高校专区
有时世界并不公平：使用自组织映射违反公平性
机构 * Faculty of Biology, Technion University（生物学院，技术学院） ； Taub Faculty of Computer Science, Technion University（计算机科学学院，技术学院）
AI总结 研究发现基于自组织映射的SOMtime方法，能让敏感属性在无监督嵌入中成为主导潜在轴，恢复与敏感属性对齐的排序，其嵌入分割产生人口统计学倾斜聚类，揭示“通过无意识实现公平”在表示层面失败，公平审计需扩展到无监督组件。
Comments 12 pages, 2 figures, preprint
边缘侧多语言性：为全球南方开发语言模型
机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； Technion – Israel Institute of Technology（技术学院——以色列理工学院）
AI总结 针对全球南方非英语、硬件受限社区的语言模型落地难题，调研232篇相关文献，梳理多语言与边缘部署交叉领域进展，提出面向NLP生态各方的可行建议。
Comments Updated formatting and improved spacing. Project website is in https://ljvmiranda921.github.io/multilinguality-at-the-edge/
图稀疏采样：打破连续MDP规划中的视界诅咒
机构 * Technion Autonomous Systems Program (TASP), Technion – Israel Institute of Technology（以色列理工学院自主系统计划（TASP），以色列理工学院） ； Stephen B. Klein Faculty of Aerospace Engineering, Technion – Israel Institute of Technology（以色列理工学院斯蒂芬·B·克莱因航空航天工程学院） ； Faculty of Data and Decision Sciences, Technion – Israel Institute of Technology（以色列理工学院数据与决策科学学院）
AI总结 针对连续域不确定规划的视界指数增长难题，提出图稀疏采样算法跨决策共享采样未来，得到多项式视界依赖的性能保证，长视界下性能远超树型规划器。
MACRO：用于特写渲染优化的免训练多平面注意力
机构 * Amazon Prime Video（亚马逊Prime视频） ； Technion, Israel Institute of Technology（以色列理工学院） ； Ben Gurion University（本古里安大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学）
AI总结 针对特写渲染难题，分析现有方法失败原因，提出MACRO，利用场景3D结构解决比例差距，无需架构改变和额外训练，贡献新基准和评估协议，取得领先成果。
Comments Project page: https://nitzanhod.github.io/MACRO
使用确定性真实数据评估长文本生成中语言模型的不确定性
机构 * Technion（技术学院） ； Nvidia（英伟达）
AI总结 研究针对长文本生成中语言模型不确定性评估难题，引入含单一确定性长文本真值的SALT基准，通过对50多个模型分析揭示关键见解，如置信函数作用、错误驱动因素及推理影响等，为风险关键应用提供参考。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026). Code available at https://github.com/IdoAmit198/SALT
用于布朗桥扩散模型的高斯混合引导调度设计
机构 * Technion, Israel（以色列理工学院）
AI总结 研究为布朗桥扩散模型开发调度设计框架，基于高斯混合先验分析其反向动力学，得出理想后验和去噪器，据此制定两个调度设计目标，揭示权衡并证明通用调度存在，实验验证其价值。
Comments 66 pages, 10 figures
基于单纯形的对称度量
机构 * Department of Computer Science, University of Copenhagen（计算机科学系，哥本哈根大学） ； Department of Mathematics, Technion-IIT（数学系，技术学院-理工学院）
AI总结 研究基于\(n\)-单纯形\(\Delta\)的对称度量\(\rho_\Delta(L)\)，推导其与经典闵可夫斯基对称度量关系，改进稳定性分析，给出单纯形新特征，还研究了多面体深度复杂度与该度量的关系及界。
SHINE：一种可扩展的上下文超网络，用于在单次传递中将上下文映射到LoRA
