高校专区
双模糊概率区间语言术语集及基于马尔可夫过程的动态模糊决策模型在多准则群体决策中的应用
机构 * Stanford University（斯坦福大学）
AI总结 针对概率语言术语缺陷及动态属性权重确定难问题，提出双模糊概率区间语言术语集概念，定义相关内容，开发模糊语言马尔可夫矩阵等，给出权重确定方法，并用金融风险投资案例说明其在多准则决策中的应用。
Comments submitted to IEEE Transactions on Fuzzy Systems
游戏共识：众包事实核查中的协调操纵
机构 * Stanford University（斯坦福大学） ； X Community Notes（X社区笔记） ； xAI
AI总结 研究众包事实核查系统中矩阵分解桥接机制对协调操纵的脆弱性，发现通过少于10个评分即可操纵低质量笔记达到共识阈值，并提出了缓解措施。
Comments ICML 2026
KV缓存压缩的风险
机构 * RWTH Aachen University（亚琛工业大学） ； Stanford University（斯坦福大学）
AI总结 针对长序列Transformer推理中KV缓存压缩的瓶颈，本文通过最小化最大风险理论，揭示了缓存内在可压缩性决定准确压缩的边界，并设计出在因果掩码下达到最优风险的实用算法，在LongBench上取得良好效果。
FaithMed: 训练大语言模型进行忠实于证据的医学推理
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Xlue
AI总结 提出FaithMed框架，通过过程级奖励和优势分组强化学习，监督LLM在医学推理中忠实评估和应用检索证据，在7个基准上平均提升9%。
Comments 15 pages, 5 figures
离散扩散语言模型用于交互式放射报告草稿生成
机构 * Stanford University School of Medicine（斯坦福大学医学院） ； Ghent University（根特大学） ； Stanford University（斯坦福大学）
AI总结 提出将离散扩散语言模型用于放射报告草稿生成，利用其任意顺序填充能力实现交互式编辑，在医学VQA任务上达到或超越自回归模型，解码速度快3.5-4.4倍。
DarkVGGT: 利用热几何在黑暗中透视，无需日光代价
机构 * University of Minnesota（明尼苏达大学） ； Texas A&M University（德克萨斯农工大学） ； Stanford University（斯坦福大学）
AI总结 提出DarkVGGT，一种RGB-T前馈几何框架，通过物理感知热建模实现低光照场景下的鲁棒3D估计，引入热分解和几何共享路由模块，在退化RGB条件下保持精度。
Comments Project Page: https://darkvggt.github.io
无线胶囊内镜的计算成像先验：蒙特卡洛引导的血红蛋白映射用于罕见异常检测
机构 * Department of Biomedical Engineering, University of Texas Southwestern Medical Center（生物医学工程系，德克萨斯西南医学中心） ； Department of Internal Medicine, University of Texas Southwestern Medical Center（内科系，德克萨斯西南医学中心） ； Department of Radiation Oncology, Stanford University（放射肿瘤学系，斯坦福大学） ； VELVETECH, LLC（VELVETECH公司） ； Division of Digestive and Liver Diseases, Clements University Hospital（消化和肝病系，克莱门斯大学医院） ； Internal Medicine, Division of Digestive and Liver Diseases, Parkland Hospital（内科，消化和肝病系，帕克兰医院）
AI总结 本文提出基于蒙特卡洛启发的分析先验方法，通过融合RGB信号与提取分类器，提升无线胶囊内镜在罕见异常检测中的性能，尤其在淋巴管扩张症上表现显著。
Comments 63 pages, 11 figures, 15 tables. Version submitted to Medical Image Analysis. Adds cross-vendor Galar evaluation (GalKva-2026 benchmark), cross-architecture replication (ResNet-18, ConvNeXt-Tiny), and foundation-model baselines. Code, checkpoints, and benchmark: https://github.com/integritynoble/Physics-Informed-PillCam
利用空间环境照明知识改进未知航天器结构的3D高斯点扩散
机构 * Nara Space Technology Inc.（那拉航天科技公司） ； Dept. of Aeronautics & Astronautics, Stanford University（航空航天系，斯坦福大学）
AI总结 本文提出一种新流程，通过捕捉 rendezvous 和 proximity operations (RPO) 期间的图像序列，恢复未知目标航天器的3D结构。利用太阳位置先验知识提升3DGS的光照质量，以提高下游姿态估计任务的性能。
Comments Presented at 2025 IEEE International Conference on Space Robotics (iSpaRo)
Journal ref 2025 International Conference on Space Robotics (iSpaRo)
潜在策略屏障：通过保持分布内学习鲁棒的视觉运动策略
机构 * Stanford University（斯坦福大学）
AI总结 提出潜在策略屏障（LPB）框架，通过将专家演示的潜在嵌入作为隐式屏障，分离精确模仿与分布外恢复，利用基础扩散策略和动力学模型提升视觉运动策略的鲁棒性和数据效率。
用于心理健康评估的基于激光多普勒血流仪和荧光光谱传感器的可穿戴设备数据集
