高校专区
用于发现商用自动驾驶车辆故障的重要性采样和主成分分析
机构 * Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系） ； Torc Robotics（Torc机器人公司）
AI总结 研究商用自动驾驶车辆故障发现问题，应用自适应压力测试和基于扩散的故障采样算法找到模拟碰撞，引入基于主成分分析的统计分析将故障分类并恢复噪声轨迹，为故障发现到系统诊断提供路径。
Comments IEEE ICVES 2026 (Submitted)
通信丢失情况下用于鲁棒多智能体协调的价值感知预测
机构 * Istanbul Technical University（伊斯坦布尔技术大学） ； University of Stuttgart（斯图加特大学） ； Istanbul Technical University Artificial Intelligence and Data Science Application and Research Center（伊斯坦布尔技术大学人工智能与数据科学应用与研究中心） ； Stanford University（斯坦福大学）
AI总结 研究通信丢失时多智能体协调问题，提出价值感知MARO方法，利用优势估计动态加权预测器损失函数，在多智能体粒子环境实验中，该方法在通信可靠性下降时能维持性能，提升平均回报并降低性能方差。
Comments Accepted to 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
用于肺部超声视频分类的层次感知与解剖引导学习
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； SEHA（赛哈） ； Sheikh Khalifa Medical City（谢赫·哈利法医疗城） ； Khalifa University（哈里发大学） ； Stanford University（斯坦福大学）
AI总结 研究针对肺部超声视频分类的挑战，提出深度学习框架，采用层次感知训练与解剖引导学习，结合临床结构化目标与解剖监督，经实验验证该方法能提升病理分离、实现高宏F1，且具迁移适应性，是稳健可解释的视频分析实用方法。
神经网络验证中的前瞻分支
机构 * Amherst College（阿默斯特学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Stanford University（斯坦福大学）
AI总结 研究神经网络验证中前瞻分支策略，提出通用集成方法，以FSB为例说明，还阐述其能生成加速验证的引理，通过在两个验证器中实例化，实现验证时间加速及解决实例数增加。
Comments Accepted to IJCAI 2026. Lookahead branching is part of the Marabou and $α$-$β$-CROWN verifiers
Retriever：组合闭环异步机器人程序
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Northeastern University（东北大学）
AI总结 研究构建长期运行机器人智能体的闭环管道问题，提出Retriever，它涵盖异步决策模型等整个堆栈，将智能体表示为有状态因果流函数图，编译到支持多后端的运行时，可系统调试和确定性重放，通过案例研究等进行评估。
Comments Project website: http://retriever.systems; Package open-source website: http://openretriever.org
行人原型扩展——用于自动驾驶车辆安全测试的更多行人模型
机构 * Stanford University（斯坦福大学） ； University of California San Diego（加利福尼亚大学圣地亚哥分校） ； University of Washington（华盛顿大学）
AI总结 研究在行人原型基础上，通过注释YouTube行车记录仪视频，识别出7种新的行人原型，介绍其行为，阐述与旧原型差异并提供视频证据，为自动驾驶车辆安全测试提供更多行人模型。
Comments Extended version of Pedestrian Archetypes paper (published in IEEE IV 2025)
作为部分可观测马尔可夫决策过程的交互式任务对齐
机构 * Stanford University（斯坦福大学）
AI总结 研究语言模型在面对模糊用户任务时的任务对齐问题，引入基于部分可观测马尔可夫决策过程的框架，通过用户研究验证，发现模型任务对齐困难，训练能改善但仍落后于人类，揭示其缺乏关键交互能力。
KernelBench验证：大语言模型生成的内核真的能超越PyTorch吗？
机构 * Meta ； FAIR at Meta SuperIntelligence Lab（元超智能实验室公平团队） ； Stanford University（斯坦福大学）
AI总结 研究大语言模型生成的内核是否真能超越PyTorch，指出前沿模型存在奖励黑客行为。引入KernelBench-Verified扩展评估框架及内存效率指标，实验发现最佳模型加速比低，无模型始终超PyTorch，部分模型增加GPU内存峰值使用，强调持续调整评估协议的必要性。
压缩随机逼近的集中性和均方界：一种统一的基本方法
机构 * Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学）
AI总结 研究乘性噪声模型下任意范数压缩映射的随机逼近，提出统一基本分析方法，通过平均噪声序列等得到范数误差的李雅普诺夫漂移不等式，进而得出均方和集中性界，还讨论了证明技术的可推广性。
Comments Submitted to Stochastic Processes and their Applications
利用纳米束电子衍射的机器学习绘制半结晶聚合物中的取向
机构 * Department of Materials Science and Engineering, Stanford University（材料科学与工程系，斯坦福大学） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； National Center for Electron Microscopy, Molecular Foundry, Lawrence Berkeley National Laboratory（电子显微镜国家中心、分子发现所、伯克利国家实验室）
AI总结 研究利用机器学习模型从合成数据中检测聚合物衍射峰及其强度，相比传统相关峰检测算法，该模型速度更快且性能更优，为4DSTEM实验近实时可视化开辟可能，有助于理解有机混合离子电子导体结构与性能关系。
Comments Submitted to ACS Macromolecules. Main text is 13 pages and 5 figures, 23 pages and 15 figures with supporting information
弗拉索夫方程平均场推导的形式化：作为策略游戏的人工智能辅助精益形式化
