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
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