高校专区
通过结合学习型控制器和安全控制器提高地下环境中四旋翼的鲁棒性
机构 * Stanford Intelligent Systems Laboratory, Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系）
AI总结 本研究通过结合学习型和安全控制器，提高四旋翼在地下环境中的鲁棒性，实现任务完成与碰撞避免的平衡。
Comments Accepted and awarded best paper at the 11th International Conference on Control, Decision and Information Technologies (CoDIT 2025 - https://codit2025.org/)
代理开发是否能反映现实世界的工作？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学）
AI总结 本文研究了代理开发与现实工作分布的匹配程度，揭示了代理开发与人类劳动力分布的不匹配，并提出了三个原则以改进基准设计。
SAHOO：递归自我改进中高阶优化目标的安全保障
机构 * MARS 4.0 Fellowship, Cambridge AI Safety Hub(CAISH), University of Cambridge（剑桥大学） ； AWS Generative AI Innovation Center, Amazon Web Services, USA（亚马逊网络服务） ； Google, USA（谷歌） ； Stanford University（斯坦福大学） ； Northeastern University, Seattle, WA, USA（东北大学）
AI总结 SAHOO通过三种保障措施实现递归自我改进中高阶优化目标的安全保障，显著提升代码生成和推理质量，同时保持约束和事实性。
Comments Published at ICLR 2026 Workshop on AI with Recursive Self-Improvement. 20 pages, 5 figures
潜在转移攻击：通过生成性潜在空间进行对抗示例
机构 * Independent Researcher（独立研究者） ； Tel-Aviv University（特拉维夫大学） ； Stanford University（斯坦福大学） ； Bar Ilan University（巴伊兰大学） ； NVIDIA Research（NVIDIA研究） ； New York University（纽约大学）
AI总结 LTA通过生成性潜在空间优化对抗扰动，提升跨架构转移效果，生成低频、连贯的扰动，增强鲁棒性评估与生成先验的结合。
从人机交互中学习下一步动作预测器
机构 * Stanford University（斯坦福大学） ； Hasso Plattner Institute（哈索普拉特纳研究所） ； New York University（纽约大学）
AI总结 本文提出LongNAP模型，通过结合参数化和上下文学习，从用户行为的完整上下文中预测下一步动作，显著优于传统方法。
Comments 32 pages, 10 figures, see https://generalusermodels.github.io/nap
EmboAlign：通过组合约束对齐视频生成以实现零样本操控
机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学）
AI总结 EmboAlign通过视觉语言模型生成组合约束，对齐视频生成模型输出，提升零样本机器人操控的成功率。
即时目标：一种专门化人工智能交互的一般方法
机构 * Stanford University（斯坦福大学） ； University of Washington（华盛顿大学）
AI总结 本文提出即时目标方法，通过动态目标诱导提升AI交互的专门化性能，实验表明其在任务处理和质量评估上优于常规LLM。
Comments Accepted at CHI 2026
Phys2Real: 融合视觉语言模型先验与交互在线适应以实现不确定性感知的仿真到现实操控
机构 * Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学）
AI总结 Phys2Real通过融合视觉语言模型先验与交互适应，提升仿真到现实操控的不确定性感知与任务成功率。
Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026
通过系统级DPO对复合AI系统进行对齐
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） ； Mila Quebec AI Institute（魁北克AI研究院）
AI总结 本文提出SysDPO框架，通过系统级DPO实现复合AI系统的联合对齐，解决了组件间非可微分交互和系统偏好转换的问题。
Comments NeurIPS 2025
迈向具有偏见限制的LLM评判系统的可证明无偏评判
机构 * Stanford University（斯坦福大学） ； New York University（纽约大学）
AI总结 本文提出平均偏见限制框架，通过可验证的偏见限制保证，提升LLM评判系统的公平性与可靠性。
RealWonder: 基于实时物理动作的视频生成
机构 * Stanford University（斯坦福大学） ； University of Southern California（南加州大学）
AI总结 RealWonder通过物理模拟实现实时动作条件视频生成，利用3D重建、物理模拟和简化视频生成器，在单张图像基础上生成高质量视频，适用于多种物理场景。