机构 * Aston University（阿斯顿大学） ； University of Toronto（多伦多大学） ； University Health Network（大学健康网络） ； Florida Institute of Technology（佛罗里达理工学院） ； Hai Duong Central College of Pharmacy（海洞中央药学院） ； Stanford University（斯坦福大学） ； Industrial University of Ho Chi Minh City（胡志明市工业大学） ； The University of Alabama at Birmingham（伯明翰大学） ； Pukyong National University（浦项国立大学）
AI总结 本研究利用可穿戴设备采集指尖血流和组织活动信号，结合心理健康问卷数据，发现这些信号与压力相关症状存在关联，为日常非侵入性心理健康监测提供新方法。
Comments Communications Medicine 2026
世界源于运动：从单目视频生成动态高斯重建
机构 * Stanford University（斯坦福大学） ； NVIDIA（英伟达）
AI总结 提出World from Motion方法，利用视频模型从单目视频生成可自由渲染的动态3D高斯表示，通过像素对齐渲染校正伪影并填充缺失区域，实现4D重建新高度。
Comments Project page: https://research.nvidia.com/labs/amri/projects/world-from-motion/
ROSA: 面向机器人工厂的基础模型服务系统
机构 * NVIDIA Research（英伟达研究院） ； Stanford University（斯坦福大学）
AI总结 提出ROSA系统，通过共享GPU池服务、多模型流水线支持和工厂目标驱动调度，将机器人工厂的RFM推理性能提升12倍以上。
SuperFlex: 用于点云分解的可变形超二次曲面
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； IMPA（巴西国家纯数学与应用数学研究所） ； USI Lugano（卢加诺大学）
AI总结 提出SuperFlex框架，通过新损失函数、弯曲和锥形变形提升超二次曲面分解精度，并利用高质量分解训练模型以鲁棒处理部分点云。
Comments Project page: https://superflex3d.github.io
Active-GRPO：用于分子优化的自适应模仿与自我改进推理
机构 * School of Medicine, Stanford University（斯坦福大学医学院） ； Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） ； Argonne National Laboratory（阿贡国家实验室）
AI总结 提出Active-GRPO方法，通过主动模仿-强化和主动参考机制，在分子优化中自适应平衡模仿与自我改进，显著提升性能。
建构性对齐：人机交互中的偏好动态治理
机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学）
AI总结 提出建构性对齐范式，将对齐问题重构为控制人类偏好轨迹演化的控制问题，而非静态偏好满足，通过控制论框架确保价值轨迹的连贯性与反思性。
Comments 23 pages, 1 figure; Proceedings of the AAAI-26 Workshop on Machine Ethics
AutoMem：自动化学习记忆作为认知技能
机构 * Stanford University（斯坦福大学）
AI总结 提出AutoMem框架，通过双循环自动优化LLM的记忆管理结构和使用能力，在长时域任务中提升性能约2-4倍。
Comments Project Website: https://autolearnmem.github.io/
QuasiMoTTo: 准蒙特卡洛测试时扩展
机构 * Stanford University（斯坦福大学）
AI总结 提出QuasiMoTTo方法，利用准蒙特卡洛相关采样替代独立同分布采样，在推理和强化学习中减少冗余，以更少样本达到相同性能。
蒸馏检测：通过弹药筒蒸馏揭露大语言模型中的隐蔽偏见
机构 * Stanford University（斯坦福大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Foundation AI–Cisco Systems Inc.（Foundation AI–思科系统公司）
AI总结 提出Distill to Detect (D2D)方法，通过蒸馏模型与基座之间的分布偏移到KV缓存前缀适配器中，放大隐蔽偏见信号至可检测程度，并基于Fisher加权投影理论解释其有效性。
Comments Accepted to the ICML 2026 Workshops on TAIGR, AI4GOOD, Mechanistic Interpretability, and CoLoRAI
超越专家用户：智能体应帮助用户构建偏好，而不仅仅是引出偏好
机构 * Stanford University（斯坦福大学）
AI总结 本文提出用户通常不具备完整偏好，智能体应通过示例或解释帮助用户学习领域知识以构建偏好，并基于信息经济学引入CoPref模型，在推荐系统中通过CoShop基准测试发现现有智能体表现不佳。
Comments Update URLs
从先验到专家：通过分布收缩强化学习微调实现高效技能掌握
机构 * Stanford University（斯坦福大学）
AI总结 提出DICE-RL框架，将强化学习作为分布收缩算子，通过在线反馈放大高成功行为，将预训练行为先验微调为高性能专家策略，实现稳定、样本高效的复杂操作技能掌握。
比较错觉的梯度强度由贝叶斯推断解释
机构 * Stanford University（斯坦福大学）
AI总结 本研究通过贝叶斯噪声信道模型，结合统计语言模型与人类行为数据，定量预测比较错觉的强度梯度，并解释代词与完整名词短语主语差异的新效应。
Comments 52 pages, 7 figures
Sheet Music Benchmark: 标准化光学乐谱识别评估
机构 * Pattern Recognition and Artificial Intelligence Group, University of Alicante, Spain（西班牙阿利坎特大学模式识别与人工智能组） ； Self-employed（自雇人士） ； Center for Computer Research in Music and Acoustics, Stanford University, USA（美国斯坦福大学音乐与声学计算机研究中心） ； Instituto Superior de Enseñanzas Artísticas de la Comunidad Valenciana, Spain（西班牙瓦伦西亚自治区高等艺术教育研究所）
