲁棒的低比特量化。
高校专区
Princeton University（普林斯顿大学）
Multilingual Idioms in Sentences and Conversations Across High-, Medium-, and Low-Resource Languages
高、中、低资源语言中的句子和对话多语言习语
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德大学人工智能大学） ； University of Hamburg（汉堡大学） ； Manipal University（曼印大学） ； IIIT Hyderabad（海得拉尔IIIT） ； University of Science and Technology of Hanoi（河内科学技术大学） ； Universitas Islam Indonesia（印尼伊斯兰大学） ； Princeton University（普林斯顿大学）
AI总结 针对多语言习语理解，构建了覆盖3种高资源、3种中资源和12种低资源语言的MIDI数据集，包含句子和对话上下文中的字面与比喻用法，实验表明低资源语言理解更差，字面义比比喻义更难，对话上下文虽有改善但未消除差距。
RoboTrustBench: Benchmarking the Trustworthiness of Video World Models for Robotic Manipulation
RoboTrustBench：机器人操作视频世界模型的可信度基准测试
机构 * Singapore Management University（新加坡国立管理学院） ； Fudan University（复旦大学） ； Princeton University（普林斯顿大学）
AI总结 针对视频世界模型在机器人操作中的可信度问题，提出RoboTrustBench基准，包含正常、约束敏感、反事实和对抗四种场景，通过专家验证的指令-图像对和六维评估协议，发现当前模型在约束推理、反事实基础、物理交互和不安全指令抑制方面存在不足。
Comments Project: https://huiqiongli.github.io/RoboTrustBench/
MomentKV: Closing the Directional Gap in KV Cache Eviction for Long-Context Inference
MomentKV：消除长上下文推理中KV缓存驱逐的方向差距
机构 * George Washington University（乔治·华盛顿大学） ； Princeton University（普林斯顿大学）
AI总结 针对长上下文推理中KV缓存驱逐导致输出退化的问题，提出MomentKV方法，通过维护驱逐令牌集的矩统计量（计数、键均值、值均值和值-键协方差）来识别与累积摘要对齐的令牌，并在推理时提供驱逐注意力输出的一阶近似，实现选择性驱逐与精确校正的相互增强。
Emergent Transfer of a Physics Foundation Model from Simulation to Laboratory Turbulence
物理基础模型从模拟到实验室湍流的涌现迁移
机构 * University of Cambridge（剑桥大学） ； CEA, DAM/DIF（法国CEA DAM/DIF） ； Flatiron Institute（Flatiron研究所） ； New York University（纽约大学） ； Princeton University（普林斯顿大学） ； Yale University（耶鲁大学） ； AIM, Université Paris-Saclay, Université Paris Cité, CEA, CNRS（AIM，巴黎-萨克雷大学，巴黎城市大学，CEA，CNRS） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Polymathic AI（聚合人工智能）
AI总结 通过微调连续介质动力学基础模型Walrus，在仅使用少量模拟数据的情况下，零样本泛化到实验室瑞利-泰勒不稳定性实验，揭示了初始条件在模拟-实验差距中的关键作用。
GraspGen-X: Cross-Embodiment 6-DOF Diffusion-based Grasping
GraspGen-X: 跨形态6自由度扩散抓取
机构 * NVIDIA ； Princeton University（普林斯顿大学）
AI总结 提出一种基于扩散模型的跨形态6自由度抓取方法，通过扫描体积启发式编码夹爪表示，在20亿抓取数据上训练，实现对新物体、场景和夹爪形态的零样本泛化。
Task diversity produces systematic transfer but inhibits continual reinforcement learning
任务多样性产生系统性迁移但抑制持续强化学习
机构 * MIT（麻省理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
AI总结 通过引入GPU加速的持续强化学习领域Banyan，研究任务多样性（地图布局、交互对象、子目标层次结构）对智能体在分布变化下持续学习能力的影响，发现多样性促进局部迁移但导致长期任务性能停滞和遗忘。
Cuttlebot: a platform demonstration for complex, autonomous, bio-inspired swimmers
Cuttlebot：一种复杂自主仿生游泳机器人的平台演示
机构 * School of Mechanical, Aerospace, and Manufacturing Engineering, University of Connecticut（康涅狄格大学机械、航空航天与制造工程学院） ； Department of Mechanical and Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系） ； University of Connecticut, Institute of Materials Science（康涅狄格大学材料科学研究所） ； Department of Mechanical and Aerospace Engineering, Princeton University（普林斯顿大学机械与航空航天工程系）
AI总结 本文提出CORE自主机器人平台，驱动六个人工肌肉并感知视觉与空间信息，开发了仿乌贼机器人Cuttlebot，通过波动鳍实现三维游泳，验证了平台的有效性。
Value Flows
Value Flows
机构 * Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学）
AI总结 本文利用基于流的生成模型估计完整未来回报分布，通过新的流匹配目标满足分布贝尔曼方程，并利用流导数ODE估计回报不确定性以优先学习，在离线与在线设置中平均成功率提升1.3倍。
Comments ICLR 2026
Two Datasets Are Better Than One: Method of Double Moments for 3-D Reconstruction in Cryo-EM
两个数据集优于一个：冷冻电镜三维重建的双矩方法
机构 * Department of Mathematics and Oden Institute, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系与奥登研究所） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学姚贝泰数学科学中心） ； Program in Applied and Computational Mathematics and Department of Mathematics, Princeton University（普林斯顿大学应用与计算数学项目及数学系） ； Program in Applied and Computational Mathematics, Princeton University（普林斯顿大学应用与计算数学项目）
AI总结 提出双矩方法（MoDM），利用均匀和非均匀两种取向分布下的二阶矩数据唯一确定分子结构，并开发基于凸松弛的算法实现高精度重建。
Beyond Objects: Contextual Synthetic Data Generation for Fine-Grained Classification
超越对象：面向细粒度分类的上下文合成数据生成
机构 * Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind）
AI总结 提出BOB微调策略，通过提取并条件化类不可知属性（如场景背景和物体姿态）来缓解过拟合，提升细粒度分类中合成训练数据的质量，在多个数据集上达到最优性能。
Comments CVPR 2026
Princeton365: A Diverse Dataset with Accurate Camera Pose
Princeton365: 一个具有精确相机位姿的多样化数据集
机构 * Princeton University（普林斯顿大学）
AI总结 提出Princeton365数据集，包含365个视频和精确相机位姿，通过校准板和360度相机的新颖真值采集框架弥合精度与多样性差距，并引入基于光流的尺度感知评估指标及新颖视图合成基准。
Comments Update v2: Match the ICCV 2025 camera-ready version. Fix typos
