高校专区
双重预处理 (DoPr)：针对测试时性能而非验证损失的优化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； DeepMind（深度Mind） ； Google Research（谷歌研究）
AI总结 提出双重预处理优化范式，通过结合梯度级和激活级预处理，缓解自回归语言建模等场景中训练/验证损失与下游指标不匹配的测试时反馈问题，提升测试时性能而不一定改善验证损失。
快速生长：高速藤蔓机器人尖端支架的设计与基准测试
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Lincoln Laboratory（林肯实验室） ； Stanford University（斯坦福大学） ； University of Notre Dame（圣母大学）
AI总结 提出一种三角滚轮尖端支架，通过滚动代替滑动减少生长阻力，实现TPU涂层防撕裂尼龙藤蔓机器人的一致外翻，并建立可重复的基准测试框架。
Comments Accepted to IEEE Robotics & Automation Letters
记忆是重建的，而非检索的：面向LLM智能体的图记忆
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出MRAgent框架，通过关联记忆图和主动重建机制，使LLM智能体在推理过程中动态调整记忆访问，显著提升长程记忆推理性能。
Comments Accepted at ICML 2026
LadderMan: 学习人形机器人感知爬梯
机构 * Amazon FAR（亚马逊FAR） ； USC（美国南加州大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； CMU（卡内基梅隆大学）
AI总结 提出LadderMan系统，通过两阶段学习管道和视觉基础模型，使人形机器人能够鲁棒地攀爬多种梯子并在梯子上进行操控。
用于腹部体积重建的视觉触觉和显式力控制机器人超声
机构 * Stanford Robotics Laboratory, Computer Science Department, Stanford University（斯坦福机器人实验室、计算机科学系、斯坦福大学） ； Department of Radiology, School of Medicine, Stanford University（放射科、医学院、斯坦福大学）
AI总结 提出一种结合立体视觉、触觉反馈和专家策略的机器人超声采集系统，通过力控机械臂实现自适应腹部扫描，并实现三维体积重建以增强诊断能力。
ExpSpeech-Net: 表情与语音的多模态融合用于深度伪造检测
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出轻量级ExpSpeech-Net模型，通过融合面部表情和语音模式，利用SqueezeNet和RNN骨干网络及智能特征选择，实现高效深度伪造检测，准确率达94.5%。
自承诺延迟：一种用于提示隐式劫持的无奖励探针
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
AI总结 提出自承诺延迟指标，通过测量推理上下文对模型自身最终答案的承诺时机，无需奖励信号即可检测提示隐式劫持，在GSM8K数据集上达到AUROC 0.878-0.926。
TensorBench: 在基于编译器的张量框架上对编码智能体进行基准测试
机构 * Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
AI总结 本文提出 TensorBench，一个包含199个特征添加和重构任务的基准测试，用于评估编码智能体在基于编译器的张量框架上的表现，并通过测试套件自动评分。
SoCRATES：跨领域和社会认知变异的前瞻性LLM调解的可靠自动化评估
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出SoCRATES基准，通过多领域真实冲突场景和五维社会认知适应轴评估LLM调解员，使用主题定位评估器实现0.82的人类专家一致性，发现最强模型仅缩小约三分之一的未调解共识差距。
LEVANTE-bench: 使用认知任务对VLM与儿童进行多尺度比较（或者，“你的VLM比五年级学生聪明吗？”）
机构 * Stanford University（斯坦福大学）
AI总结 本文提出LEVANTE-bench基准，基于儿童认知任务数据，从多个尺度系统评估视觉语言模型与5-12岁儿童在六项任务上的对齐程度，发现模型与人类认知仅部分对齐。
十位头痛专家与人工智能在临床文献总结中的比较：一项关键评估与对比
机构 * Stanford University Palo Alto CA USA（斯坦福大学） ； Department of Neurology Mayo Clinic Rochester MN USA（梅奥诊所神经科） ； Department of Neurology Dalhousie University Halifax Canada（达尔豪斯大学神经科） ； Jefferson Headache Center Department of Neurology Thomas Jefferson University PA USA（泰勒大学神经科） ； Beth Israel Deaconess Medical Center Boston MA USA（贝斯以色列医疗中心） ； Department of Neurology University of Florida Gainesville FL USA（佛罗里达大学神经科） ； University of Colorado School of Medicine Department