高校专区
IMPASTO：整合基于模型的规划与学习的动力学模型用于机器人油画复现
机构 * Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学）
AI总结 IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。
基于大语言模型的运动轨迹生成与验证的自一致性
机构 * Stanford University（斯坦福大学）
AI总结 本文提出利用自一致性技术提升大语言模型生成运动轨迹的准确性，通过聚类和几何变换实现轨迹的一致性验证，提升生成精度4-6%并验证精度11%。
Comments Accepted to CVPR 2026
月球太阳能板的长距离机器人清洁
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种小型移动机器人，配备长距离可展开臂和可更换清洁工具，用于月球太阳能板的温和清洁，减少人工干预，通过 compliant wrist 和速度基 admittance 控制器实现稳定接触。
Comments Extended abstract, 4 pages, 3 figures, accepted to and presented at the Sustainable Space Robotics Workshop at iSpaRo 2025
长距离机器人操作用于月球结构的装配与布线
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种紧凑且长距离的机器人操作装置，用于月球结构的装配与布线任务，通过减少结构变形和振动提高操作精度。
Comments 7 pages, 6 figures, to appear in the proceedings of iSpaRo 2025
LatentPilot: 通过潜意识视觉推理进行场景感知的视觉-语言导航
机构 * University of Science and Technology of China（中国科学技术大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Stanford University（斯坦福大学） ； Amap, Alibaba Group（阿里巴巴集团高德地图） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 LatentPilot通过利用未来观测作为训练数据源，学习动作条件的视觉动态，无需访问未来帧即可实现场景感知的视觉-语言导航，实验在多个基准上取得新SOTA结果。
Comments Project page:https://abdd.top/latentpilot/
GenFusion：通过渐进性规范空间更新实现前馈人体性能捕捉
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种前馈人体性能捕捉方法，通过单目RGB流生成表演者的新型视角。通过渐进式规范空间更新，利用时间连续性积累外观信息，实现更精确的重建与合成。
通过专家混合和参数高效微调实现可推广的 calorimetry 基础模型
机构 * RNET Technologies Inc.（RNET技术公司） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； Stanford University（斯坦福大学）
AI总结 本文提出一种基于next-token transformer的可推广calorimetry基础模型，结合专家混合预训练和参数高效微调，实现模块化适应不同材料和粒子类型，提升模拟效率和扩展性。
Comments 18 pages, 11 figures, 1 table
具有容错性和通信效率的分布式训练：压缩和循环梯度编码
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Stanford University（斯坦福大学） ； Swiss Federal Institute of Technology in Lausanne (EPFL)（洛桑联邦理工学院）
AI总结 本文提出LAD方法，通过循环梯度编码提升分布式训练在拜占庭攻击下的鲁棒性，并引入Com-LAD进一步降低通信开销。
MultiGen：扩散游戏引擎中可编辑多人世界的层级设计
机构 * Stanford University（斯坦福大学） ； Google（谷歌）
AI总结 本文提出MultiGen，通过引入显式外部内存模块，实现可编辑多人世界中的环境控制与共享推理，提升交互性和一致性。
Comments Project page here: https://ryanpo.com/multigen/
视觉语言模型是感知还是记忆？通过经典视觉错觉探测视觉感知与记忆
机构 * Stanford University（斯坦福大学） ； University of Strasbourg（斯特拉斯堡大学） ； Technical University of Munich（慕尼黑工业大学）
AI总结 本文通过经典视觉错觉研究视觉语言模型的感知与记忆机制，提出VI-Probe框架，揭示不同模型对视觉变化的响应来源，挑战单一原因观点。
Comments 26 pages, 31 figures, 13 tables. Project Page: https://sites.google.com/view/vi-probe/
QuestA: 通过问题增强扩展大语言模型的推理能力
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Amazon（亚马逊） ； Stanford University（斯坦福大学）
AI总结 QuestA通过问题增强策略在训练中引入部分解以降低问题难度，提升大语言模型在数学推理任务中的推理能力，取得新的SOTA结果。
Comments 25 pages, 18 figures, ICLR 2026
通过Softmax平滑对最优政策值及其他不规则函数进行推断
机构 * Stanford University（斯坦福大学） ； Harvard University（哈佛大学）
AI总结 本文提出一种基于Softmax平滑的估计方法，用于推断最优治疗政策的价值，适用于静态和动态治疗方案，仅需拟合常数数量的 nuisance 模型，并在无治疗非响应概率时具有统计效率。
Comments 82 pages, 4 figures, 1 table
MindCube：从有限视角构建空间心理模型
