高校专区
线性动态系统中自适应输入估计及其在学习-观察中的应用
机构 * Electrical Engineering Department, Technion- Israel Institute of Technology（电气工程系，技术ion-以色列理工学院）
AI总结 本文提出了一种自适应输入估计算法，通过在每个时间步高效地平衡偏差和方差以优化总体估计误差，并在学习-观察框架中展示了其在控制器学习中的有效性。
Comments CDC 2019
动作的自然语言
机构 * Faculty of Electrical Engineering, Technion Institute of Technology, Israel（电气工程学院，技术学院，以色列）
AI总结 本文提出Act2Vec框架，用于学习基于上下文的动作表示以提升强化学习性能，通过将相似动作分组并利用动作间的关系来改进Q值近似和状态表示。
Comments Published in the proceedings of the 36th International Conference on Machine Learning (ICML 2019)
反问题中收敛速度与重建精度之间的权衡
机构 * School of Electrical Engineering, Tel Aviv University（特拉维夫大学电子工程学院） ； Electrical Engineering Department, Technion - IIT（技术学院-理工学院电子工程系） ； Computer Science Department, Technion - IIT（技术学院-理工学院计算机科学系） ； Electrical and Computer Engineering Department, Duke University（杜克大学电气与计算机工程系）
AI总结 研究探讨了在逆问题中，通过调整迭代算法以加快收敛速度同时保持重建精度的可行性，结合低维集的恢复技术，分析了粗略估计对收敛速度的影响。
Comments To appear in IEEE Transactions on Signal Processing
随机独立成分分析
机构 * Department of Computer Science Technion - Israel Institute of Technology（计算机科学系 特拉维夫理工学院）
AI总结 本文提出基于随机特征的随机广义方差和随机典型相关作为替代措施，以降低计算复杂度并提高ICA分解效率。
Comments Accepted to ICSEE 2016
具有两个摩擦接触的刚体的李雅普诺夫稳定性
机构 * Budapest University of Technology and Economics（布达佩斯技术与经济大学） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 本文研究了具有两个摩擦性单向接触的平面刚体在非弹性碰撞下的李雅普诺夫稳定性分析，通过引入Poincare映射和不变关系，将系统动态行为编码为两个半解析标量函数，用于判断平衡状态的稳定性。
通过数据关联意识的信念空间规划实现鲁棒的主动感知
机构 * Department of Aerospace Engineering, Technion - Israel Institute of Technology（航空航天工程系，技术ion-以色列理工学院）
AI总结 本文提出一种结合数据关联推理的信念空间规划方法，以应对定位不确定性和感知模糊环境中的挑战，通过设计新的成本函数提升主动解歧能力。
半内积在凸泛函中的应用及其在图像分解中的应用
机构 * Department of Electrical Engineering, Technion - Israel Institute of Technology, Haifa 32000, Israel（电气工程系，技术ion以色列理工学院，海法32000，以色列）
AI总结 本文扩展了Lumer意义下的半内积到凸泛函，构建了Banach空间中凸泛函的希尔伯特空间结构，并利用该结构分析总变分和更高阶泛函。
文生图模型对文本编码器的依赖比你想象的要少
机构 * Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 本文发现基于扩散Transformer的文生图模型主要依赖文本编码器提供的单词含义和词序信息，而非完整的上下文信息，并通过构建仅含位置标记词袋的嵌入验证了这一观点。
Comments Project webpage: https://nsping13.github.io/contextless-TTI/
LLM何时应降低具体性？面向可靠长文本生成的选择性抽象
机构 * Technion（技术离子大学） ； NVIDIA（英伟达）
AI总结 针对LLM在长文本生成中因低置信度而丢弃有价值信息的问题，提出选择性抽象框架，通过原子级抽象替换不确定内容，在保持语义的同时提升准确性和可靠性。
越狱攻击初始化作为合规方向的提取器
机构 * Department of Computer Science, Technion - Israel Institute of Technology（技术学院计算机科学系） ； Department of Data and Decision Science, Technion - Israel Institute of Technology（技术学院数据与决策科学系） ； School of Electrical and Computer Engineering Engineering, Ben-Gurion University of the Negev（内盖夫本· Gurion大学电气与计算机工程学院）
AI总结 本文发现基于梯度的越狱攻击初始化会收敛到抑制拒绝的单一合规方向，并据此提出CRI框架，通过沿合规方向投影未见提示来提高攻击成功率并降低计算开销。
Comments Accepted to Findings of the Association for Computational Linguistics 2025 (EMNLP 2025)
当知识并非免费：检索增强生成中的成本感知证据选择
