高校专区
回答之前先解释：组合视觉推理综述
机构 * Monash University（墨尔本大学） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Griffith University（格里菲斯大学） ； Princeton University（普林斯顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
AI总结 综述2023年至2025年组合视觉推理文献，形式化核心定义，追溯范式转变，编目基准指标，提炼见解、识别挑战并概述方向，为该领域提供统一分类、历史路线图和批判性展望。
Comments Project Page: https://github.com/pokerme7777/Compositional-Visual-Reasoning-Survey
基于物理的多智能体动力学世界模型基准
机构 * Texas A&M University（德克萨斯大学） ； University of Minnesota（明尼苏达大学） ； Marquette University（马奎特大学） ； Yale University（耶鲁大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学）
AI总结 提出CrashTwin框架，通过多智能体碰撞场景数据集和校准无关重建流程，从时空一致性、动量与动能守恒、世界动力学完整性三个维度评估世界模型的物理可信度。
Comments 34 pages, 9 figures, 12 tables
EgoVerse：一个用于机器人学习的视点人类数据集
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学） ； University of California San Diego（加州大学圣地亚哥分校） ； ETH Zürich（苏黎世联邦理工学院） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Meta Reality Labs Research（Meta现实实验室） ； Mecka AI ； Scale AI
AI总结 EgoVerse通过统一的数据收集、处理和访问框架，提供丰富的人类操作行为数据，促进机器人学习，并通过大规模研究验证了人类数据与机器人学习目标的一致性对性能的影响。
隐藏状态隐私存在空中间
机构 * Stanford University（斯坦福大学）
AI总结 通过理论下界和实验证明，高斯释放机制在隐藏状态隐私中无法同时实现中等效用和隐私，存在空中间区域，并提出了对角逆Fisher机制作为最优解。
Comments 74 pages, 61 figures
通过场景自我探索进行视图规划
机构 * Northwestern University（西北大学） ； University of Washington（华盛顿大学） ； Microsoft（微软） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 提出ViewSuite基准测试揭示VLM在多步视图规划中的不足，并设计迭代框架通过自我探索和视图图蒸馏将Qwen2.5-VL-7B的交互式视图规划准确率从2.5%提升至47.8%。
TRACE: 面向能力的代理训练
机构 * Stanford University（斯坦福大学）
AI总结 TRACE通过对比成功与失败轨迹自动识别能力缺失，合成针对性训练环境并利用RL训练适配器，提升代理在不同环境中的表现。
线性高斯带中先验扩散性与遗憾值
机构 * Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系）
AI总结 研究线性高斯带中汤普森采样的贝叶斯遗憾值，通过新引理证明其遗憾值表达式，表明先验相关‘预热’项与极小极大遗憾值可加性解耦，还给出下限说明‘预热’项不可避免。
图谱是理想上下文：用于可泛化基础医学图像分割的一次性定制
机构 * Nanjing University（南京大学） ； The Ohio State University（俄亥俄州立大学） ； Stanford University（斯坦福大学）
AI总结 研究医学图像中解剖结构分割问题，提出图谱引导框架AtlasSegFM，通过图谱查询配准生成提示，用冻结基础模型细化分割，经自适应融合模块结合图谱先验与模型输入及预测，实现一次性定制。
Comments ECCV 2026
用于扩散过程随机控制的自适应划分与学习
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 研究无界连续状态空间等设定下扩散过程的强化学习，引入基于模型算法自适应划分联合状态-动作空间，平衡探索与近似，分析得出依赖多因素的遗憾界并验证方法有效性。
大语言模型分别编码有害性和拒绝性
机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学）
AI总结 研究大语言模型对有害性的理解，发现其有害性和拒绝性在模型内分别编码，有害性方向与拒绝方向不同，据此揭示越狱方法原理及对抗微调影响，提出潜在危害表示的安全应用。
MAD-PINN：一种用于安全和最优多智能体控制的分散式物理信息机器学习框架
机构 * Center for Cyber-Physical Systems, Indian Institute of Science（印度科学研究院中心 for 联合体系统） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与航天工程系）
AI总结 针对大规模多智能体系统安全与性能协同优化难题，提出MAD-PINN框架。利用基于上图的公式化方法，通过物理信息神经网络近似求解，采用分散训练与执行策略，实验表明其性能优越且具可扩展性。
Comments 9 Pages, 4 Figures, 4 Tables. First two authors have contributed equally
具有软约束和硬约束的交互式多目标概率偏好学习
机构 * Department of Computer Science（计算机科学系） ； Stanford University（斯坦福大学）
AI总结 研究高风险决策中多目标平衡问题，提出Active-MoSH框架，其局部组件结合概率偏好学习与主动采样，全局组件利用多目标敏感性分析，提升决策信心，通过实验验证其性能优势。
