高校专区
基于行为对齐表征的跨具身迁移
机构 * Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究所）
AI总结 本研究提出在视觉-语言-动作模型中采用行为对齐表征，开发仿真基准验证其可提升跨具身迁移，使真实机器人任务完成进度提升28%。
Comments Project page: https://ajaysridhar.com/barx/
好的排序器，差的目标：表达性策略搜索下的双线性对比评判器
机构 * Stanford University（斯坦福大学） ； Sesame AI（芝麻AI公司）
AI总结 该研究发现双线性对比评判器的排序能力与其优化安全性不匹配，其存在范数漂移等问题，在多任务中无法可靠排序动作，需结合价值校准标量用于动作选择。
HLE多项选择子集的维度与测量精度
机构 * Stanford University（斯坦福大学）
AI总结 本研究评估29个LLM在HLE多项选择子集上的表现，发现HLE仅测量单一一般推理因素，其领域子分数不具区分能力，且对前沿模型的区分能力有限。
基于动作中心图的推理时缩放与情景记忆的衔接
机构 * Florida International University（佛罗里达国际大学） ； Stanford University（斯坦福大学） ； NEC Laboratories America（美国NEC实验室） ； Singapore Management University（新加坡管理大学）
AI总结 本文提出GAMER框架，通过动作中心图衔接推理缩放与情景记忆，采用双流时间差分学习优化决策，在多基准上较普通基线提升了20.81%的成功率与6.17%的进度率。
面向对撞机物理的轻量级基础模型：多领域适配
机构 * Stanford University（斯坦福大学） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室）
AI总结 该研究提出轻量级基础模型NEXUS，以300万参数的全连接自编码器为架构，通过对撞机数据预训练实现多领域适配，在下游任务中提升准确率且计算复杂度低于同规模Transformer。
Comments 18 pages, 5 figures, 1 table
通信约束下的半分散式多航天器避撞
机构 * Stanford University（斯坦福大学）
AI总结 该研究针对航天器避撞的间歇性通信约束，提出半分散式POMDP框架，采用RS-SDA*算法规划，性能接近集中式且同步事件减少28.5%，优于规则启发式方法。
Comments 21 pages, 2 tables, 10 figures, accepted in 2026 AAS/AIAA Astrodynamics Specialist Conference
Transformer Transformer：一种用于运动条件机器人协同设计的统一模型
机构 * Stanford University（斯坦福大学） ； Columbia University（哥伦比亚大学）
AI总结 研究运动条件机器人协同设计问题，提出基于RoboTokens训练的Transformer Transformer统一模型，能跨实体空间和用例，通过动力学自引导优化设计，实验显示其可零样本优化，制造的优化设计大幅降低跟踪误差。
Comments 26 pages, 12 figures, 20 tables. Project page: https://transformer-transformer.github.io
常数深度和对数深度神经网络之间的算法分离
机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校）
AI总结 研究常数深度和对数深度神经网络的算法分离，识别出一类布尔函数，对数深度网络能用逐层坐标下降法通过重构谱高效学习，还展示了一个子类，常数深度网络在此子类上有常数\(L^2\)逼近误差。
FIDAC：一种用于从视频中提取和解释人际距离的易用管道
机构 * University of California, Berkeley（加利福尼亚大学伯克利分校） ； University of Florida（佛罗里达大学） ； Stanford University（斯坦福大学）
AI总结 研究如何从视频中提取和解释人际距离，开发开源库FIDAC，合并多模型数据，包含精确跟踪方法，后续计划评估其在不同场景下测量人际距离的有效性并集成新特征。
MusiChat：用于音乐创作的氛围作曲
机构 * Stanford University（斯坦福大学） ； George Mason University（乔治梅森大学） ； IntelliSky（智能天空）
AI总结 研究针对AI音乐创作中迭代难问题，提出MusiChat系统，通过分层可控框架、记忆增强架构及混合意图路由机制，实现人机协作音乐创作，经评估在交互准确率和用户喜好比例上表现良好，支持多轮音乐创作和人机共创。
我能编辑什么？开放式策略发现与情感可编辑性景观
机构 * School of Artificial Intelligence, Shenzhen Technology University（深圳技术大学人工智能学院） ； School of Innovation Design, Shenzhen Technology University（深圳技术大学创新设计学院） ； Stanford University（斯坦福大学）
AI总结 研究情感图像编辑，EmoScope多智能体框架将任务转变为‘能编辑什么’，先发现可编辑空间，再平衡内容与情感，通过情感条件作用的可供性推理选择策略，在大规模评估中受青睐，还指出相关指标盲点及优势变化情况。
有效参数、真实行为：机器人技术的重整化——从无限电子质量到模拟与现实差距
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Stanford University（斯坦福大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究机器人技术中弥合模拟与现实差距的问题，提出基于重整化的方法，通过有效参数吸收模拟器遗漏细节以重现真实行为，经分析论证及实例展示该方法，并给出实用程序，为跨越模拟与现实差距提供补充路径。