机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 该研究以数学家指导AI在Lean 4中形式化研究成果为案例，将其构建为形式化游戏。通过此方式对非线性弗拉索夫方程适定性完整形式化，展示了开发过程及成果，还介绍了最优传输机制的分离情况及开发时间等，为形式化研究提供了新方法。
Comments 26 pages, 4 figures. Lean 4 development, blueprint site, and agent logs: https://github.com/Hydrodynamical/Vlasov_Meanfield_Formalization
CyberGym-E2E：面向AI代理端到端网络安全能力的可扩展真实世界基准
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 提出CyberGym-E2E，一个大规模、真实的端到端网络安全基准，通过自动化流水线将开源漏洞数据转化为评估环境，全面评估AI代理在漏洞发现、PoC生成和补丁生成全生命周期中的能力。
Comments ICML 2026
用人工智能预测科学进步
机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； Allen Institute for AI（人工智能研究所） ； Sakana AI
AI总结 本文研究了人工智能在预测科学进步中的能力，提出了一种基于时间的评估框架，并介绍了CUSP基准，通过可行性评估、机制推理、生成性解决方案设计和时间预测来评估AI系统的科学预测能力，发现当前前沿模型在不同领域存在系统性限制，且预测结果受事件发生时间影响较大，表明AI在科学预测中仍存在不足。
Comments 62 pages, 14 figures, 25 tables
从开放式语言模型中提取记忆中的（受版权保护）书籍
机构 * Stanford University（斯坦福大学） ； Yale University（耶鲁大学） ； Cornell University（康奈尔大学） ； West Virginia University（西弗吉尼亚大学）
AI总结 研究通过测量书籍在语言模型中的记忆程度，发现大多数模型不完整记忆书籍，但部分模型如Llama 3.1 70B能完整记忆某些书籍，对版权案件有重要影响。
Comments COLM 2026
医学VQA中通过置信度-证据贝叶斯增益实现确定性幻觉检测
机构 * Department of Electrical Engineering, Stanford University, CA, USA（电气工程系，斯坦福大学） ； Department of Biology, Stanford University, CA, USA（生物学系，斯坦福大学） ； Division of Cardiology, Department of Medicine, Stanford University, CA, USA（心脏病学部，医学系，斯坦福大学） ； Department of Biomedical Data Science, Stanford University, CA, USA（生物医学数据科学系，斯坦福大学） ； Department of Computer Science, Stanford University, CA, USA（计算机科学系，斯坦福大学） ； Department of Psychiatry and Behavioral Sciences, Stanford University, CA, USA（精神病学与行为科学系，斯坦福大学）
AI总结 本文提出CEBaG方法，利用模型自身log概率中的不一致置信度和弱视觉证据敏感性，实现无需随机采样和外部模型的确定性幻觉检测，在医疗MLLM和VQA基准测试中取得最佳AUC表现。
随机重置加速强化学习中的策略收敛
机构 * Biophysics Program, Stanford University（斯坦福大学生物物理项目） ； School of Physics, University of Sydney（悉尼大学物理学院） ； National Institute for Theory and Mathematics in Biology, Northwestern University（生物理论与数学国家研究所，西北大学） ； The University of Chicago（芝加哥大学） ； Princeton-CUNY Center for the Physics of Biological Function, The Graduate Center, CUNY（普林斯顿-纽约大学生物物理功能中心，纽约大学研究生中心）
AI总结 研究探讨随机重置与强化学习的交互，发现其能加速策略收敛，通过截断长轨迹提升价值传播，为强化学习提供新的优化机制。
Comments 10 pages, 11 figures
无监督发现部署日志中的故障分类
机构 * Stanford University（斯坦福大学） ； University of Southern California（南加州大学）
AI总结 本文提出无监督发现部署日志中的故障分类方法，通过视觉-语言推理和语义聚类，提升机器人系统鲁棒性和故障监控能力。
当生成式重放遇上不断演变的深度伪造：用于增量式人脸伪造检测的双混淆感知正则化
机构 * Huazhong Agricultural University（华中农业大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； Stanford University（斯坦福大学）
AI总结 研究人脸生成技术发展下的增量式深度伪造检测问题，提出双混淆感知正则化策略双CARE，通过引入域感知混淆分数量化域混淆，对重放生成器和检测器进行双调制，有效利用生成式重放改进检测效果。
章鱼v3：用于设备端低于十亿参数的多模态人工智能代理的技术报告
机构 * Stanford University（斯坦福大学）
AI总结 研究针对多模态人工智能代理将图像数据转化为可行动结果的挑战，引入含功能令牌概念的多模态模型，优化至小于10亿参数，能处理中英文，可在多种边缘设备高效运行。
章鱼v2：用于超级代理的设备端语言模型
机构 * Stanford University（斯坦福大学）
AI总结 章鱼v2通过设备端20亿参数模型，在准确性和延迟上超越GPT-4，同时将上下文长度减少95%，提升边缘设备应用性能。
章鱼：用于软件API函数调用的设备端语言模型
机构 * Stanford University（斯坦福大学） ； Harvard University（哈佛大学）
AI总结 研究利用设备端大语言模型调用软件API，通过编译数据集微调不同参数模型，提升其API交互能力，提出条件掩码技术和新基准，经微调的Octopus模型在API调用上性能超GPT-4，推动自动化软件开发和API集成。
CarbonNet：计算机视觉如何在气候变化中发挥作用？应用：从碳捕获与封存的地下几何结构学习地质力学以缓解全球变暖
机构 * Stanford University（斯坦福大学）
AI总结 研究利用计算机视觉从碳捕获与封存的地下几何图像预测地表位移，以应对相关挑战。实现多种模型用于静态和瞬态力学问题，实验表明ResNetUNet在静态问题中表现出色，LSTM在瞬态问题中与Transformer性能相当，为CCS项目决策提供支持。
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