Comments The first two authors contributed equally. The last two authors advised equally. Project website: https://liuwei283.github.io/RealWonder/
竞争多运营商强化学习用于联合定价和车队再平衡在AMoD系统中
机构 * Technical University of Denmark（丹麦技术大学） ； Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学）
AI总结 本文提出多运营商强化学习框架，研究竞争对AMoD系统定价和车队再平衡策略学习的影响，实验显示竞争可使价格降低并产生不同的车队布局模式。
重放预训练数据提高微调
机构 * Stanford University（斯坦福大学）
AI总结 通过重放预训练数据提升微调效果，提高目标任务性能
学习驾驶是免费礼物：从未经处理的现实视频中进行大规模无标签自主性预训练
机构 * Applied Intuition ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出一种无标签、教师引导的框架，通过未经处理的现实视频学习自动驾驶表示，无需姿态、标签或LiDAR，实现高效的自动驾驶感知和规划。
Comments Accepted at CVPR 2026
通过神经算子实现软机器人无限维闭环逆运动学
机构 * Department of Mechanical Engineering, Stanford University（机械工程系，斯坦福大学） ； Institute of Applied Mechanics, Friedrich-Alexander-Universität Erlangen–Nürnberg（应用力学研究所，弗赖堡-艾尔兰根-纽伦堡大学） ； Cognitive Robotics Department, Delft University of Technology（认知机器人系，代尔夫特理工大学）
AI总结 本文提出通过神经算子网络解决软机器人无限维闭环逆运动学问题，结合驱动到形状的映射与形状到任务的映射，实现基于雅可比的CLIK算法。
端到端事件重建用于未来对撞机的精确物理
机构 * European Center for Nuclear Research (CERN)（欧洲核子研究中心） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种端到端的事件重建方法，通过结合几何代数变换网络和对象凝聚聚类，提高了对撞机实验中事件重建的精度和效率。
WebDS: 一种端到端的基于网络的数据科学基准
机构 * Stanford University（斯坦福大学） ； Pinetree Research（Pinetree研究公司） ； University of California, Berkeley（加州大学伯克利分校） ； Singapore University of Technology and Design（新加坡科技设计大学） ； University of Southern California（南加州大学）
AI总结 WebDS提出了一种端到端的基于网络的数据科学基准，旨在评估代理在复杂多步骤任务中的表现，揭示当前LLM在实际数据科学任务中的性能差距。
Comments 14 pages, ICLR 2026
Merlin：一种计算断层扫描视觉-语言基础模型和数据集
机构 * Stanford University（斯坦福大学） ； Stanford Center for Artificial Intelligence in Medicine and Imaging（斯坦福大学医学与成像人工智能中心） ； Department of Electrical Engineering（电气工程系） ； University of California Berkeley（加州大学伯克利分校） ； Department of Radiology（放射科） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Hospital Israelita Albert Einstein（以色列特医院阿尔伯特·爱因斯坦医院）
AI总结 Merlin是一种基于3D视觉-语言模型的医学影像分析工具，通过多阶段预训练框架，实现了对腹部CT扫描、电子健康记录和放射科报告的综合学习，提升了医学影像分析的自动化水平。
Comments Nature (2026)
浅层胜出：潜在推理中的沉默失败与深度-准确性悖论
机构 * Independent（独立研究者） ； AWS Generative AI Innovation Center, Amazon Web Services（亚马逊生成AI创新中心，亚马逊网络服务） ； Meta AI ； Stanford University（斯坦福大学） ； Northeastern University, Seattle, WA, USA（东北ern大学，西雅图，华盛顿州，美国）
AI总结 研究揭示数学推理模型在深度增加时准确率无提升，且存在大量不可靠推理路径，需改革评估方法以衡量稳定性。
Comments Accepted at ICLR 2026 Workshop on Latent & Implicit Thinking - Going Beyond CoT Reasoning. 19 Pages and 5 Figures
神经符号解码神经活动
机构 * Columbia University（哥伦比亚大学） ； Stanford University（斯坦福大学）
AI总结 NEURONA通过结合符号推理与fMRI基础，提升神经活动解码的准确性和泛化能力。
