Princeton University（普林斯顿大学）

2601.17090 2026-07-14 cs.LG cs.AI 版本更新

SFO: Learning PDE Operators via Spectral Filtering

SFO：通过谱滤波学习偏微分方程算子

Noam Koren, Rafael Moschopoulos, Kira Radinsky, Elad Hazan

机构 * Technion - Israel Institute of Technology（技术离子-以色列理工学院）； Princeton University（普林斯顿大学）

AI总结研究如何让神经算子有效捕捉偏微分方程解映射中的长程非局部相互作用，提出谱滤波算子SFO，利用通用谱基参数化积分核，通过学习快速衰减特征值的谱系数实现高效表示，在六个基准测试中达最优精度，大幅降误差并减少参数。

2510.11503 2026-07-14 q-bio.NC cs.AI cs.GT 版本更新

People use fast and flat simulation to reason about new games

人们使用快速且扁平的模拟来对新游戏进行推理

Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum

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。

2510.01830 2026-07-14 cs.RO 版本更新

What Matters in RL-Based Methods for Object-Goal Navigation? An Empirical Study and A Unified Framework

基于强化学习的目标导航方法中什么重要？实证研究与统一框架

Hongze Wang, Boyang Sun, Jiaxu Xing, Fan Yang, Marco Hutter, Dhruv Shah, Davide Scaramuzza, Marc Pollefeys

机构 * Computer Vision and Geometry Group, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机视觉与几何组）； Robotics and Perception Group, University of Zurich, Switzerland（苏黎世大学机器人与感知组）； Robotic Systems Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院机器人系统实验室）； Princeton Robotic Intelligence and SysteMs group, Princeton University, USA（普林斯顿大学机器人智能与系统组）； Microsoft, Switzerland（微软公司）

AI总结研究目标导航中基于强化学习方法各组件影响，通过分解导航管道为感知、策略和测试时增强三组件进行实证研究，引入统一框架，构建增强系统达领先性能，提供见解与建议，凸显当前智能体与人类导航差距。