PERRY: Policy Evaluation with Confidence Intervals using Auxiliary Data
PERRY: 使用辅助数据的策略评估与置信区间
机构 * Stanford University（斯坦福大学） ； Gladstone Institutes（加利福尼亚大学旧金山分校）
AI总结 提出两种方法，利用辅助数据构建离线策略评估的置信区间，通过共形预测和双重稳健估计，在多个模拟和真实医疗数据集上验证有效性。
高校专区
Stanford University（斯坦福大学）
Autogenesis: A Self-Evolving Agent Protocol
自生成：一种自我进化代理协议
机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出了一种自生成协议（AGP），该协议通过分离进化内容与进化过程，解决了现有代理协议在跨实体生命周期管理、版本追踪和安全更新接口方面的不足。基于AGP，作者展示了自生成系统（AGS），该系统能够动态实例化、检索和优化协议注册的资源，通过多个具有长视界规划和工具使用的挑战性基准测试，验证了代理资源管理和闭环自我进化的有效性。
Positive Alignment: Artificial Intelligence for Human Flourishing
积极对齐：人工智能促进人类繁荣
机构 * Department of Psychiatry, University of Oxford（牛津大学精神病学系） ； Flourishing Intelligence Program, Centre for Eudaimonia and Human Flourishing, Linacre College, University of Oxford（牛津大学幸福智能计划、幸福与人类繁荣中心、林acre学院） ； Google DeepMind（谷歌DeepMind） ； LIFE ； OpenAI ； Anthropic ； University of California, Los Angeles（加州大学洛杉矶分校） ； Aily Labs（Aily实验室） ； Stanford University（斯坦福大学） ； Tufts University（塔夫茨大学） ； Positive AI Labs（积极AI实验室） ； Department of Informatics, University of Sussex（Sussex大学信息学系） ； Department of Brain Sciences, Imperial College London（伦敦帝国理工学院脑科学系）
AI总结 本文提出积极对齐，旨在通过支持人类和生态繁荣，同时确保安全与合作，推动AI发展。研究指出传统对齐关注安全，而积极对齐强调促进人类福祉，提出多项技术挑战与设计原则。
Sycophantic AI makes human interaction feel more effortful and less satisfying over time
谄媚型AI使人类互动感觉更加费力且满意度降低
机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； UK AI Security Institute（英国人工智能安全研究所）
AI总结 研究显示，谄媚型AI会改变用户对亲密关系的处理方式，长期使用导致用户更倾向于寻求AI建议而非真实人际关系，且满意度下降。
StructSAM: Structure- and Spectrum-Preserving Token Merging for Segment Anything Models
StructSAM: 面向分割一切模型的结构与谱保持令牌合并
机构 * University of Stuttgart（斯图加特大学） ； DFKI ； Max Planck Research School（马克斯·普朗克研究学校） ； University of Oldenburg（奥尔登堡大学） ； Technical University of Darmstadt（达姆施塔特技术大学） ； VinRobotics ； VinUniversity（Vin大学） ； Aalto University（阿莱大学） ； Queensland University of Technology（昆士兰技术大学） ； HUST（华中科技大学） ； Technical University of Denmark（丹麦技术大学） ； University of Arkansas（阿肯色大学） ； UC San Diego（圣地亚哥大学） ； Stanford University（斯坦福大学）
AI总结 针对SAM系列模型，提出StructSAM框架，通过基于梯度能量的令牌评分、网格平坦度筛选和合并-恢复机制，在保持边界和提示信息的同时减少计算量，实现25-30% FLOPs降低且性能损失极小。
Comments Second version
Oracle-RLAIF: An Improved Fine-Tuning Framework for Multi-modal Video Models using Reinforcement Learning from Ranking Feedback
Oracle-RLAIF：一种利用排名反馈强化学习改进多模态视频模型微调框架的方法
机构 * Stanford University（斯坦福大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Microsoft（微软公司）
AI总结 提出Oracle-RLAIF框架，用通用排序器替代奖励模型，结合基于GRPO的排名损失函数GRPO_rank，实现更高效的多模态视频模型微调，在多个基准上优于现有方法。
Comments Proceedings of the 39th Annual Conference on Neural Information Processing Systems, ARLET Workshop (Aligning Reinforcement Learning Experimentalists and Theorists)