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Technion, NVIDIA（技术学院与NVIDIA） ； University of Oxford（牛津大学） ； School of Electronics Engineering（电子工程学院） ； Computer Science, Peking University（计算机科学，北京大学）
AI总结 本文提出SHINE，一种可扩展的上下文超网络，用于在单次传递中将多样且有意义的上下文映射到高质量的LoRA适配器，通过重用冻结LLM的自身参数和引入架构创新，克服了先前超网络的关键限制，以较少的参数实现了强大的表达能力。
大语言模型通过一种独特的统一机制生成有害内容
机构 * Kempner Institute, Harvard University（哈佛大学肯普纳研究所） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） ； Cohere ； Technion—IIT（以色列理工学院）
AI总结 研究通过权重剪枝揭示大语言模型中有害生成的内部结构，发现有害内容生成依赖于一组通用且与良性能力不同的权重，表明对齐训练重塑了有害表示，解释了领域微调引发的广泛对齐偏差。
自监督测试时调优用于丢包隐藏
机构 * Andrew and Erna Viterbi Faculty of Electrical and Computer Engineering, Technion–Israel Institute of Technology（安德鲁和伊尔纳·维特比电气与计算机工程学院，技术ion-以色列理工学院）
AI总结 提出TTT-PLC框架，在测试时利用接收到的音频包自监督地调整丢包隐藏模型，无需干净参考信号或外部数据，在非因果和因果场景下均提升性能。
Comments Under submission to IEEE TASLP
面向成本效益的AI委托自适应合同
机构 * Tel Aviv University（特拉维夫大学） ； Harvard University（哈佛大学） ； Technion -- Israel Institute of Technology（技术学院——以色列理工学院） ； California Institute of Technology（加州理工学院） ； Yale School of Management（耶鲁管理学院）
AI总结 针对AI委托中评估噪声导致支付增加的问题，提出自适应合同机制，通过选择性详细评估降低成本，并给出最优合同计算算法与实证验证。
Comments ICML 2026
通过CLIP实现分类器无关的零样本对抗攻击检测
机构 * Technion - Israel Institute of Technology（以色列理工学院）
AI总结 提出A4D框架，利用CLIP的提示相似度分数，在完全黑盒零样本设置下检测对抗攻击，无需攻击或分类器先验知识。
Comments Accepted to ECCV 2026
WarpHammer: 利用3D物体先验稠密化场景扭曲以实现极端视角合成
机构 * OriginAI, Israel（OriginAI，以色列） ； NVIDIA（英伟达） ； Technion（以色列理工学院）
AI总结 针对投影条件新视角合成在大轨道运动下扭曲稀疏导致生成失败的问题，提出无需训练的WarpHammer框架，通过引入3D生成先验的物体显式重建来补充缺失前景并遮挡不应可见的背景点，恢复外观和相机线索，并首次支持融合外部辅助物体视图。
SpectralSplats: 通过谱矩监督实现鲁棒的可微跟踪
机构 * Technion - Israel Institute of Technology（以色列理工学院） ； NVIDIA（英伟达）
AI总结 提出SpectralSplats框架，通过将优化目标从空间域转移到频率域，利用全局复正弦特征（谱矩）构建全局吸引域，解决3D高斯泼溅跟踪中因严重错位导致的梯度消失问题，并设计频率退火策略实现从全局凸性到精确空间对齐的平滑过渡。
Comments Accepted to ECCV 2026. Project page: https://avigailco.github.io/SpectralSplats/
同质深度网络中持续学习的收敛性
机构 * Blavatnik School of Computer Science and AI, Tel Aviv University（塔夫茨大学Blavatnik计算机科学与人工智能学院） ； Princeton University（普林斯顿大学） ； Department of Electrical and Computing Engineering, Technion（技术学院电子与计算工程系）
AI总结 将弱正则化持续分类建模为任务间隔集上的顺序投影，证明全局收敛一般失败，但利用非凸投影理论识别同质深度网络的局部线性收敛条件，并扩展至持续回归。
超越IID：表格基础模型到底有多通用？
机构 * Prior Labs ； University of Freiburg（弗赖堡大学） ； University of Mannheim（曼海姆大学） ； INRIA Saclay（法国国家信息与自动化研究所萨克雷研究中心） ； Technion（技术学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Zuse School ELIZA（Zuse学校ELIZA）
