高校专区
医生还会见你：论代理AI在医疗领域的结构性限制
机构 * Stanford University（斯坦福大学） ； University of Florida（佛罗里达大学） ； Montclair State University（蒙特克莱尔州立大学）
AI总结 本文探讨了代理AI在医疗领域应用中的结构性限制，指出技术期望、商业激励和临床约束的交汇对患者安全和责任归属产生实质性影响。
Comments 17 pages, 3 pages of appendix, 4 tables
SAGE: 适用于具身人工智能的可扩展代理3D场景生成
机构 * NVIDIA ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学）
AI总结 SAGE通过代理框架生成可扩展的3D环境，用于具身人工智能的策略训练和泛化能力提升。
Comments Project Page: https://research.nvidia.com/labs/dir/sage/
CMT：中期训练用于高效学习一致性、均流和流映射模型
机构 * Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团） ； Stanford University（斯坦福大学）
AI总结 CMT通过中期训练方法，实现流映射模型高效稳定训练，显著提升生成质量并减少训练成本。
Comments ICLR 2026. Code available at https://github.com/sony/cmt
DriftLite: 轻量级漂移控制用于扩散模型的推理时间缩放
机构 * Institute for Computational and Mathematical Engineering, Stanford University（计算与数学工程研究所，斯坦福大学） ； Department of Chemistry, Stanford University（化学系，斯坦福大学） ； Department of Mathematics, Stanford University（数学系，斯坦福大学） ； Center for Computational Mathematics, Flatiron Institute（计算数学中心，Flatiron研究所）
AI总结 DriftLite 提出了一种轻量级、无需训练的基于粒子的方法，通过实时引导推理动态，有效减少方差并提升样本质量，实现扩散模型的可扩展推理时间适应。
Comments Published at ICLR 2026 (https://openreview.net/forum?id=l01eG3Qikl)
vCache: 验证的语义提示缓存
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Munich（慕尼黑技术大学） ； ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学）
AI总结 vCache是一种具有用户定义误差率保证的验证语义缓存，通过在线学习算法动态优化阈值，实现更高的缓存命中率和更低的错误率。
Comments ICLR 2026 (accepted)
生成现实：基于交互式视频生成的人本世界模拟
机构 * Stanford University（斯坦福大学） ； NYU Shanghai（纽约大学上海分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出了一种基于交互式视频生成的人本世界模拟系统，通过结合头部和手部姿态控制，提升虚拟环境的交互性和用户控制感。
Comments Project page here: https://codeysun.github.io/generated-reality
在线平滑需求管理
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Stanford University（斯坦福大学） ； California Institute of Technology（加州理工学院）
AI总结 本文提出了一种在线平滑需求管理算法PAAD，通过分账与聚合决策策略，实现了最优竞争比率，并结合端到端学习提升性能。
Comments Accepted to SIGMETRICS '26. 65 pages, 11 figures
代理对抗问答：提升领域特定大语言模型
机构 * Stanford University（斯坦福大学） ； Polish Academy of Science, IBS PAN, Warsaw, Poland（波兰科学院、IBS PAN、华沙、波兰）
AI总结 本研究提出了一种对抗性问题生成框架，通过生成语义具有挑战性的问题来提升领域特定大语言模型的适应能力。
Comments 9 pages, 1 Figure
理解视觉语言模型的细粒度知识能力
机构 * Stanford University（斯坦福大学）
AI总结 本文研究了视觉语言模型在细粒度知识任务中的表现，发现更好的语言模型和视觉编码器对细粒度分类性能有显著影响，预训练阶段也至关重要。
视角游戏：学习协作平衡AI代理的安全性与自主性
机构 * Graduate School of Business（商学院） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种视角游戏框架，通过马尔可夫游戏模型平衡AI代理的安全性与自主性，减少开放环境中的安全违规。
一种基于人工智能的贝叶斯生成建模方法用于观察性研究中的因果推断
机构 * Department of Biostatistics, Yale University（耶鲁大学生物统计学系） ； Department of Statistics, Stanford University（斯坦福大学统计学系）
AI总结 CausalBGM通过学习个体特定的低维潜在特征集，提升高维协变量和大规模数据集中的因果推断性能。
深度神经网络梯度下降法的收敛性
机构 * Department of Statistics, Stanford University, USA（统计学系，斯坦福大学）
AI总结 本文提出一个局部PL准则，证明在特定条件下深度神经网络梯度下降法可收敛到零损失解，并通过构造性初始化加速优化过程。
Comments 30 pages, 3 figures. Numerical experiments added in this revision
回顾上下文学习用于大语言模型中的时间信用分配
机构 * Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学） ； Stanford University（斯坦福大学）
AI总结 本文提出利用大语言模型进行回顾上下文学习，以提高强化学习中时间信用分配的样本效率和泛化能力。
Comments Accepted to NeurIPS 2025
改进的基于注册和对比对齐的对象中心扩散学习
机构 * Sony AI（索尼人工智能） ； Stanford University（斯坦福大学） ； Sony Group Corporation（索尼集团）
AI总结 CODA通过注册槽位和对比对齐损失改进物体中心学习，提升物体发现、属性预测和图像生成性能。
Comments Accepted at ICLR 2026
多视图3D重建使用知识蒸馏
机构 * Stanford University（斯坦福大学）
