高校专区
自适应时间步长流匹配用于自动驾驶运动规划
机构 * HRI ； Honda Research Institute（本田研究院） ； Northeastern University（东北大学） ； Princeton University（普林斯顿大学） ； University of Maryland（马里兰大学） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种基于条件流匹配的自适应时间步长框架，用于实时自动驾驶轨迹规划，通过在线调整推理步骤数和轨迹后处理提升性能。
Comments Accepted to Intelligent Vehicles Symposium 2026
量化感知的协作推理用于大体型具身AI模型
机构 * Department of Information Science and Engineering, KTH Royal Institute of Technology（信息科学与工程系，皇家理工学院） ； Research Institute for Digital Future, Khalifa University（数字未来研究院，哈利法大学） ； Department of Electrical and Computer Engineering, Princeton University（电气与计算机工程系，普林斯顿大学）
AI总结 本文提出了一种量化感知的协作推理方法，通过联合优化量化位宽和计算频率，以在资源受限的具身AI系统中平衡推理质量、延迟和能耗。
强化注意力学习
机构 * UC Davis（加州大学戴维斯分校） ； Google（谷歌） ； DeepMind（深Mind） ； Google DeepMind（谷歌DeepMind） ； Princeton University（普林斯顿大学）
AI总结 强化注意力学习通过优化内部注意力分布提升多模态模型的感知能力，实验显示其在多模态后期训练中优于现有方法。
TAVAE：具有可调节先验的VAE解释视觉皮层中的情境调节
机构 * Department of Computational Sciences（计算科学系） ； HUN-REN Wigner Research Centre for Physics（霍恩-伦维格物理研究中心） ； Princeton Neuroscience Institute（普林斯顿神经科学研究所） ； Princeton University（普林斯顿大学） ； Center for Molecular and Behavioral Neuroscience（分子与行为神经科学中心） ； Rutgers University（罗格斯大学）
AI总结 TAVAE通过任务优化的生成模型解释视觉皮层中情境调节的机制，展示了任务特定先验的学习与应用。
Comments ICLR 2026
超越损失曲线：扩展定律、主动学习以及从精确后验学习的极限
机构 * Mila-Quebec AI Institute, Canada（魁北克AI研究院） ； School of Computer Science and Engineering, Vellore Institute of Technology, India（印度维洛雷理工学院计算机科学与工程学院） ； Plasma Physics Lab, Princeton University, USA（普林斯顿大学等离子物理实验室） ； High School Student, John P. Stevens High School, USA（约翰·P·斯蒂文斯高中学生） ； Center of Data Science, New York University, New York, USA（纽约大学数据科学中心）
AI总结 本文研究神经网络在精确后验下的学习极限，揭示扩展定律、主动学习和分布偏移等核心问题，提出基于归一化流的框架以提升模型性能和鲁棒性。
在大规模高压电力电网中应用机器学习算法进行异常检测
机构 * School of Engineering, University of Applied Sciences of Western Switzerland HES-SO（西瑞士应用科学大学工程学院） ； Department of Quantum Matter Physics, University of Geneva（日内瓦大学量子物质物理系） ； Andlinger Center for Energy and the Environment, Princeton University（普林斯顿大学能源与环境中心）
AI总结 本研究利用机器学习算法在大规模高压电力电网中检测异常，发现神经网络表现优异，且无监督学习在多重异常情况下具有鲁棒性。
Comments 12 pages, 9 figures
安全与代理：以人为中心的安全过滤器及其在AI辅助赛车中的应用
机构 * Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系） ； Department of Mechanical and Aerospace Engineering, Princeton University（普林斯顿大学机械与航空航天工程系） ； Toyota Research Institute（丰田研究院）
AI总结 本文提出了一种以人为中心的安全过滤器，通过神经安全价值函数和状态-动作控制障碍函数，提升AI辅助赛车中的安全性和用户体验。
Comments Accepted to Robotics: Science and Systems (R:SS) 2025, 22 pages, 16 figures, 7 tables Updates for v4: typos in Appendix Subsection A revised
Journal ref Proceedings of Robotics: Science and Systems (RSS), 2025
WorldArena: 一个用于评估具身世界模型感知与功能效用的统一基准