AI总结 针对表格数据基础模型评估碎片化问题，提出统一基准BeyondArena，涵盖多种任务类型、数据规模和特征类型，发现现有模型在IID小数据上表现优异，但非IID、大数据和高维数据仍由传统模型主导。
SP-CACW：面向自私个性化学习的收敛感知客户端加权
机构 * Technion Haifa, Israel（技术学院海法分校，以色列）
AI总结 提出SP-CACW框架，通过最小化目标客户端收敛误差上界选择聚合权重，平衡同伴偏差与随机方差，可分配零权重给有害同伴，在MNIST、CIFAR-100和LEAF Shakespeare上表现优于强基线。
Comments 31 pages, 6 figures
你只有一份工作：利用LLM隐藏表示进行每任务量化
机构 * Technion—Israel Institute of Technology（技术ion—以色列理工学院） ； Zenity（Zenity公司） ； DeepKeep（DeepKeep公司） ； Ben-Gurion University of the Negev（巴伊兰大学） ； New York University（纽约大学）
AI总结 本文提出TAQ框架，通过任务校准提示分配更高精度给任务相关的transformer层，提升精度-内存比和部署性能。
Comments Accepted at ICML 2026 Workshop on AdaptFM: Resource-Adaptive Foundation Model Inference
重新审视从等价查询中学习
机构 * Princeton and Google（普林斯顿大学和谷歌） ； Tel-Aviv University and Google（特拉维夫大学和谷歌） ； Technion and Google（技术学院和谷歌） ； Georgetown and Google（乔治城大学和谷歌）
AI总结 针对现代机器学习系统部署-反馈-更新的循环，本文重新审视Angluin的等价查询学习模型，引入对称对抗环境并分析全信息和赌博机反馈下的学习轮数界。
具有弹簧离合器腿的能量回收无辐轮的动力性、稳定性和能效
机构 * Department of Mechanical Engineering and Robotics, Guangdong Technion-Israel Institute of Technology（广东以色列理工学院机械工程与机器人系） ； Faculty of Mechanical Engineering, Technion-Israel Institute of Technology（以色列理工学院机械工程学院） ； Department of Applied Electronics, Faculty of Advanced Engineering, Tokyo University of Science（东京理科大学先进工学部应用电子系）
AI总结 提出一种带弹簧离合器腿的能量回收无辐轮，通过锁止离合器存储足地碰撞弹性能并在下一周期释放，仿真显示运输成本比基准粘弹性腿模型降低16.13%，原型在1°斜坡上实现被动行走。
Comments 14 pages, 14 figures. Equal contribution: Tongchen Lin and Yanqiu Zheng. Corresponding author: Mingyi Liu (mingyi.liu@gtiit.edu.cn)
学习带有确定性的过滤器
机构 * Technion（技术学院） ； UFRJ（里约热内卢联邦大学） ； Israel（以色列） ； Brazil（巴西）
AI总结 本文提出利用计数布隆过滤器中的计数器信息估计成员指示的确定性，并将其与机器学习模型结合，以提高网络系统中哈希数据结构的性能。
Journal ref APNet'26, Singapore -- The 10th Asia-Pacific Workshop on Networking (APNet 2026), co-located with ACM SIGCOMM 2026
桥接多值启发式与多目标搜索中的降维
机构 * Department of Computer Science, Technion – Israel Institute of Technology（技术学院计算机科学系，以色列理工学院） ； Faculty of Computer and Information Science, Ben-Gurion University of the Negev（贝内-格尔离子大学内盖夫分校计算机与信息科学学院）
AI总结 提出首个安全集成多值启发式与降维的理论框架，通过惰性乐观方法解决排序不变性破坏问题，实现高效且正确的多目标最短路径搜索。
Comments 10 pages, 6 figures. To appear in Proceedings of SoCS 2026