Comments ICLR 2026. First two authors contributed equally
HumanLM: 通过状态对齐模拟用户优于响应模仿
机构 * Stanford University（斯坦福大学） ； New York University（纽约大学）
AI总结 HumanLM通过状态对齐模拟用户，优于响应模仿，显著提升对齐分数和真实用户相似性。
Comments 27 pages, 17 figures, 9 tables
法律RAG基准测试：AI立法调研的潜力与局限
机构 * Stanford University（斯坦福大学）
AI总结 本文评估了三种新兴工具在法律RAG基准测试中的表现，发现STARA性能显著提升，而商业平台表现不佳，同时揭示了DOL律师的遗漏问题，并提出了法律RAG的未来设计原则。
Comments Accepted at the 5th ACM Symposium on Computer Science and Law (CS&Law '26)
基于深度学习的3D建模：综述
机构 * Stanford University（斯坦福大学） ； Computational Design Institute（计算设计研究所）
AI总结 本文综述了深度基于草图的3D建模（DS-3DM）的最新进展，提出了MORPHEUS设计空间，强调了跨学科研究的机会和用户导向方法的重要性。
QDFlow：用于量子点器件物理模拟的Python包
机构 * Joint Center for Quantum Information and Computer Science, University of Maryland, College Park, MD 20742, USA（联合量子信息与计算机科学中心，马里兰大学，学院公园，MD 20742，美国） ； National Institute of Standards and Technology, Gaithersburg, MD 20899, USA（国家标准与技术研究院，加斯比尔，MD 20899，美国） ； Department of Physics, University of Maryland, College Park, MD 20742, USA（物理系，马里兰大学，学院公园，MD 20742，美国） ； Department of Physics, Stanford University, Stanford, CA 94305, USA（物理系，斯坦福大学，斯坦福，CA 94305，美国） ； Axiomatic AI, Inc., Cambridge, MA 02139, USA（Axiomatic AI 公司，剑桥，MA 02139，美国）
AI总结 QDFlow是一个开源Python包，通过生成具有真实标签的合成数据，为量子点器件的物理模拟和机器学习研究提供支持。
Comments 19 pages, 6 figures
Journal ref SciPost Phys. Codebases 65 (2026)
上下文化隐私防御用于大语言模型代理
机构 * Tsinghua University（清华大学） ； Stanford University（斯坦福大学） ； Microsoft（微软）
AI总结 本文提出上下文化防御指导（CDI），通过强化学习优化框架，在大语言模型代理执行中主动塑造隐私保护与有用性之间的平衡。
Comments 25 pages
OCR 或不是？在 MLLMs 时代重新思考文档信息提取：基于真实世界的大规模数据集
机构 * SAP（SAP公司） ； Stanford University（斯坦福大学）
AI总结 本文探讨了在 MLLMs 时代是否仍需 OCR，通过大规模数据集评估发现，仅图像输入可达到与 OCR 增强方法相当的性能，并展示了通过精心设计的模式、示例和指示可进一步提升 MLLMs 的表现。
VeriStruct：基于AI的Verus数据结构模块自动化验证框架
机构 * Stanford University（斯坦福大学） ； School of Computer Science, Peking University（北京大学计算机学院） ； Microsoft Research（微软研究院）
AI总结 VeriStruct通过AI辅助自动化验证技术，实现了对数据结构模块的高效验证，成功验证了99.2%的函数。
频谱调节：面向分布覆盖和上下文可引导性的后训练
机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出Spectrum Tuning方法，通过Spectrum Suite提升模型在多样化分布下的引导能力和输出空间覆盖性。
Comments ICLR 2026
D2E：在桌面数据上扩展视觉-动作预训练以迁移到具身AI
机构 * Stanford University（斯坦福大学） ； Seoul National University（首尔国立大学）
AI总结 D2E通过桌面数据预训练，实现了具身AI任务的有效迁移，其框架包含三个组件，展示了在物理操作和导航任务中的高性能表现。
Comments Accepted to ICLR 2026
针对体力活动的定制行为改变信息：整合上下文老虎机和大型语言模型
机构 * University of Toronto（多伦多大学） ； Ludwig Boltzmann Institute for Digital Health（卢德维希·玻尔兹曼数字健康与预防研究所） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种结合上下文老虎机和大型语言模型的混合方法，用于个性化体力活动干预，通过动态上下文因素优化信息内容，提升干预效果和可解释性。
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