Comments 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026)
MambaCapsule：使用Mamba胶囊网络实现基于心电图的透明心脏病诊断
机构 * State Key Laboratory of Transvascular Implantation Devices and TIDRI, Zhejiang University（浙江大学血管介入关键实验室及TIDRI） ； School of Public Health, Zhejiang University and Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江大学公共卫生学院及浙江省医学影像人工智能重点实验室） ； State Key Laboratory of Transvascular Implantation Devices of The Second Affiliated Hospital and Liangzhu Laboratory, Zhejiang University（浙江大学第二附属医院血管介入关键实验室及梁渚实验室） ； Department of Gastroenterology, First Hospital of Quanzhou Affiliated to Fujian Medical University（福建医科大学泉州第一医院消化内科） ； School of Medicine, Stanford University（斯坦福大学医学院）
AI总结 研究针对心律失常诊断模型缺乏透明度问题，提出MambaCapsule网络，用Mamba提取特征、胶囊网络预测，通过重构心电图信号增强可解释性，在数据集上取得高准确率。
双模糊概率区间语言术语集及基于马尔可夫过程的动态模糊决策模型在多准则群体决策中的应用
机构 * Stanford University（斯坦福大学）
AI总结 针对概率语言术语缺陷及动态属性权重确定难问题，提出双模糊概率区间语言术语集概念，定义相关内容，开发模糊语言马尔可夫矩阵等，给出权重确定方法，并用金融风险投资案例说明其在多准则决策中的应用。
Comments submitted to IEEE Transactions on Fuzzy Systems
无线胶囊内镜的计算成像先验：蒙特卡洛引导的血红蛋白映射用于罕见异常检测
机构 * Department of Biomedical Engineering, University of Texas Southwestern Medical Center（生物医学工程系，德克萨斯西南医学中心） ； Department of Internal Medicine, University of Texas Southwestern Medical Center（内科系，德克萨斯西南医学中心） ； Department of Radiation Oncology, Stanford University（放射肿瘤学系，斯坦福大学） ； VELVETECH, LLC（VELVETECH公司） ； Division of Digestive and Liver Diseases, Clements University Hospital（消化和肝病系，克莱门斯大学医院） ； Internal Medicine, Division of Digestive and Liver Diseases, Parkland Hospital（内科，消化和肝病系，帕克兰医院）
AI总结 本文提出基于蒙特卡洛启发的分析先验方法，通过融合RGB信号与提取分类器，提升无线胶囊内镜在罕见异常检测中的性能，尤其在淋巴管扩张症上表现显著。
Comments 63 pages, 11 figures, 15 tables. Version submitted to Medical Image Analysis. Adds cross-vendor Galar evaluation (GalKva-2026 benchmark), cross-architecture replication (ResNet-18, ConvNeXt-Tiny), and foundation-model baselines. Code, checkpoints, and benchmark: https://github.com/integritynoble/Physics-Informed-PillCam
潜在策略屏障：通过保持分布内学习鲁棒的视觉运动策略
机构 * Stanford University（斯坦福大学）
AI总结 提出潜在策略屏障（LPB）框架，通过将专家演示的潜在嵌入作为隐式屏障，分离精确模仿与分布外恢复，利用基础扩散策略和动力学模型提升视觉运动策略的鲁棒性和数据效率。
用于心理健康评估的基于激光多普勒血流仪和荧光光谱传感器的可穿戴设备数据集
机构 * Aston University（阿斯顿大学） ； University of Toronto（多伦多大学） ； University Health Network（大学健康网络） ； Florida Institute of Technology（佛罗里达理工学院） ； Hai Duong Central College of Pharmacy（海洞中央药学院） ； Stanford University（斯坦福大学） ； Industrial University of Ho Chi Minh City（胡志明市工业大学） ； The University of Alabama at Birmingham（伯明翰大学） ； Pukyong National University（浦项国立大学）
AI总结 本研究利用可穿戴设备采集指尖血流和组织活动信号，结合心理健康问卷数据，发现这些信号与压力相关症状存在关联，为日常非侵入性心理健康监测提供新方法。
Comments Communications Medicine 2026
从先验到专家：通过分布收缩强化学习微调实现高效技能掌握
机构 * Stanford University（斯坦福大学）
AI总结 提出DICE-RL框架，将强化学习作为分布收缩算子，通过在线反馈放大高成功行为，将预训练行为先验微调为高性能专家策略，实现稳定、样本高效的复杂操作技能掌握。
比较错觉的梯度强度由贝叶斯推断解释
机构 * Stanford University（斯坦福大学）
AI总结 本研究通过贝叶斯噪声信道模型，结合统计语言模型与人类行为数据，定量预测比较错觉的强度梯度，并解释代词与完整名词短语主语差异的新效应。