AI总结 提出Sheet Music Benchmark (SMB)数据集和OMR标准化编辑距离(OMR-NED)指标，用于标准化光学乐谱识别(OMR)评估，涵盖多种音乐纹理和细粒度错误分析。
Comments Accepted at the 26th International Society for Music Information Retrieval Conference (ISMIR)
TacGen: 触觉是物理世界表征的必要维度——通过可扩展的视觉到触觉对齐与生成解决触觉数据稀缺问题
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Alabama（阿拉巴马大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 针对触觉数据稀缺问题，提出TacGen方法，通过视觉-触觉对比对齐和潜在空间残差MLP生成器合成触觉潜在表示，在质量、密度、硬度等物理属性预测上显著优于纯视觉模型，并大幅提升触觉操作性能。
Comments 49 pages, 29 figures
使用旋转视图EPI和高斯原型的联合场图/图像估计的畸变校正扩散MRI
机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, and the School of Computation, Information and Technology, TUM（慕尼黑工业大学(TUM)医疗与医学人工智能教席、TUM大学医院、计算信息与技术学院） ； Neuroimaging Technology Research Center, Department of Radiology and Biomedical Imaging, University of California, San Francisco（加州大学旧金山分校放射与生物医学影像系神经影像技术研究中心） ； Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences（中国科学院精密测量科学与技术创新研究院） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心(MCML)） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系）
AI总结 提出一种物理信息框架，直接从k空间联合估计B0场和无畸变图像，避免中间并行成像重建，通过高斯原型的连续参数化表示图像和场，支持旋转视图EPI，在高b值和高加速下显著改善畸变校正质量。
动态认知逻辑中的信念收缩
机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对动态认知逻辑无法建模事实命题信念收缩的问题，提出直接在标准Kripke模型上定义信念收缩机制，满足部分收缩性质，并给出公理化及扩展逻辑。
Comments In Proceedings AiML 2026, arXiv:2606.29444
Journal ref EPTCS 447, 2026, pp. 137-157
机器人操作的鲁棒性：基础与前沿
机构 * Duke University（杜克大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Organifarms
AI总结 本文系统研究机器人操作鲁棒性，提出正式定义、概率与控制理论框架，并综述感知、规划、控制、策略学习和硬件中的鲁棒性机制及评估方法，展望实现人类级鲁棒性的未来方向。
从失败中学习：计算机使用代理的推理时自我改进
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
AI总结 提出失败驱动的自我改进循环，利用LLM诊断失败模式并生成代码补丁，在OSWorld基准上将OpenCUA-72B模型成功率从42.3%提升至48.9%，无需额外训练成本。
Comments Published in ECCV 2026
自然语言解释中的判断质量测量：来自预测锦标赛的证据
机构 * Forecasting Research Institute（预测研究所） ； Good Judgment Inc（Good Judgment公司） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Stanford University（斯坦福大学） ； School of Arts and Sciences & Wharton, University of Pennsylvania（宾夕法尼亚大学文理学院与沃顿商学院） ； Federal Reserve Bank of Chicago（芝加哥联邦储备银行） ； Federal Reserve System（联邦储备系统）
AI总结 提出解释质量标记（EQMs），用大语言模型评分60种理论驱动的推理模式，在超过55,000个预测-理由对中预测准确性，优于传统方法。
代理浏览器的同源策略
机构 * Duke University（杜克大学） ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究代理浏览器中同源策略的有效性，构建SOPBench评估基准，发现现有代理浏览器频繁违反SOP，并提出SOPGuard机制来强制执行SOP，同时保持效用和低开销。
INFUSER: 影响力引导的自我进化提升推理能力
机构 * Yale University（耶鲁大学） ； Stanford University（斯坦福大学） ； University of Chicago（芝加哥大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； University of California, San Diego（圣地亚哥大学）
AI总结 提出INFUSER框架，通过生成器与求解器的协同进化，利用影响力分数和DuGRPO优化，从文档池中自适应生成训练数据，显著提升模型推理性能。
Comments 67 pages, 17 figures
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