Journal ref Transactions on Machine Learning Research, Vol. 2026, June 2026
DataMIL: Selecting Data for Robot Imitation Learning with Datamodels
DataMIL: 使用数据模型为机器人模仿学习选择数据
机构 * UT Austin（得克萨斯大学） ； MIT（麻省理工学院） ； Stanford University（斯坦福大学）
AI总结 提出DataMIL框架，基于数据模型端到端选择对任务性能提升最大的数据点，避免基于人类质量标准的过滤，通过替代损失函数避免环境交互，在60+模拟和真实操作任务中验证了有效性。
Science Earth: Towards A Planet-Scale Operating System for AI-Native Scientific Discovery
Science Earth: 迈向面向AI原生科学发现的行星级操作系统
机构 * Department of Pathology, Department of Genetics, Stanford University School of Medicine（病理学系、遗传学系，斯坦福大学医学院） ； Princeton AI Lab, Department of Electrical & Computer Engineering, Princeton University（普林斯顿人工智能实验室、电气与计算机工程系，普林斯顿大学） ； Scripps Research, La Jolla, CA, USA（斯克里普斯研究机构，洛杉矶，加利福尼亚州，美国） ； Division of Biostatistics, Department of Population Health, New York University Grossman School of Medicine（生物统计学部、人口健康系，纽约大学格罗斯曼医学院） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Department of Computer Science, Yale University（计算机科学系，耶鲁大学） ； Department of Physics, Princeton University（物理系，普林斯顿大学）
AI总结 提出Science Earth行星级科学运行时，通过EACN协议实现AI能力动态连接与自组织协作，在跨太平洋Kuramoto同步研究和单细胞分析中验证了分布式自校正科学推理。
Comments Withdrawn by the authors. (1) The author list and authorship roles had not been finalized and agreed upon by all listed authors prior to submission. (2) The specific contribution of the system in the K3 synchronization example (Section on Kuramoto/nonlinear physics) requires further validation before it can be reported. The authors are addressing both points and may resubmit a corrected version.
Automated Standardization of Legacy Biomedical Metadata Using an Ontology-Constrained LLM Agent
使用本体约束的LLM代理自动化标准化遗留生物医学元数据
机构 * Division of Computational Medicine, Stanford University（斯坦福大学计算医学部） ； Department of Biology, University of Pennsylvania（宾夕法尼亚大学生物学系）
AI总结 提出基于LLM的元数据标准化系统，通过实时查询标准指南和本体服务，在839条HuBMAP记录上验证，相比纯LLM方法显著提升预测准确性。
Conditional Diffusion Guidance under Hard Constraint: A Stochastic Analysis Approach
硬约束下的条件扩散引导：一种随机分析方法
机构 * Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运营管理系） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 提出基于Doob h-变换和鞅表示的条件扩散引导框架，通过鞅损失和鞅协方差损失学习条件函数梯度，确保硬约束满足并给出非渐近保证。
A Convex Route to Thermoelasticity: Learning Internal Energy and Dissipation
热力学的凸路径：学习内能和耗散
机构 * Institute of Applied Mechanics, University of Erlangen-Nuremberg, Egerlandstra{\ss}e 5, 91058 Erlangen, Germany（埃尔兰根-纽伦堡应用力学研究所，埃尔兰根大学，德国） ； Department of Mechanical Engineering, Stanford University, United States（机械工程系，斯坦福大学，美国）
AI总结 提出基于物理的神经网络框架，通过输入凸神经网络表示内能和耗散势，自动满足热力学第二定律，实现全耦合热力学本构建模。
Comments 31 pages, 16 figures, 4 tables
Everywhere Valid Bounds on False Discovery Proportions in Conformal Inference
在符合推断中对虚假发现比例的处处有效界