机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学） ； University of Washington（华盛顿大学）
AI总结 本文通过MindCube基准测试，探讨视觉语言模型能否从有限视角构建空间心理模型，提出'map-then-reason'方法提升模型性能，实现从37.8%到61.3%的准确率提升。
Comments The latest version includes an expanded discussion of scaffolding, along with updated data statistics and experimental results
通过创建注释项目仓库预测阅读理解题难度
机构 * Stanford University（斯坦福大学）
AI总结 本文通过创建包含阅读材料和学生成绩数据的注释仓库，利用惩罚回归模型预测项目难度，同时结合LLM嵌入进一步提升预测性能，为阅读理解题的分类和过滤提供工具。
CoPE-VideoLM：利用编解码器原语实现高效的视频语言建模
机构 * Microsoft Spatial AI Lab（微软空间人工智能实验室） ； Stanford University（斯坦福大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出CoPE-VideoLM，通过利用视频编解码器原语（如运动矢量和残差）减少计算开销，提升视频语言模型的效率和性能。
Comments Project Page: https://microsoft.github.io/CoPE
迈向医疗AI科学家
机构 * The Chinese University of Hong Kong（香港中文大学） ； Lehigh University（里海大学） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院）
AI总结 本文提出医疗AI科学家框架，通过临床工程师协同推理机制生成可落地的医学研究想法，并基于结构化医学规范和伦理政策撰写论文，验证其在171案例、19临床任务和6种数据模态中的高质量表现。
Synonymix：生成模拟的统一群体人格
机构 * Stanford University（斯坦福大学）
AI总结 本文提出Synonymix，通过图抽象和融合构建统一群体人格，实现群体层面的交互与模拟，验证了在社会调查中保留行为信号并保障隐私。
Comments 6 pages (excluding appendix), 3 figures, CHI'26 Extended Abstract (Poster)
RINO：旋转不变非刚性对应
机构 * TUM（慕尼黑工业大学） ； Stanford University（斯坦福大学） ； MCML（慕尼黑机器学习中心） ； MIT（麻省理工学院）
AI总结 本文提出RINO框架，通过旋转不变的特征提取器实现非刚性形状匹配，无需预对齐或手工特征，提升非等距变形等任务的性能。
Comments 17 pages, 36 Figures, Computer Vision and Pattern Recognition (CVPR) 2026
Journal ref Computer Vision and Pattern Recognition (CVPR) 2026
合成混合训练：在RAG之上扩展参数化知识获取
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； University of Washington（华盛顿大学）
AI总结 本文提出合成混合训练方法，结合合成问答和文档，通过互补训练信号提升模型性能，在QuaLITY基准上实现4.4%的相对提升。
Project Imaging-X：1000多个开放访问医学影像数据集的调查
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Institute of Optics and Fine Mechanics（上海光学精密机械研究所） ； Fudan University（复旦大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fuzhou University（福州大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Incept Labs ； Monash University（莫纳什大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与产业研究院） ； Shanghai Academy of Artificial Intelligence for Science（上海科学智能研究院） ； Nankai University（南开大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） ； School of Informatics, Xiamen University（厦门大学信息学院） ； University College London（伦敦大学学院） ； Sun Yat-sen University（中山大学） ； Alibaba Group, DAMO Academy, New York, NY, USA（阿里巴巴集团达摩院（纽约）） ； Tongji University（同济大学） ； University of Toronto（多伦多大学） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Johns Hopkins University（约翰霍普金斯大学） ； Arizona State University（亚利桑那州立大学） ； Academy for Clinical Innovation and Translation of Shanghai（上海临床创新转化研究院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（阿尔托大学） ； Shandong University（山东大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 本文调查了1000多个开放访问医学影像数据集，揭示了其规模小、任务碎片化和分布不均的问题，并提出元数据驱动融合方法和交互发现门户，为医学影像数据集的整合和基础模型发展提供路线图。
Comments 157 pages, 19 figures, 26 tables. Project repo: \url{https://github.com/uni-medical/Project-Imaging-X}
