Do You Really Need to Pretrain Q-Functions for Online RL Fine-Tuning?
在线RL微调真的需要预训练Q函数吗？
机构 * Stanford University（斯坦福大学）
AI总结 本文针对在线RL微调是否需预训练Q函数的问题，发现预训练Q函数增益有限，提出IPE方法，在连续控制基准中使微调性能平均提升1.26倍。
Comments Fixed typo in author name
高校专区
Stanford University（斯坦福大学）
When Behavioral Safety Evaluation Fails: A Representation-Level Perspective
当行为安全评估失败时：表征层面的视角
机构 * Stanford University（斯坦福大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Technical University of Denmark（丹麦技术大学）
AI总结 本文提出行为安全与干预鲁棒性之间的“审计差距”，通过构建解离模型和引入潜在脆弱性评分（LVS），证明行为安全指标不足以衡量表征层面的鲁棒性。
Comments Preprint
Gated Memory Policy: In-Context Memorization and Adaptation
门控记忆策略
机构 * Stanford University（斯坦福大学）
AI总结 本文提出门控记忆策略，通过学习记忆回溯时机与内容，提升机器人操作任务中对历史信息的利用效率，实现在非马尔可夫任务中性能提升30.1%。
In-Context Pure Exploration in Continuous Decision Spaces
在连续空间中进行纯探索的上下文学习
机构 * Boston University（波士顿大学） ； Stanford University（斯坦福大学） ； Boston University Broad Institute of MIT and Harvard（波士顿大学MIT和哈佛大学Broad研究所）
AI总结 本文提出C-ICPE-TS算法，通过元训练深度神经网络，在连续空间中实现纯探索，直接从数据学习可转移的序列测试策略，无需参数更新或显式信息模型。
Comments Accepted as an oral presentation at ICML 2026 Workshop on Hypothesis Testing, Seoul, South Korea, 2026
Don't Walk the Line: Boundary Guidance for Filtered Generation
不要走线：边界引导用于过滤生成
机构 * Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Stanford University, Department of Computer Science, Stanford, California, USA（斯坦福大学计算机科学系）
AI总结 本文提出边界引导方法，通过强化学习微调生成模型，使其远离分类器边缘，从而提升生成输出的安全性和实用性。
Comments Accepted at ICML 2026
SimulRAG: Simulator-based RAG for Grounding LLMs in Long-form Scientific QA
SimulRAG：基于模拟器的检索增强生成（RAG）框架，用于将大型语言模型（LLMs）落地到长篇科学问答任务中
机构 * University of California San Diego（加州大学圣迭戈分校） ； Stanford University（斯坦福大学） ； Northeastern University（东北大学）
AI总结 针对LLMs在长篇科学问答中易幻觉的问题，本文提出SimulRAG框架，引入UE+SBA机制，发布相关基准，实验表明其信息量与事实性较基线分别提升30.4%、16.3%
Comments Haozhou Xu and Dongxia Wu are co-first authors