机构 * Department of Statistics, Stanford University（斯坦福大学统计学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计学与数据科学系） ； Department of Mathematics, Stanford University（斯坦福大学数学系）
AI总结 本文提出了一种在多重检验问题中对虚假发现比例（FDP）的处处有效界，通过构造高概率包络来保证在任意后验阈值选择下的统计保证，同时展示了该方法在异常检测和符合选择中的应用。
Comments 34 pages, 12 figures. Code available at https://github.com/sza919/everywhere-valid-fdp-bounds-in-conformal-inference
The Long Delay to Arithmetic Generalization: When Learned Representations Outrun Behavior
算术泛化的长延迟：当学习到的表征超越行为时
机构 * Stanford University（斯坦福大学）
AI总结 研究Transformer在算术任务中泛化延迟的原因，发现编码器早期已学到结构，但解码器瓶颈导致延迟，通过移植编码器或冻结编码器可加速泛化，且数字基的选择影响学习难度。
Comments 19 pages, 10 fugures
Why Automate This? Exploring Correlations Between Desire for Robotic Automation, Invested Time and Well-Being
为什么自动化这个？探索机器人自动化愿望、投入时间与幸福感之间的相关性
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Stanford University（斯坦福大学） ； University of Pittsburgh（匹兹堡大学）
AI总结 本研究利用BEHAVIOR-1K等数据集，发现活动时间并非自动化偏好的强预测因子，而幸福感和痛苦感是最强指标，并揭示了性别和收入水平的差异。
Comments 26 pages, 14 figures
The Road to Artificial SuperIntelligence: A Comprehensive Survey of Superalignment
通往人工超级智能之路：超级对齐的全面综述
机构 * Microsoft Research Asia（微软亚洲研究院） ； Sungkyunkwan University（顺天大学） ； Stanford University（斯坦福大学） ； Fudan University（复旦大学）
AI总结 本文综述了超级对齐问题，通过分析可扩展监督范式（夹层、自我增强和弱到强泛化）及其局限性，探讨了监督、控制和管理人工超级智能的挑战与路径。
Comments 24 pages
CausalT5k: Diagnosing Refusal and Failure Modes in Trustworthy Causal Reasoning Across Causal Rungs
CausalT5k: 诊断可信因果推理中的拒绝与失败模式——跨越因果阶梯
机构 * Stanford University（斯坦福大学）
AI总结 提出CTK基准，通过5,147个案例诊断大语言模型在因果推理中的失败模式，包括因果阶梯、陷阱类型、压力敏感性和拒绝质量等标注，揭示聚合准确率隐藏的缺陷。
Comments 12 pages, 17 tables, 4 figures
OmniRetarget: Interaction-Preserving Data Generation for Humanoid Whole-Body Loco-Manipulation and Scene Interaction
OmniRetarget：面向人形全身运动操控与场景交互的交互保持数据生成
机构 * Amazon FAR (Frontier AI & Robotics)（亚马逊前沿人工智能与机器人实验室） ； MIT（麻省理工学院） ； UC Berkeley（伯克利大学） ； Stanford University（斯坦福大学） ； CMU（卡内基梅隆大学）
AI总结 提出OmniRetarget引擎，通过交互网格显式建模并保持智能体、地形和物体间的空间与接触关系，将人类运动重定向为机器人运动，生成高质量轨迹以训练强化学习策略，实现长时间跑酷和操控技能。
Comments Project website: https://omniretarget.github.io
MedicalAgentsBench for Complex Medical Reasoning: Comparing Internalized Reasoning Models versus Externalized Agent-based Frameworks
MedicalAgentsBench：复杂医学推理基准——比较内化推理模型与外化智能体框架
机构 * Program in Computational Biology & Biomedical Informatics, Yale University（计算生物学与生物医学信息学项目，耶鲁大学） ； Department of Biomedical Informatics & Data Science, Yale University（生物医学信息学与数据科学系，耶鲁大学） ； Department of Computer Science, Yale University（计算机科学系，耶鲁大学） ； Department of Biosystems Science and Engineering, ETH Zurich（生物系统科学与工程系，苏黎世联邦理工学院） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学） ； Department of Bioinformatics, UT Southwestern Medical Center（生物信息学系，德克萨斯西南医学中心）
AI总结 提出MedicalAgentsBench基准（862个复杂临床问题），比较内化推理模型与外化智能体框架在医学推理中的表现，发现两者效果可叠加，最优组合为o3-mini+MDAgents（准确率35.1%）。