空货架还是丢钥匙？回忆是参数化事实性的瓶颈
机构 * Google Research（Google研究） ； Technion – Israel Institute of Technology（以色列技术学院）
AI总结 提出行为框架区分LLM事实错误源于知识缺失或访问失败，通过WikiProfile基准测试发现前沿模型编码饱和但回忆是主要瓶颈，思考可恢复大量失败。
FlowBender: 面向自校正条件流的反馈感知训练
机构 * Technion（以色列理工学院） ； NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 针对条件扩散/流模型常违反任务约束的问题，提出FlowBender闭环框架，将对齐误差作为输入训练网络学习校正策略，在图像翻译、复原和3D纹理贴图中同时提升保真度与合理性。
Comments Project page: https://flow-bender.github.io/
基于LLM启发式的零样本主动特征获取
机构 * Faculty of EE, Technion（技术学院电子工程系） ； Faculty of Medicine, Technion（技术学院医学院） ； CytoReason ； NVIDIA
AI总结 提出通过LLM启发式获取马尔可夫随机场充分统计量的零样本主动特征获取框架，解决数据标注不足问题，在IBD患者诊断中优于现有方法。
LALM-as-a-Judge：用于多轮口语对话安全评估的大型音频语言模型基准测试
机构 * Computer Engineering, Technion--Israel Institute of Technology, Haifa, Israel（技术学院电子工程系，技术离子技术研究所，以色列海法） ； Language Technologies Institute, Carnegie Mellon University, Pittsburgh, PA, USA（语言技术研究所，卡内基梅隆大学，美国匹兹堡）
AI总结 针对口语对话中社会不安全内容评估仍以文本为中心、忽略韵律和转录失败的问题，提出包含24000个多轮口语对话的开放基准，评估6种大型音频语言模型在文本、音频和多模态设置下的敏感性、严重性顺序特异性和轮次位置偏差，发现音频提供非词汇证据，多模态增益非普遍且存在多种模式。
Comments Accepted to ICML 2026
使用欧拉弹性线解在两机器人手在平面环境中操控柔性线性物体
机构 * Dept. of ME, Technion, Israel（技术学院机械工程系，以色列） ； Dept. of ME, Ben-Gurion University, Israel（本· Gurion大学机械工程系，以色列）
AI总结 本文利用欧拉弹性线解，通过控制两机器人手的抓取端点位置和切线，实现平面环境中柔性线性物体的无自交、稳定和避障操控。
ASyMOB：代数符号数学运算基准
机构 * MIT（麻省理工学院） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 提出ASyMOB基准，包含35,368个符号数学问题，通过扰动测试揭示大模型在符号数学推理中的鲁棒性不足，并发现LLM与CAS的互补潜力。
Comments Published in ICML2026: https://icml.cc/virtual/2026/poster/63549 Code repository: https://github.com/RamanujanMachine/ASyMOB Complete benchmark dataset: https://huggingface.co/datasets/Shalyt/ASyMOB-Algebraic_Symbolic_Mathematical_Operations_Benchmark
SP$^3$：用于即插即用恢复的球面先验
机构 * Technion – Israel Institute of Technology（以色列理工学院） ； Independent Researcher（独立研究员）
AI总结 提出SP$^3$算法，用球面编码器替代去噪器作为生成先验，通过半二次分裂实现快速图像恢复，速度比零样本扩散方法快3-630倍。
离散扩散语言模型的平均场并行解码
机构 * School of Electrical & Computer Engineering, Tel Aviv University（特拉维夫大学电气与计算机工程学院） ； School of Computer Science and AI, Tel Aviv University（特拉维夫大学计算机科学与人工智能学院） ； Department of Computer Science, Technion, Israel Institute of Technology（以色列理工学院计算机科学系）
AI总结 提出一种无需训练的解码框架，通过平均场变分松弛协调并行令牌更新，在单次前向传播中抑制冲突，提升质量-延迟权衡。
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