机构 * Northeastern University（东北大学） ； Technical University of Munich（慕尼黑技术大学） ； GESIS – Leibniz Institute for the Social Sciences（GESIS——莱比锡社会科学研究所） ； Technion–Israel Institute of Technology（技术学院——以色列理工学院） ； NVIDIA Research（NVIDIA研究） ； University of Groningen（格罗宁根大学）
AI总结 提出成本感知RAG设置，通过访问成本层级和预算约束，研究证据选择策略，发现静态选择脆弱而智能体方法有潜力但依赖模型和任务。
HOLA: 面向开放集3D识别的全息多模态对齐
机构 * Technion – Israel Institute of Technology（技术ion-以色列理工学院）
AI总结 提出HOLA方法，通过解耦多正例对比损失和对齐点云与多视图图像及文本描述，实现开放集3D识别中的全息多模态对齐，在长尾基准上取得最先进零样本性能。
Local MixVR：打破分布式学习中通信与样本的依赖关系
机构 * Technion Haifa, Israel（技术离子海法分校，以色列） ； EPFL Lausanne, Switzerland（洛桑联邦理工学院，瑞士）
AI总结 提出Local MixVR框架，通过局部更新与方差缩减技术消除通信复杂度对样本总数N的依赖，实现仅与工作节点数M相关的通信复杂度，在M<O(N^{1/4})时优于现有最优方法。
物理世界中是否存在可预测的动态？
机构 * STATE16 ； Technion - Israel Institute of Technology（技术Ion - 以色列理工学院） ； Reichman University（Reichman大学） ； Google-Reichman AI Tech School（Google-Reichman人工智能技术学院）
AI总结 本文提出物理可接受性作为预测-控制接口，通过运动学、动力学和直接到组合的视界条件评估解码提案的物理可执行性，实验表明该方法能有效识别无效提案并保持任务进度。
Comments 17 pages
学习增强的可扩展线性分配问题优化：基于神经对偶热启动
机构 * Department of Electrical and Computer Engineering, Technion -- Israel Institute of Technology, Haifa, Israel（电气与计算机工程系，技术学院——以色列理工学院，海法，以色列）
AI总结 提出一种学习增强框架，通过预测对偶变量热启动精确求解器，并设计轻量级行独立架构RowDualNet避免O(N^2)内存瓶颈，实现可扩展的神经热启动，在保持最优性的同时获得超过2倍加速。
Comments Accepted to ICML 2026. 23 pages, 18 figures
生成模型统计可评估性的理论框架
机构 * University of Maryland（马里兰大学） ； Tel Aviv University and Google Research（特拉维夫大学和谷歌研究） ； Technion and Google Research（技术学院和谷歌研究）
AI总结 提出一个理论框架，研究生成模型的统计可评估性，证明基于有界测试类的积分概率度量可有限样本评估，而Rényi和KL散度不可评估。
Comments 30 pages
CARES: 面向视觉语言模型的上下文感知分辨率选择器
机构 * Technion（技术ion大学） ； IBM Research（IBM研究院） ； Tel-Aviv University（特拉维夫大学） ； Ben-Gurion University（本· Gurion大学）
AI总结 提出CARES轻量级预处理模块，通过紧凑型VLM预测图像-查询对的最小足够分辨率，在保持任务性能的同时最多减少80%计算量。
Comments Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) Accepted to ACL 2026 (Oral presentation). Code available at https://github.com/mkimhi/CARES
多类别和稀疏上下文赌博机的样本复杂度
机构 * Tel Aviv University（特拉维夫大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Google Research Tel Aviv（谷歌研究特拉维夫） ； Technion—Israel Institute of Technology（技术学院—以色列理工学院）
AI总结 针对随机i.i.d.上下文赌博机，提出基于决策估计系数和低方差探索的算法，在稀疏奖励下实现接近最优的样本复杂度，并匹配下界。
基于预测投注的半监督假设检验
机构 * Department of Computer Science, Technion – Israel Institute of Technology（计算机科学系，技术Ion – 以色列理工学院） ； Department of Electrical and Computer Engineering, Technion – Israel Institute of Technology（电气与计算机工程系，技术Ion – 以色列理工学院）
AI总结 提出一种基于预测投注的框架，利用无标签数据增强序贯假设检验的效力，通过引入e统计量实现任意有效的检验，并在标签偏移或概念偏移下保持有效性。
上下文匹配市场的自适应Bandit算法
机构 * Center for Statistical Science, School of Mathematical Sciences, Peking University（北京大学数学科学学院统计科学中心） ； INRIA, FairPlay Joint Team（INRIA公平玩联合团队） ； Criteo AI lab, FairPlay Joint Team（Criteo AI实验室，公平玩联合团队） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 针对上下文匹配市场中的bandit学习问题，提出自适应算法，在随机和对抗性上下文下分别实现实例相关的多对数遗憾上界和次线性遗憾界。
Comments Accepted to ICML 2026
DODO: 离散OCR扩散模型