GaussFusion: 通过几何引导的视频生成提升野外3D重建
机构 * Stanford University（斯坦福大学） ； Zillow Group（Zillow集团）
AI总结 GaussFusion通过几何引导的视频生成技术改进3DGS重建，解决常见伪影问题，提供更鲁棒的3D重建方法，实现在新型视图合成中的最佳性能。
Comments CVPR 2026 main paper camera-ready. Project page: http://research.zhuliyuan.net/projects/GaussFusion/
你的代理的GPA是多少？一个评估代理目标-计划-行动对齐的框架
机构 * BASIS Independent Silicon Valley Upper School（BASIS独立硅谷高中） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系）
AI总结 本文提出Agent GPA框架，通过评估代理目标、计划和行动的对齐性，验证其在多代理、单代理和企业数据代理中的有效性，展示了高误差覆盖和调试定位能力。
代理情境工程：为自我改进语言模型演化情境
机构 * Stanford University（斯坦福大学） ； SambaNova Systems, Inc.（SambaNova Systems公司） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出ACE框架，通过生成、反思和整理的模块化过程，使情境持续进化，提升语言模型在代理和领域推理中的性能，减少适应延迟和成本。
Comments ICLR 2026; 32 pages
超越识别：评估视觉语言模型中的视觉视角理解
机构 * University of Warsaw（华沙大学） ； Polish Academy of Sciences（波兰科学院） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； IDEAS NCBR ； Lute
AI总结 本文通过144个视觉任务评估VLMs的视觉视角理解能力，发现模型在场景理解上表现优异，但在空间推理和视角理解上存在明显不足。
Comments Accepted at CVPR 2026 Findings
BRIDGE：用于评估大语言模型理解现实世界临床实践文本的基准测试
机构 * Brigham and Women's Hospital（布莱根妇女医院） ； Harvard Medical School（哈佛医学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Mayo Clinic（梅奥诊所） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Kempner Institute for the Study of Natural and Artificial Intelligence（肯普纳自然与人工智能研究所） ； Broad Institute of MIT and Harvard（博德研究所） ； Harvard Data Science Initiative（哈佛数据科学计划）
AI总结 本文提出BRIDGE基准测试，涵盖9种语言的87项任务，涵盖患者护理全过程的六个临床阶段和20种应用，评估95种LLM在不同推理策略下的性能差异，展示开源模型与专业模型的性能对比。
用卫星影像和生成式AI展望全球城市发展
机构 * Singapore–MIT Alliance for Research and Technology Centre (SMART)（新加坡-麻省理工学院研究与技术联盟中心） ； Department of Urban Planning, Tsinghua University（清华大学城市规划系） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology（麻省理工学院城市研究与规划系） ； College of Urban and Environmental Sciences, Peking University（北京大学城市与环境学院） ； Department of Urban and Regional Planning, University of Florida（佛罗里达大学城市与区域规划系） ； Stanford Institute for Human-Centered Artificial Intelligence, Stanford University（斯坦福大学以人为本人工智能研究所）
AI总结 本文提出一种多模态生成式AI框架，通过整合提示和地理空间控制，生成全球500个最大都会区的高保真城市卫星影像，支持可持续城市发展和场景规划。
arg-VU：结合物理感知的3D几何进行视觉理解的意图推理
机构 * University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校） ； Stanford University（斯坦福大学）
AI总结 arg-VU通过整合时间一致的几何跟踪与约束诱导的机械建模，提升手术场景中变形组织的意图推理能力，实现更稳定和物理一致的预测。
纠缠作为记忆：量子语言模型的机制可解释性
机构 * Stanford University（斯坦福大学）
AI总结 研究通过因果门消融、纠缠追踪和密度矩阵交换干预，揭示量子语言模型在长程依赖任务中单量子比特与双量子比特模型的机制差异及噪声-表达性权衡。
Comments 9 pages, 5 figures, 7 tables
高效检测劣质基准项目：基于新颖可扩展系数的方法
机构 * Stanford University, CA, United States（斯坦福大学，美国加利福尼亚州） ； Harvard University, MA, United States（哈佛大学，美国马萨诸塞州）
AI总结 本文提出基于交叉项目等比回归的非参数可扩展系数，用于高效检测全球劣质项目，通过Kendall's τ保持关联方向，实现无假设线性或参数模型的项目评分。
PISCO：具有稀疏控制的精确视频实例插入
机构 * Stanford University（斯坦福大学）
AI总结 本文提出PISCO模型，通过稀疏关键帧控制实现精确视频实例插入，解决传统视频编辑中对空间时间定位、物理一致性及动态保持的挑战，采用变量信息引导和分布保持时间遮罩技术提升生成稳定性。
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