高校专区
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。
用于少步生成的多掩码扩散语言模型
机构 * ByteDance Seed（字节跳动种子） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究针对掩码扩散模型少步生成难的问题，提出多掩码扩散模型MultiMDM，通过特定前向过程使反向过程有起草能力，推导训练目标并制定蒸馏方案，经实验验证其为少步生成提供了有效基础。
Comments Needs corporate approval
预测查询语言：一种用于关系数据库预测建模的领域特定语言
机构 * Kumo.ai, Stanford University（Kumo.ai，斯坦福大学）
AI总结 PQL是一种用于关系数据库预测建模的声明式语言，通过单个查询自动计算训练标签，支持多种机器学习任务，已在金融欺诈、推荐系统等领域应用。
Comments Presented at TaDA@VLDB2026
Journal ref TaDA@VLDB2026
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。
为扩散语言模型进行推理的简单策略梯度
机构 * Stanford University（斯坦福大学）
AI总结 本文提出 AGRPO 算法，通过优化 dLLM 的去噪步骤提升推理性能，实现多个任务上的显著增益。
Comments 19 pages. ICML 2026
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。
生成式增强推断
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 提出生成式增强推断（GAI）框架，将AI输出视为学习真实标签的高维信息特征而非代理，通过非参数方法建模，实现人机数据联合的一致估计和有效推断，在随机标注下渐近效率严格优于仅用人类数据。
用于有效规划和工具使用的流内智能体系统优化
机构 * Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； UC San Diego（圣地亚哥大学） ； Lambda Website（Lambda网站）
AI总结 研究针对大语言模型中工具增强方法的不足，提出可训练的流内智能体框架AgentFlow及Flow-GRPO训练方法，通过协调模块优化规划器，在多基准测试中表现优异，展现流内优化优势。
Comments 47 pages, 12 figures. ICLR 2026 Oral. Project website: https://agentflow.stanford.edu/
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
通过做梦进行发现：人工记忆中的跨域重组
机构 * University of Chicago（芝加哥大学） ； Santa Fe Institute（圣塔菲研究所） ； Stanford University（斯坦福大学）
AI总结 研究探讨人工记忆中跨域重组，通过在两个系统实现重组重播机制，发现跨域巩固创造价值，域内排练不然，符号系统跨域连接提升显著，神经系统在特定子任务有提高，验证了相关预测，表明巩固是为发现而非记忆。
Comments 38 pages, 13 figures, 7 tables
用于肌肉骨骼护理的基于证据的人工智能
机构 * Ruijin Hospital, College of Health Science and Technology, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院，健康科学技术学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学脑启发智能感知与认知教育部重点实验室） ； School of Basic Medical Sciences, Intelligent Medicine Institute, Fudan University（复旦大学基础医学院智能医学研究院） ； Department of Radiation Oncology, Stanford University School of Medicine（斯坦福大学医学院放射肿瘤学系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 研究针对肌肉骨骼护理中证据分散问题，提出基于大语言模型的OrthoPilot系统，整合多源数据进行持续管理。该系统在诊断推理等方面超越专家，优于其他智能系统，还提升了管理成功率和病床病例数等，推动临床人工智能实现纵向管理。
Comments All co-authors have now consented to the submission and approved the authorship
Assistax: 一个用于辅助机器人的多智能体硬件加速强化学习基准
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Assistax基准，利用JAX硬件加速和基于多智能体强化学习的辅助机器人任务，实现高达370倍加速，并测试机器人的零样本协调能力。
Comments Accepted at the Reinforcement Learning Conference 2026
将实体关系提取作为多轮问答
机构 * Computer Science Department, Stanford University（计算机科学系，斯坦福大学）
AI总结 研究提出将实体关系提取转化为多轮问答的新范式，利用问题查询信息、联合建模并借助机器阅读理解模型，在多个数据集上显著优于先前模型，在新构建的中文数据集RESUME上也表现最佳。
Comments to appear at ACL2019
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)
作为部分可观测马尔可夫决策过程的交互式任务对齐
机构 * Stanford University（斯坦福大学）
AI总结 研究语言模型在面对模糊用户任务时的任务对齐问题，引入基于部分可观测马尔可夫决策过程的框架，通过用户研究验证，发现模型任务对齐困难，训练能改善但仍落后于人类，揭示其缺乏关键交互能力。
KernelBench验证：大语言模型生成的内核真的能超越PyTorch吗？
机构 * Meta ； FAIR at Meta SuperIntelligence Lab（元超智能实验室公平团队） ； Stanford University（斯坦福大学）
AI总结 研究大语言模型生成的内核是否真能超越PyTorch，指出前沿模型存在奖励黑客行为。引入KernelBench-Verified扩展评估框架及内存效率指标，实验发现最佳模型加速比低，无模型始终超PyTorch，部分模型增加GPU内存峰值使用，强调持续调整评估协议的必要性。
压缩随机逼近的集中性和均方界：一种统一的基本方法
机构 * Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学）
AI总结 研究乘性噪声模型下任意范数压缩映射的随机逼近，提出统一基本分析方法，通过平均噪声序列等得到范数误差的李雅普诺夫漂移不等式，进而得出均方和集中性界，还讨论了证明技术的可推广性。
Comments Submitted to Stochastic Processes and their Applications
利用纳米束电子衍射的机器学习绘制半结晶聚合物中的取向
机构 * Department of Materials Science and Engineering, Stanford University（材料科学与工程系，斯坦福大学） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； National Center for Electron Microscopy, Molecular Foundry, Lawrence Berkeley National Laboratory（电子显微镜国家中心、分子发现所、伯克利国家实验室）
AI总结 研究利用机器学习模型从合成数据中检测聚合物衍射峰及其强度，相比传统相关峰检测算法，该模型速度更快且性能更优，为4DSTEM实验近实时可视化开辟可能，有助于理解有机混合离子电子导体结构与性能关系。
Comments Submitted to ACS Macromolecules. Main text is 13 pages and 5 figures, 23 pages and 15 figures with supporting information
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