Princeton University（普林斯顿大学）

RAVEN: Long-Horizon Reasoning & Navigation with a Visuo-Spatio-Temporal Memory

RAVEN: 基于视觉-空间-时间记忆的长期推理与导航

Yixun Hu, Zhicheng Zheng, Lihan Zha, Chunwei Xing, Rajdeep Singh, Omar Hossain, Antonio Loquercio, Dhruv Shah

机构 * Princeton University（普林斯顿大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 提出RAVEN记忆系统，通过存储视觉嵌入与位姿时间信息，实现长期机器人问答与导航，在多个基准上超越字幕记忆系统，以10倍更低检索成本匹配前沿VLM。

Comments Project website: https://ravenmem.github.io/

Transferability for General Reasoning: An Automated Curriculum for Multi-Domain RLVR

通用推理的可迁移性：多领域RLVR的自动课程

Yongjin Yang, Jiarui Liu, Yinghui He, Lechen Zhang, Bernhard Schölkopf, Zhijing Jin

机构 * Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； Princeton University（普林斯顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ELLIS Institute Tübingen（ELLIS研究所图宾根） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； EuroSafeAI 纠错

AI总结 提出迁移感知课程（TAC），利用优势信号和投影梯度估计跨领域可迁移性，在多领域推理套件上实现最佳平均准确率。

Comments 32 pages, including supplementary material; code available at https://github.com/YangYongJin/transfer-aware-curriculum

AI-Assisted Moot Courts: Simulating Justice-Specific Questioning in Oral Arguments

AI辅助模拟法庭：模拟特定司法机关的口头辩论提问

Kylie Zhang, Nimra Nadeem, Lucia Zheng, Dominik Stammbach, Peter Henderson

机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文研究AI能否有效模拟特定司法机关的提问以辅助模拟法庭训练，提出双层评估框架，发现模拟问题被人类标注者认为真实且能识别法律问题，但存在提问类型单一和奉承等问题。

Comments Accepted at CS & Law 2026

Journal ref CSLAW '26: Symposium on Computer Science and Law, March 3-5, 2026, Berkeley, CA, USA, ACM, pp. 136-172

Consistent Zero-Shot Imitation with Contrastive Goal Inference

基于对比目标推理的零样本模仿一致性方法

Kathryn Wantlin, Chongyi Zheng, Benjamin Eysenbach

机构 * Department of Computer Science, Princeton University, Princeton, NJ, USA（普林斯顿大学计算机科学系） 纠错

AI总结 提出对比逆强化学习（CIRL），通过将多任务逆RL转化为目标推理问题，利用对比RL、自动目标提议和变分推断实现零样本模仿，理论证明其能一致恢复演示者意图，实验优于现有方法。