AI总结 本文提出使用知识蒸馏方法，通过Dust3r生成的3D重建点训练学生模型，以提升多视图3D重建的效率和性能，最终发现视觉Transformer架构在视觉和定量指标上表现最佳。
Comments 6 pages, 10 figures
通过交错语义、音频和文本标记扩展开放离散音频基础模型
机构 * Stanford University（斯坦福大学） ； University of Southern California（南加州大学） ； University of Cambridge（剑桥大学）
AI总结 本文提出SODA模型，通过交错语义、音频和文本标记扩展开放离散音频基础模型，实现通用音频生成和跨模态能力。
无配对图像到图像翻译的自监督语义桥
机构 * Stanford University（斯坦福大学） ； LLNL（劳伦斯利弗莫尔国家实验室） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出自监督语义桥框架，通过整合外部语义先验实现无配对图像到图像翻译的高保真度，提升医学图像合成效果。
Comments 36 pages
语言与经验：复杂任务中的社会学习计算模型
机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出了一种计算模型，通过结合语言指导与直接经验，模拟复杂任务中的社会学习过程，并展示了人类与模型之间的知识传递机制。
Comments Code: github.com/ccolas/language_and_experience Demo: cedriccolas.com/demos/language_and_experience
Journal ref ICLR 2026; CogSci 2025
通过谈判评估语言模型的代理能力
机构 * EPFL（瑞士联邦理工学院） ； UGA（普罗万大学） ； CNRS（法国国家科学研究中心） ； LIG（里莫恩-盖朗实验室） ； Stanford University（斯坦福大学）
AI总结 通过谈判游戏评估语言模型的代理能力，发现封闭源模型更擅长完成任务，合作谈判游戏最具挑战性，且强模型可能输给弱对手。
Comments Accepted to ICLR 2024, code and link to project data are made available at https://github.com/epfl-dlab/LAMEN
MemoryArena：评估多会话代理任务中的代理记忆
机构 * Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； University of Pittsburgh（匹兹堡大学）
AI总结 MemoryArena是一个用于评估多会话代理任务中代理记忆的统一评估环境，揭示了现有长上下文记忆基准在代理任务中的不足。
自主检测机器人的世界模型故障分类与异常检测
机构 * Stanford University（斯坦福大学） ； Field AI
AI总结 本文提出了一种结合监督分类与异常检测的混合框架，用于自主检测任务中的故障分类和异常检测，实现了超过90%的准确率。
基于证据的专科推理：在2025年内分泌学委员会式考试上评估一个经过精心编纂的临床智能层
机构 * January AI ； Stanford University（斯坦福大学）
AI总结 本文提出基于证据的专科推理系统Mirror，在内分泌学考试中超越了现有LLM，展现出高准确率和证据可追溯性。
MAEB：大规模音频嵌入基准
机构 * Carleton University（卡尔顿大学） ； Durham University（杜伦大学） ； Stanford University（斯坦福大学） ； Aarhus University（奥胡斯大学） ； Indian Institute of Technology, Kharagpur（印度理工学院，卡里格普） ； Harvard University（哈佛大学）
AI总结 MAEB是一个涵盖多语言音频任务的基准，揭示了不同模型在音频与语言任务上的性能差异，展示了音频编码器在跨模态任务中的表现关联性。
VDLM: 通过鲁棒的潜在到文本渲染实现变量扩散语言模型
机构 * Stanford University（斯坦福大学）
AI总结 VDLM通过分离语义规划与文本渲染，利用嵌入空间后训练和鲁棒解码技术，在扩散语言模型中实现更高效的多步推理和长形式生成。
在视觉-语言-动作对齐中，验证比策略学习更具效率
机构 * Stanford University（斯坦福大学） ； NVIDIA Research（NVIDIA研究）
AI总结 本文提出CoVer-VLA验证方法，通过测试时验证在视觉-语言-动作对齐中实现22%的在分布和13%的分布外收益，同时在现实世界实验中进一步提升45%。
利用潜在文本干预进行因果效应估计
机构 * School of Computer Science and Engineering, The Hebrew University of Jerusalem（计算机科学与工程学院，特拉维夫大学） ； Department of Economics, Stanford University（斯坦福大学经济系） ； Graduate School of Business, Stanford University（斯坦福大学商学院）
AI总结 本文提出了一种端到端流程，通过稀疏自编码器生成假设并引导，结合协变量残差化方法，解决文本作为治疗实验中的因果效应估计问题。
误差图与误差图谱：大型语言模型失败景观的绘制
机构 * IBM Research（IBM研究院） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院）
AI总结 ErrorMap和ErrorAtlas通过分析LLM失败原因，揭示模型弱点，为模型改进和评估提供更深入的洞察。
强大的ToRR：表格推理与鲁棒性基准
机构 * IBM Research（IBM研究院） ； Bar-Ilan University（巴伊兰大学） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院）
AI总结 ToRR基准通过评估模型在不同表格格式和提示下的表现，揭示了表格推理任务中模型的鲁棒性问题，强调多格式测试对评估模型能力的重要性。
对不起，我没听清那个：语音模型忽视最关键的东西
机构 * TogetherAI ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学）
AI总结 该研究发现语音模型在现实应用中对高风险短语音转录存在显著误差，通过合成数据生成方法显著提升了非英语主要说话人的转录准确性。
Comments Preprint
利用欧几里得距离矩阵的卫星自主钟故障监测（基于星间距离）
机构 * Department of Aeronautics and Astronautics, Stanford University, California, United States（航空与航天系，斯坦福大学，加州，美国）
AI总结 本文提出利用欧几里得距离矩阵检测卫星钟故障的方法，适用于月球卫星网络，无需先验知识，通过奇异值监测实现故障识别。
Comments This manuscript was submitted to the NAVIGATION: Journal of the Institute of Navigation
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