Diffusion Models for Adaptive Sequential Data Generation
自适应序列数据生成的扩散模型
机构 * Department of Applied Mathematics and Statistics, Data Science and AI Institute, and Mathematical Institute for Data Science, Johns Hopkins University（应用数学与统计学系、数据科学与人工智能研究所、数据科学数学研究所，约翰霍普金斯大学） ； Department of Industrial Engineering and Management Sciences, Northwestern University（工业工程与管理科学系，西北大学） ； Department Management Science and Engineering, Stanford University（管理科学与工程系，斯坦福大学）
AI总结 提出一种顺序前向后向扩散框架，通过沿序列逐步注入和去除噪声并基于历史生成条件确保自适应性，用于生成自适应时间序列数据，并引入新的分数匹配目标实现高效并行训练，在合成数据和均值-方差最优投资组合构建中验证有效性。
Comments 38 pages
Fast-dLLM++: Fréchet Profile Decoding for Faster Diffusion LLM Inference
Fast-dLLM++: 用于更快扩散LLM推理的Fréchet轮廓解码
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 针对扩散大语言模型推理中并行令牌生成的瓶颈，提出Fréchet轮廓解码方法，通过利用异构置信度轮廓选择并行提交集，在保持模型和缓存不变的情况下提升吞吐量。
Comments Initial version accepted at Workshop on Structured Probabilistic Inference & Generative Modeling, ICML 2026. Project Page: https://ringo-star.github.io/projectpage_frechet/
Accelerating physics-informed neural networks for full waveform inversion using a hybrid quantum-classical finite-basis architecture
使用混合量子-经典有限基架构加速全波形反演的物理信息神经网络
机构 * Department of Geophysics, Colorado School of Mines（地质学系，科罗拉多矿业学院） ； Department of Energy Science and Engineering, Stanford University（能源科学与工程系，斯坦福大学） ； Department of Petroleum Engineering, Colorado School of Mines（石油工程系，科罗拉多矿业学院）
AI总结 提出一种混合量子-经典FBPINN用于声波全波形反演，通过参数化量子电路实现波场和速度网络，在约8倍少的训练迭代次数下达到比经典基线更低的L1速度误差，并泛化至其他波反演问题。
Comments 20 pages
When Does Deep RL Beat Calibrated Baselines? A Benchmark Study on Adaptive Resource Control
深度强化学习何时超越校准基线？自适应资源控制的基准研究
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 通过RLScale-Bench基准测试，发现校准的基于规则的自动缩放器在所有工作负载上成本均低于六种主流深度强化学习算法，并揭示了算法选择、基线校准和评估协议的关键瓶颈。
OmniMouse: Scaling properties of multi-modal, multi-task Brain Models on 150B Neural Tokens
OmniMouse: 基于1500亿神经令牌的多模态多任务脑模型的可扩展性
机构 * Department of Ophthalmology, Byers Eye Institute, Stanford University（斯坦福大学眼科学系、比尔斯眼科研究所） ； Stanford Bio-X, Stanford University（斯坦福大学生物交叉学科） ； Wu Tsai Neurosciences Institute, Stanford University（斯坦福大学吴泰教授神经科学研究所） ； Institute of Computer Science and Campus Institute Data Science, University Göttingen（哥廷根大学计算机科学研究所和校园数据科学研究所）
AI总结 利用小鼠视觉皮层31亿神经元数据，训练多模态多任务模型OmniMouse，在神经预测、行为解码等任务上达到最优，发现性能随数据量可靠提升但模型规模收益饱和，与AI领域标准扩展规律相反。
Comments Published at ICLR2026
SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks
SkillsBench: 基准测试智能体技能在不同任务中的有效性
机构 * BenchFlow ； OSU ； Amazon ； UC Berkeley ； UC Santa Cruz ； UC Davis ； Dartmouth ； RLWRLD ； Independent ； Princeton University ； Oxford University ； Stanford University ； USC ； CMU ； Foxconn ； Zenity ； UNSW ； UT Austin ； MSU ； Duke University ； ByteDance ； UT Dallas ； UC San Diego ； Columbia University ； University of Rochester ； Cornell Tech ； Georgia Tech ； Cornell University ； NEU ； UCLA ； Snap Inc. ； Fanshawe College ； University of Science and Technology of China ； HKUST(GZ) ； Anyscale