机构 * Tsinghua University, Beijing, China（清华大学） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Hong Kong, Hong Kong SAR, China（香港大学） ； Princeton University, Princeton, NJ, USA（普林斯顿大学） ； Chinese Academy of Sciences, Beijing, China（中国科学院） ； University of Science（科学技术大学） ； Peking University, Beijing, China（北京大学） ； National University of Singapore, Singapore（新加坡国立大学）
AI总结 WorldArena是一个统一的基准，用于评估具身世界模型的感知和功能效用，揭示高视觉质量与强具身任务能力之间的差距。
指向抽象：协作物理任务中的多模态惯例形成
机构 * Princeton University（普林斯顿大学） ； Brown University（布朗大学） ； MIT（麻省理工学院） ； Stanford University（斯坦福大学）
AI总结 研究通过多模态协作任务探讨了如何通过建立语言和手势抽象来提高协作效率，并扩展了惯例形成的概率模型。
Comments Accepted at the 2026 CHI Conference on Human Factors in Computing Systems (CHI 2026). 15 pages
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), ACM, 2026
人类-人工智能交互中的信念卸载
机构 * Princeton University（普林斯顿大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； University of Cambridge（剑桥大学）
AI总结 本文研究了人类在与人工智能交互时，将信念形成过程卸载给AI系统的影响及潜在后果。
ElliCE: 通过Rashomon集实现高效且可证明稳健的算法补救
机构 * Princeton University（普林斯顿大学） ； Ukrainian Catholic University（乌克兰天主教大学） ； Rutgers University（罗格斯大学） ； Taras Shevchenko National University of Kyiv（塔拉斯·谢甫琴科基斯林国立大学） ； Microsoft Research NYC（微软研究院纽约）
AI总结 ElliCE通过椭球近似Rashomon集，提供高效且可证明稳健的算法补救方法，提升反事实解释的鲁棒性和灵活性。
Journal ref The Thirty-ninth Annual Conference on Neural Information Processing Systems 2025
迈向高效探索的大型语言模型代理
机构 * Department of Computer Science（计算机科学系） ； Princeton University（普林斯顿大学） ； Department of Psychology（心理学系）
AI总结 本文提出利用大型语言模型显式实现后验抽样强化学习算法，以提升自然语言任务中的探索效率。
Comments Accepted to the International Conference on Learning Representations (ICLR) 2026
WAFT：仅变形字段变换用于光流
机构 * Department of Computer Science（计算机科学系） ； Princeton University（普林斯顿大学）
AI总结 WAFT通过高分辨率变形替代传统成本体积，实现更高效的光流估计，在多个基准测试中取得最佳性能，并显著提升速度。
UI-Mem: 为移动GUI代理在线强化学习中的自演化经验记忆
机构 * Multimedia Laboratory (MMLab), The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shenzhen Loop Area Institute（深圳河套学院） ； Shanghai AI Lab（上海人工智能实验室） ； vivo AI Lab（vivo人工智能实验室） ； Princeton University（普林斯顿大学）
AI总结 UI-Mem通过自演化经验记忆提升移动GUI代理在线强化学习性能，实现跨任务经验转移与策略优化。
Comments 23 pages, 16 figures. Project page: https://ui-mem.github.io
Phi-Former：一种用于化合物-蛋白质相互作用预测的成对分层方法
机构 * Hong Kong University of Science and Technology（香港科技大学） ； International Digital Economy Academy (IDEA)（国际数字经济学院（IDEA）） ； Princeton University（普林斯顿大学）
AI总结 Phi-Former通过成对分层方法提升化合物-蛋白质相互作用预测的准确性与可解释性。
Comments Accepted to BIBM 2025. 6 pages, 5 figures
利用神经网络实现动物学习规则的灵活推断
机构 * Princeton University（普林斯顿大学）
AI总结 本文提出利用神经网络推断动物学习规则的方法，通过模拟和实验验证其有效性，展示了在预测学习轨迹方面的优越性。
大规模集合模拟揭示大气阻塞频率与海表温度变率之间的联系
机构 * Department of Atmospheric and Climate Science, University of Washington（大气与气候科学系，华盛顿大学） ； Department of Geosciences, Princeton University（地球科学系，普林斯顿大学） ； High Meadows Environmental Institute, Princeton University（高梅斯环境研究所，普林斯顿大学）
AI总结 本文利用深度学习模型的大规模集合模拟，揭示了SST变率对大气阻塞频率的显著影响，并展示了该方法在分离SST信号与内部噪声中的有效性。
基于回归投影和批量不一致性的仿真推理
机构 * University of Texas at Austin（德克萨斯大学） ； Princeton University（普林斯顿大学） ； University of Virginia（弗吉尼亚大学）