J-CoT：J空间中的思维链
机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 研究针对语言模型推理中仅依赖自然语言受限的问题，提出基于J空间的J-CoT循环推理框架，通过词汇索引系数传递中间状态，在多任务中表现出色，J-CoT-Zero匹配或超基线，J-CoT-Train获高分。
Comments work in progress
Humanly：一个用于人机协作写作的可配置且可追溯的环境
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； USC（南加州大学） ； KAUST（阿卜杜拉国王科技大学）
AI总结 研究针对人机协作写作难以判断创作过程的问题，提出Humanly写作平台，用户能配置环境，平台记录活动与辅助，可打包会话生成证书，支持多种场景，经研究验证对各角色有帮助且能区分打字方式。
人工智能助手过度协助
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 研究探讨大语言模型作导师时，其干预方式对学习的影响。介绍Int-Bench基准，模拟学生解题、教师决定干预。在多领域评估大语言模型教师干预情况，并与人类对比，发现其干预频繁且倾向提供完整方案，表明为短期成功而非深层学习优化。
迈向针对大气化学进行微调的人工智能基础模型的机理可解释性
机构 * Stanford University（斯坦福大学） ； University of Southern California（南加州大学） ； University of Utah（犹他大学）
AI总结 研究针对大气化学微调的人工智能基础模型学到了什么，通过对微软Aurora模型施加化学扰动、检查内部表示等方法，发现其虽捕捉到部分臭氧响应但未执行化学约束，提供了测试模型是否学大气化学的框架，强调预测应依内部机制评判。
ModPack：一种用于双边移动操作的可扩展遥操作接口
机构 * Stanford University（斯坦福大学）
AI总结 针对现有遥操作系统扩展性和适应性不足的问题，提出ModPack可扩展遥操作系统，以统一框架支持多样机器人形式和任务，通过背包集成多种功能，经实验验证其灵活性和可复用性，并开源软硬件设计。
语言模型的经济评估
机构 * Stanford University（斯坦福大学） ； University of São Paulo（圣保罗大学）
AI总结 研究语言模型在经济价值任务上的表现，通过EconEvals开源套件评估，结合真实用户查询与合成数据，成本低且覆盖度好，还引入暴露度量估计时间节省情况，发现当前模型有潜力但存在使用滞后及隐私等瓶颈，引入基础设施推断其对劳动力市场的影响。
具有光滑映射的凸差复合函数的在线优化
机构 * Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系） ； The Daniel J. Epstein Department of Industrial and Systems Engineering, University of Southern California（南加州大学丹尼尔·J·埃普斯坦工业与系统工程系）
AI总结 研究结构化非凸非光滑问题的在线优化，提出时间平滑近端线性算法和基于近端残差映射的局部遗憾度量，建立局部遗憾界等，推导误差界，证明残差是平稳性度量，可通过凸优化预言机计算更新。
用于统一世界建模的掩码视觉动作
机构 * Stanford University（斯坦福大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； Harvard University（哈佛大学）
AI总结 研究如何将动作传达给视频模型用于机器人世界建模，提出掩码视觉动作这一像素空间控制接口，经微调后单个检查点在多场景和实施例中表现出色，在下游操作中能辅助策略评估、改进决策和支持逆建模。
Comments Project webpage: https://masked-visual-actions.github.io
作为一种干预手段的大语言模型检测：战略用户行为下的下游影响
机构 * Stanford University（斯坦福大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Cornell University（康奈尔大学）
AI总结 研究LLM检测对下游指标的影响，开发程式化模型捕捉用户策略行为。发现不完善的检测器会扭曲LLM使用及输出质量，导致用户增加使用量且输出质量可能降低，还呈现“先升后降”检测模式，揭示了检测干预的失效模式。
AgentDebugX：用于大语言模型代理中故障可观测性、归因和恢复的开源工具包
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Toronto（多伦多大学） ； Google（谷歌公司） ； Stanford University（斯坦福大学）
AI总结 研究大语言模型代理故障调试难题，提出开源框架AgentDebugX，其核心DeepDebug通过多轮诊断定位根源，在基准测试中表现出色，能修复更多失败任务，还通过多种方式公开工作流程并提供错误中心。
决策中的弱到强学习
机构 * Stanford University（斯坦福大学）
AI总结 针对运营决策中预测模型训练的数据不对称问题，提出决策感知弱到强（W2S）框架，利用有标签和无标签数据训练模型，建立相关风险上下界得出性能改善条件，通过实验验证理论。
超越贝叶斯主义和完全信息的激励探索
机构 * Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； Stanford University（斯坦福大学）
AI总结 研究将激励兼容探索扩展至超越贝叶斯完全信息设置，考虑代理人有外部未知信息的情况，引入新激励探索概念，让代理人选合理行动，其框架能稳健处理平局，还扩展到代理人缺乏共同先验的设置。
Comments 30 pages, 5 figures
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)
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