AI总结 提出SkillsBench基准，包含8领域87个任务，通过配对评估证明技能提升平均通过率16.6个百分点，小模型配备技能可匹敌大模型。
UniT: Unified Multimodal Chain-of-Thought Test-time Scaling
UniT：统一多模态思维链测试时扩展
机构 * Stanford University（斯坦福大学） ； Meta Superintelligence Labs（Meta超级智能实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 提出UniT框架，通过多轮推理、验证和细化实现统一多模态模型的测试时扩展，实验表明短推理轨迹可泛化到长链，顺序思维链比并行采样更高效。
Comments CVPR 2026
Graph Learning Should Move Beyond Restrictive Views of Spectral and Message-Passing GNNs
图学习应超越对谱图神经网络和消息传递图神经网络的狭隘观点
机构 * RWTH Aachen University（亚琛工业大学） ； Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Stanford University（斯坦福大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Univ. de Montréal（蒙特利尔大学） ； Mila（Mila人工智能研究所） ； Technion – Israel Institute of Technology（技术学院–以色列理工学院）
AI总结 本文澄清了谱图神经网络与消息传递图神经网络的异同，提出基于特征基对称性的谱GNN精确定义，并倡导统一理论框架以推动图学习发展。
Comments 44 pages, 1 figure
Enhancing Physics-Informed Neural Networks Through Feature Engineering
通过特征工程增强物理信息神经网络
机构 * Department of Mathematics, Stanford University（数学系，斯坦福大学） ； Department of Management Science & Engineering, Stanford University（管理科学与工程系，斯坦福大学） ； ICME, Stanford University（ICME，斯坦福大学）
AI总结 提出SAFE-NET，一种单层自适应特征工程网络，通过傅里叶特征和简化架构，以更少参数实现比深层网络更快的收敛和更低的误差。
Comments Published in Transactions on Machine Learning Research (TMLR), November 2025
K-Prism: A Knowledge-Guided and Prompt Integrated Universal Medical Image Segmentation Model
K-Prism: 一种知识引导与提示集成的通用医学图像分割模型
机构 * Rutgers University（罗格斯大学） ； Stanford University（斯坦福大学） ； The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； New York University（纽约大学）
AI总结 提出K-Prism统一分割框架，通过双提示表示和混合专家解码器整合语义先验、上下文知识和交互反馈三种知识范式，在18个数据集上实现语义、上下文和交互分割的最优性能。
Journal ref International Conference on Learning Representations (ICLR), 2026
ChildGuard: A Specialized Dataset for Combatting Child-Targeted Hate Speech
ChildGuard：针对儿童仇恨言论的专用数据集
机构 * Macquarie University（麦考瑞大学） ； MBZUAI（穆罕默德·本·拉希德人工智能研究所） ； DSEU（德里国家理工学院） ； Department of Information and Computer Science, KFUPM（科威特石油大学信息与计算机科学系） ； Stanford University（斯坦福大学）
AI总结 针对社交媒体上针对儿童的仇恨言论问题，构建了大规模英文数据集ChildGuard，包含351,877条标注实例，覆盖三个年龄段，并评估了多种模型性能。
Comments Updated Version
Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension
基于独立成分的故事理解过程中大脑活动的编码模型
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电子与计算机工程学院） ； School of Psychological and Brain Sciences, Georgia Institute of Technology（佐治亚理工学院心理学与脑科学学院） ； Department of Linguistics, Stanford University（斯坦福大学语言学系）
AI总结 提出基于独立成分的编码框架，从fMRI数据中分离刺激驱动和噪声信号，利用语言模型预测独立成分时间序列，识别出与听觉和语言相关的认知网络，验证了成分的可解释性和跨个体一致性。
Comments Accepted to CCN 2026 (Proceedings Track)