AI总结 本文提出了一种基于回归投影和批量不一致性的轻量级仿真推理方法，通过自归一化的伪后验实现参数推断，并探讨了识别集的确定条件。
Comments comments are welcome,
WARP逻辑神经网络
机构 * Princeton University（普林斯顿大学）
AI总结 WARP逻辑神经网络通过引入可学习阈值和残差初始化，实现了高效且精确的布尔函数学习，提升了训练效率和模型扩展能力。
Comments Under review
ViThinker: 通过动态感知查询实现主动视觉-语言推理
机构 * School of Computing, University of Georgia（计算机学院，佐治亚大学） ； School of Engineering and Applied Science, Princeton University（工程与应用科学学院，普林斯顿大学）
AI总结 ViThinker通过动态感知查询实现主动视觉-语言推理，提升感知基础和推理准确性。
TabularMath: 通过程序验证合成评估表格学习中的计算外推
机构 * Princeton University（普林斯顿大学）
AI总结 TabularMath通过程序验证合成评估表格学习中的计算外推能力，发现模型在统计插值与精确计算之间存在显著差异。
Comments 30 pages; TabularMath technical report
Avenir-Web: 人类经验模拟的多模态网络代理与接地专家混合
机构 * University College London（伦敦大学学院） ； The University of Edinburgh（爱丁堡大学） ； Princeton University（普林斯顿大学）
AI总结 Avenir-Web通过融合接地专家与经验模仿规划，实现了在复杂网络界面中可靠执行长周期任务的开源网络代理新纪录。
TTT-Parkour: 为感知机器人攀爬实现快速测试时训练
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Princeton University（普林斯顿大学）
AI总结 TTT-Parkour通过快速测试时训练方法，使人形机器人能够高效适应复杂地形，提升其在极端几何结构中的攀爬能力。
Comments Project Page: https://ttt-parkour.github.io/
位置：时间序列预测中“一架构适所有领域”的必然终结
机构 * Tsinghua University（清华大学） ； Princeton University（普林斯顿大学）
AI总结 本文指出时间序列预测中“一架构适所有领域”的方法已不再有效，建议转向特定领域深度学习或一般领域元学习方法。
Comments 14 pages, 3 figures, 2 tables
大型语言模型对沟通动机是否敏感？
机构 * Princeton University（普林斯顿大学） ； Anthropic
AI总结 本文研究了LLMs对沟通动机的敏感性，通过实验发现LLMs能以人类方式处理偏见信息，但需改进以适应更复杂的现实场景。
Comments NeurIPS 2025
1000层网络用于自监督强化学习：增加深度可以启用新的目标到达能力
机构 * Princeton University（普林斯顿大学） ； Warsaw University of Technology（华沙理工大学） ； Tooploox ； IDEAS Research Institute（IDEAS研究所）
AI总结 本文提出通过增加网络深度至1024层，显著提升自监督强化学习的目标到达能力，实验显示性能提升达2-50倍。
Comments Link to project website: https://wang-kevin3290.github.io/scaling-crl/
叠加统一了幂律训练动态
机构 * Department of Physics, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA（麻省理工学院物理系） ； Department of Electrical and Computer Engineering, Princeton University, Princeton, New Jersey 08544, USA（普林斯顿大学电气与计算机工程系） ； Department of Mechanical Engineering, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA（麻省理工学院机械工程系）
AI总结 叠加技术通过统一幂律动态，显著加速了训练过程，使训练速度提升十倍，适用于多种神经网络。
Comments 17 pages, 14 figures
利用强化学习训练大语言模型以解释人类决策
机构 * Princeton University（普林斯顿大学） ； The University of Hong Kong（香港大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文利用强化学习训练大语言模型，使其能解释人类决策行为，实现预测与可解释性的双重目标。
多功能行为扩散用于通用交通代理模拟
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系） ； NVIDIA Research（NVIDIA研究）
AI总结 多功能行为扩散通过生成多代理互动场景，提升交通模拟的灵活性和实用性，为自动驾驶系统测试提供基础工具。
BNMusic: 将环境噪音融入个性化音乐
机构 * Wuhan University（武汉大学） ； Bang & Olufsen A/S（Bang & Olufsen公司） ； Princeton University（普林斯顿大学） ； LIX, École Polytechnique（巴黎政治学院LIX研究所）
AI总结 BNMusic通过将环境噪音融入个性化音乐生成，减少噪音的明显性，提升听觉体验。
Comments This paper has been accepted by NeurIPS 2025
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