Comments 52 pages, 7 figures
Sheet Music Benchmark: 标准化光学乐谱识别评估
机构 * Pattern Recognition and Artificial Intelligence Group, University of Alicante, Spain（西班牙阿利坎特大学模式识别与人工智能组） ； Self-employed（自雇人士） ； Center for Computer Research in Music and Acoustics, Stanford University, USA（美国斯坦福大学音乐与声学计算机研究中心） ； Instituto Superior de Enseñanzas Artísticas de la Comunidad Valenciana, Spain（西班牙瓦伦西亚自治区高等艺术教育研究所）
AI总结 提出Sheet Music Benchmark (SMB)数据集和OMR标准化编辑距离(OMR-NED)指标，用于标准化光学乐谱识别(OMR)评估，涵盖多种音乐纹理和细粒度错误分析。
Comments Accepted at the 26th International Society for Music Information Retrieval Conference (ISMIR)
TacGen: 触觉是物理世界表征的必要维度——通过可扩展的视觉到触觉对齐与生成解决触觉数据稀缺问题
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Alabama（阿拉巴马大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 针对触觉数据稀缺问题，提出TacGen方法，通过视觉-触觉对比对齐和潜在空间残差MLP生成器合成触觉潜在表示，在质量、密度、硬度等物理属性预测上显著优于纯视觉模型，并大幅提升触觉操作性能。
Comments 49 pages, 29 figures
如果我们在测试时动态分配计算资源呢？
机构 * Stanford University（斯坦福大学） ； University of Oklahoma（俄克拉荷马大学） ； University of California Riverside（加州大学河滨分校） ； National University of Sciences and Technology（国立科技大学）
AI总结 本文提出了一种基于验证器的自适应框架，通过迭代轨迹生成与选择提升推理效率，在多个数据集上优于传统测试时缩放方法。
Comments International Conference on Machine Learning
Nazrin: Lean 4中的原子神经证明自动化策略
机构 * Stanford University（斯坦福大学） ； Northeastern University（东北大学）
AI总结 提出原子策略集、转置原子化算法、ExprGraph数据结构和基于图神经网络的Nazrin证明器，通过仅调度原子策略克服现有证明代理的挑战，并在消费级硬件上训练和评估。
Comments 16 pages, 10 figures
何时LLMs足以作为序列RL任务的策略优化器？
机构 * Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
AI总结 提出PromptPO方法，利用LLM通过Python描述状态空间、动作空间和奖励函数，基于rollout反馈迭代生成和优化可执行策略，在多种环境中匹配或超越标准RL基线，但在细粒度连续控制任务中表现不足。
遗忘，然后回忆：通过概要稀疏注意力实现可学习的压缩与选择性展开
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种通过概要稀疏注意力实现可学习的压缩与选择性展开机制，结合紧凑的全局表示与目标访问细粒度证据，提升长上下文大语言模型的效率与性能。
Shepherd: 一个为元代理提供形式化执行迹的运行时基座
机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学）
AI总结 提出Shepherd，一个基于函数式编程的Python运行时基座，将代理执行作为一等对象，通过类似Git的执行迹支持元代理的检查、分叉和重放，在三个用例中显著提升性能。
Comments 50 pages, 22 figures, 14 tables
AI生成成人内容与深度伪造的市场
机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Stanford University（斯坦福大学）
AI总结 研究Civitai平台上的Bounties机制，发现其被用于生成未经训练的NSFW内容，深度伪造请求集中且针对女性名人，揭示了货币化社区驱动AI平台产生的性别不平等危害。
单调对抗性损坏下的学习
机构 * Aarhus University（奥胡斯大学） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院）
AI总结 研究单调对抗性损坏模型下标准机器学习算法的局限性，发现最优分类算法在该设置下表现次优，而基于一致收敛的算法保持性能。
Comments added a few references in related work
SplatPainter: 通过测试时训练从2D编辑交互式创作3D高斯
机构 * Stanford University（斯坦福大学） ； Adobe
AI总结 提出SplatPainter，一种状态感知的前馈模型，通过测试时训练实现从用户2D视图连续编辑3D高斯资产，支持局部细节优化、涂改和全局重着色，达到交互速度。
Comments project page https://y-zheng18.github.io/SplatPainter/
强化学习改善LLM中参数化知识的遍历
机构 * Carnegie Mellon University（卡内基梅隆大学） ； MIT（麻省理工学院） ； Stanford University（斯坦福大学）
AI总结 本文发现强化学习提升LLM知识回忆能力，原因在于改进了模型对参数化知识层次结构的遍历技能，而非获取新知识。
Comments `
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