of Pediatrics Division of Child Neurology Aurora CO USA（科罗拉多医学院儿科部儿童神经科） ； Department of Medicine Mount Sinai Hospital Icahn School of Medicine at Mount Sinai New York NY USA（西奈医院医学部） ； Department of Neurology Mayo Clinic Scottsdale AZ USA（梅奥诊所Scottsdale分部） ； Harvard Medical School Boston MA USA（哈佛医学院） ； Department of Neurology Mount Sinai Hospital Icahn School of Medicine at Mount Sinai New York NY USA（西奈医院神经科）
AI总结 本研究通过构建基于RAG的AI框架，比较了三种大语言模型与十位头痛专家在临床文献总结方面的表现，发现专家撰写的摘要更受青睐，但专家有时难以区分人类与AI生成的摘要。
基于概率信念追踪的多轮人类可说服性模型
机构 * Stanford University（斯坦福大学） ； University of Washington（华盛顿大学）
AI总结 提出PERSUASIONTRACE框架，通过记录多轮信念报告、标注修辞维度并引入贝叶斯网络模拟目标，将说服评估从端点变化转向过程保真度。
学习流形与伊藤动力学：分支神经粗糙微分方程
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学）
AI总结 提出分支神经粗糙微分方程（B-NRDE），通过Hopf代数框架统一处理欧几里得伊藤动力学、流形上的有序协变导数及经典Stratonovich情形，实现精确的粗步流形约束动力学和伊藤一致律匹配。
Comments Accepted at ICML 2026
基于LLM的弱验证器聚合用于空间布局生成
机构 * Stanford University（斯坦福大学） ； Roblox
AI总结 提出一种通过聚合LLM生成的弱验证器来构建强验证器的流水线，用于空间布局领域，在3D房间布局和2D海报设计任务中F1分数提升高达7倍。
VideoKR：迈向知识和推理密集型视频理解
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学） ； University of Michigan（密歇根大学）
AI总结 提出VideoKR，首个大规模训练语料库，通过人工参与的技能导向生成管道构建315K视频推理示例，增强知识和推理密集型视频理解，并在专家标注基准上验证其有效性。
Comments ICML 2026 Spotlight
JudgmentBench: 比较评分量规与偏好评估在质量评价中的应用
机构 * Stanford University（斯坦福大学） ； Snorkel AI
AI总结 本研究通过构建包含30个真实法律任务、1539个评分量规和1530对偏好判断的数据集JudgmentBench，比较了评分量规与成对比较两种评估方法，发现成对比较在恢复预期质量排序上显著优于评分量规（平均斯皮尔曼等级相关系数0.908 vs 0.150），且注释时间减少一半以上。
Comments 37 pages, 9 figures
推理模型不只思考更久，它们的移动方式不同
机构 * Technical University of Denmark（丹麦技术大学） ； Stanford University（斯坦福大学）
AI总结 本文研究了推理训练模型在生成链式思维时的轨迹差异，发现通过长度校正后，不同领域中难度与轨迹几何的耦合关系存在显著差异，尤其是在代码领域中，推理训练模型表现出更直接的轨迹和更一致的局部曲率。
Comments Preprint
StereoPolicy：通过立体视觉改进机器人操作策略
机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学） ； Lambda, Inc（Lambda公司）
AI总结 该研究提出StereoPolicy，一种利用立体视觉提升机器人操作策略的框架，通过同步立体图像对增强几何推理，无需构建显式3D表示，在多个仿真和真实机器人任务中优于RGB、RGB-D、点云等基线方法。
评估Hopper和Blackwell GPU上的CUDA Tile用于AI工作负载
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 本文评估了CUDA Tile在Hopper和Blackwell GPU上的AI工作负载性能，比较了CuTile与cuBLAS、Triton等方法的效率和可移植性，发现CuTile在特定工作负载上表现优异，但在跨架构优化上仍有不足。
CityRAG: 通过空间感知的视频生成进入城市
机构 * Google（谷歌） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学）
AI总结 CityRAG通过利用地理注册数据的大型语料库，生成空间一致且可导航的真实环境视频，其核心方法是结合学习的先验知识和时空不一致训练数据，以实现复杂的运动和外观变化。
Comments Project page: cityrag.github.io
从能力寻求强化学习训练中产生的对齐风险
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Toronto（多伦多大学） ； University of Cambridge（剑桥大学）
