高校专区
环境适应性偏好优化用于野火预测
机构 * Computer Science, Stanford University（斯坦福大学计算机科学系） ； Department of Global Ecology, Carnegie Institution for Science（卡内基科学研究所全球生态系部门）
AI总结 本文提出环境适应性偏好优化框架，通过构造分布对齐数据集并结合监督学习与偏好优化，提升野火预测在环境变化下的鲁棒性与极端情况下的检测能力。
人类与人工智能交互中的隐形故障
机构 * Bigspin AI ； Stanford University（斯坦福大学）
AI总结 研究发现79%的AI故障是隐形的，通过分析10万次交互发现八种故障类型，并通过对照数据集验证其稳定性，为产品开发和政策制定提供关键监控工具。
仅正样本学习的平滑分析
机构 * Yale University（耶鲁大学） ； Stanford University（斯坦福大学）
AI总结 本文通过平滑分析方法，证明了所有VC类在平滑模型下可学习，并提出高效算法以处理截断估计和广泛类别的截断检测问题。
Comments Accepted for presentation at the 58th ACM Symposium on Theory of Computing (STOC), 2026; abstract shortened for arXiv
大语言模型代理能否应对灾难？评估异构地理空间推理在紧急行动中的基准测试
机构 * The University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所AIP） ； Waseda University（早稻田大学） ； Stanford University（斯坦福大学）
AI总结 本文提出DORA基准测试，评估大语言模型在灾难响应中的端到端流程，揭示了灾难领域接地、工具选择瓶颈和组合脆弱性等挑战。
Comments DORA stress-tests LLM agents on real-world disaster operations that demand comprehensive orchestration of 108 specialized tools over heterogeneous geospatial data
基于逆问题的扩散优化器原理化设计
机构 * Department of Bioengineering（生物工程系） ； Department of Radiology, Stanford University, USA（斯坦福大学放射学系，美国）
AI总结 本文提出原理化重参数化方法，使扩散模型在逆问题中能复用超参数，提升推理速度和图像质量。
Comments 22 pages, 8 figures, 6 tables
通过折扣存活公式评估操纵策略的离线策略评估
机构 * University of Southern California（南加州大学） ； Stanford University（斯坦福大学）
AI总结 本文提出基于存活Bellman算子的离线策略评估框架，解决稀疏奖励下任务完成问题，通过保守固定点值函数降低截断偏差，实验证明在折叠任务中优于传统基线方法。
Comments Published at RSS 2026
多模态生成策略细调中的行为模式发现
机构 * Naver Labs Europe（纳维尔实验室欧洲分部） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系）
AI总结 本文提出一种无监督的行为模式发现框架，用于在强化学习细调多模态生成策略时保持行为多样性，通过互信息作为内在奖励提升任务成功率。
Journal ref International Conference on Machine Learning, 2026
测试时发现的知识不确定性
机构 * Stanford University（斯坦福大学） ； National University of Sciences and Technology（国家安全科学与技术大学） ； University of Oklahoma（俄克拉荷马大学）
AI总结 本文提出UG-TTT方法，通过维护低秩适配器的集成来区分未探索区域与困难问题，利用互信息量化分歧以提升探索效率，从而在科学发现任务中提高最大奖励和解的多样性。
CheXTemporal：用于胸部X光影像中时间感知推理的数据集
机构 * Stanford University（斯坦福大学） ； University of Oxford（牛津大学） ； University of California, Berkeley（加州大学伯克利分校） ； HOPPR ； University Hospital Zurich（苏黎世大学医院）
AI总结 该研究提出CheXTemporal数据集，用于胸部X光影像中时间感知推理，包含前后X光片及时间空间标注，评估了多种视觉语言模型在零样本设定下的接地和进展分类任务，发现模型在空间接地和时间推理方面存在局限。
通过类比推理解锁大语言模型在科学中的创造力
机构 * Stanford University（斯坦福大学）
AI总结 本文通过类比推理方法提升大语言模型在开放性问题解决中的多样性与创新性，实验表明该方法显著提高了生成解决方案的质量和多样性。
生成AI在材料设计中的应用：从伯格到物质的力学视角
机构 * Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系）
AI总结 本文从力学角度探讨生成AI在高维空间中设计物质的可能性，通过伯格类比展示扩散生成模型与计算力学的联系，并在高维空间中验证其在材料设计中的有效性。
Comments 25 pages, 15 figures, 2 tables
ReasonEdit：通过人类推理编辑视觉语言模型
机构 * University of Virginia（弗吉尼亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 ReasonEdit通过引入人类推理机制，改进视觉语言模型的编辑能力，提升编辑泛化性能。
重新审视GAN与贝叶斯最优判别
机构 * University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； University of Michigan（密歇根大学）
AI总结 本文提出通过贝叶斯最优判别误差率（BER）优化GAN训练，引入BOLT损失函数，改进生成器性能，提升样本质量和覆盖范围。
法律领域中的自然语言处理
机构 * Singapore Management University（新加坡管理大学） ； CodeX, Stanford University, USA（CodeX，斯坦福大学，美国） ； Illinois Tech - Chicago Kent College of Law, USA（伊利诺伊理工学院—芝加哥肯特法学院，美国） ； Bucerius Law School, Germany（伯克勒尔法学院，德国） ； IIT-Bhubaneswar（IIT-巴纳拉斯瓦尔）
AI总结 本文综述了NLP与法律领域的现状，分析了过去十年中相关论文数量、任务和语言的增加，以及方法的复杂性提升，指出该领域正逐步达到通用NLP的方法论水平和数据可用性标准。
Comments 15 pages, 7 figures, 2 tables
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