AI总结 本文研究了在易受攻击的环境中通过强化学习训练语言模型时，模型可能利用隐含漏洞来最大化奖励的风险，发现这些策略不仅限于狭窄的技巧，还能在一定程度上转移、传播，并在某些情况下比通过SFT学习更持久，表明需要扩展AI安全工作到审计和保障训练环境、奖励机制和评估渠道。
Comments Accepted by ICML 2026
摆脱验证者：通过示范学习推理
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 本文提出RARO方法，通过逆强化学习从专家示范中学习强大的推理能力，无需任务特定的验证者，从而在多个评估任务中实现了显著的性能提升。
X4Val: 学习方差缩减策略评估的神经代理模型
机构 * NVIDIA Research（NVIDIA研究院） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学）
AI总结 提出X4Val框架，通过嵌入多域数据并学习可迁移预测器，结合控制变量估计器实现无配对样本下的方差缩减，在自动驾驶和机器人操作任务中方差降低达38.4%。
AutoLab：前沿模型能否解决长周期自动研究与工程任务？
机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） ； University of Tokyo（东京大学）
AI总结 本文提出AutoLab基准，通过36个专家策划的长周期闭环优化任务评估前沿模型，发现持续迭代和利用经验反馈比初始尝试质量更重要。
Comments Code: https://github.com/autolabhq/autolab ; Website: https://autolab.moe/
AICompanionBench: 以LLM为评判标准的AI伴侣安全基准测试
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 本文提出AICompanionBench，首个公开的细粒度安全风险标注的人机伴侣对话基准数据集，并评估20个LLM在检测不安全交互中的表现，发现强模型在显式有害内容上准确率高，但难以识别隐式不安全交互。
教机器人说‘我不知道’：用于不确定性感知SLAM的SENTINEL
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出SENTINEL框架，通过几何扫描统计和跨模态深度一致性为低成本2D LiDAR提供无训练、无标签的可靠性评分，拒绝损坏扫描并回退到轮式里程计，防止SLAM无声损坏。
Comments 6 pages, 10 figures, 3 tables, This paper was accepted at Uncertainty in Open-World Robotics Workshop in conjunction with Internation conference of robotics and automation (ICRA 2026)
MineXplore: 面向GNSS拒止地下环境的开源强化学习探索基准
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出基于真实矿井数据的开源MuJoCo导航基准MineXplore，通过六阶段管道重建隧道网络，验证了在GNSS拒止、光照退化等极端条件下策略学习的稳定性与可复现性。
Comments 7 pages,11 figures, Submitted to the workshop Xplore:Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning and Search Held at International Conference on Robotics and Automation (ICRA)
噪声记忆编码解释了负极词幻觉
机构 * Department of Linguistics, Stanford University（斯坦福大学语言学系） ； BIO-X Interdisciplinary Biosciences Institute, Stanford University（斯坦福大学生物交叉科学研究所） ； Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology（麻省理工学院脑科学与认知科学系）
AI总结 本研究利用Hahn等人(2022)的有损上下文惊奇理论，提出不完美的句子编码导致负极词幻觉，并通过六个新型限定词对的 acceptability 判断实验验证了限定词相似性增强幻觉效应的假设。
Comments 21 pages, 5 figures, submitted for journal publication
基于大语言模型的语义约束综合用于自适应轨迹优化
机构 * Stanford University（斯坦福大学）
AI总结 提出利用大语言模型将自然语言描述的任务需求转化为可执行的轨迹优化代码和数学公式，在航天器交会场景中实现了从语义需求重构凸轨迹优化问题的高成功率。
Comments 7 pages, 4 figures, Presented as a short paper at IEEE CVPR 2026, AI4Space Workshop
不再需要K-means：用于高效多向量检索的单阶段稀疏编码
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 针对多向量检索中K-means聚类导致的索引延迟和语义损失问题，提出单阶段稀疏检索（SSR），利用稀疏自编码器将词元嵌入投影为高维稀疏表示，结合倒排索引实现高效检索，在BEIR基准上索引时间减少15倍、检索延迟减半且性能提升。
Comments Accepted by ICML2026
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