机构 * Technion - Israel Institute of Technology, Haifa, Israel.（特拉维夫大学-以色列理工学院，海法，以色列。） ； Amazon Web Services（亚马逊网络服务）
AI总结 针对OCR任务中自回归解码速度慢的问题，提出首个利用块离散扩散的VLM模型DODO，在保持高精度的同时实现高达5倍的推理加速。
GOProteinGNN：利用蛋白质知识图谱进行蛋白质表示学习
机构 * Faculty of Computer Science Technion Israel Institute of Technology Haifa Israel（计算机科学学院技术离子理工学院海法以色列） ； Meta AI Tel Aviv Israel（Meta AI 特拉维夫以色列） ； Technion Israel Institute of Technology（技术离子理工学院） ； Meta AI
AI总结 提出GOProteinGNN架构，通过整合蛋白质知识图谱信息增强蛋白质语言模型，在氨基酸和蛋白质级别进行图学习，从而在多个下游任务上取得最优性能。
Journal ref CIKM 2025: Proceedings of the 34th ACM International Conference on Information and Knowledge Management
因果特征在战略分类中的作用：鲁棒性与对齐
机构 * Mila & Université de Montréal（Mila与蒙特利尔大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Faculty of Computer Science, Technion - Israel Institute of Technology（技术学院-以色列理工学院计算机科学系） ； Dept. of Computing Science, Amii & University of Alberta, Canada（计算科学系，Amii与阿尔伯塔大学，加拿大）
AI总结 本文通过因果模型分析战略分类中的分布偏移，证明因果分类在噪声有界时达到最优误差，并分解OOD交叉熵风险，揭示因果特征在长期激励对齐中的优势。
Comments Accepted at AISTATS 2026. 20 pages, 5 figures
带强盗反馈的PAC学习：可实现设置下的精确样本复杂度
机构 * Technion – Israel Institute of Technology and Google Research（技术ion – 以色列理工学院和谷歌研究）
AI总结 本文研究可实现设置下带强盗反馈的多类PAC学习问题，通过定义新的组合维度（强盗DS维度）并基于ListCascade算法，给出了最优样本复杂度的精确刻画（至多对数因子）。
Comments 18 pages
对齐使语言模型变得规范，而非描述性
机构 * Technion – Israel Institute of Technology（技术离子-以色列理工学院）
AI总结 通过对比120个基础-对齐模型对在超过10,000个真实人类决策中的表现，发现对齐诱导了规范性偏差：在单轮教科书式博弈中提升预测，但在多轮战略博弈中因忽略互惠、报复等描述性动态而损害预测。
差异最小化提升数字病理学中的跨医院鲁棒性
机构 * Reichman University, Herzliya, Israel（以色列海法大学） ； Institute of Pathology, Sheba Medical Center, Ramat-Gan, Israel（以色列沙巴医疗中心病理研究所） ； Technion - Israel Institute of Technology, Haifa, Israel（以色列技术学院）
AI总结 通过局部最大均值差异（LMMD）微调病理基础模型，在域适应和域泛化设置下提升跨医院鲁棒性。
ReactEmbed: 一种基于生化反应网络统一蛋白质-分子表示的可插拔模块
机构 * Technion（技术ion）
AI总结 提出ReactEmbed模块，利用生化反应网络对齐蛋白质和分子嵌入，实现跨域统一表示，无需重新训练。
ExpOS: 基于3D手部重建的可解释开放式手术技能评估
机构 * Faculty of Data and Decision Sciences, Technion – Israel Institute of Technology, Haifa, 3200003, Israel（数据与决策科学学院，技术学院–以色列理工学院，海法，3200003，以色列）
AI总结 提出ExpOS框架，通过弱监督时间重要性学习和可解释运动统计，从手术视频中自动评估技能水平并提供多层级可解释反馈。
Comments 10 pages, 4 figures
关系数据库上深度同态网络的表达能力
机构 * University of Amsterdam（阿姆斯特丹大学） ； Leipzig University（莱比锡大学） ； Technion（技术学院） ； RelationalAI（关系AI）
AI总结 本文通过将深度同态网络与一阶逻辑的片段建立联系，研究了其在关系数据库上的表达能力，并分析了空问题和包含问题的可判定性。
OSS: 2024-2025 开放缝合技能基于视觉的评估挑战
机构 * Department of Translational Surgical Oncology, National Center for Tumor Diseases (NCT/UCC) Dresden（转化外科肿瘤学部，肿瘤疾病国家中心（NCT/UCC）德累斯顿） ； The Centre for Tactile Internet with Human-in-the-Loop (CeTI), TUD Dresden University of Technology（具有人环路触觉互联网中心（CeTI），德累斯顿技术大学） ； Department of Oral and Maxillofacial Surgery, University Hospital RWTH Aachen（口腔和颌面外科部，亚琛大学医院） ； Center for Tooth-, Mouth- and Jaw Medicine, University Göttingen（牙科、口科和颌科医学中心，哥廷根大学） ； Institute of Medical Informatics, University Hospital RWTH Aachen（医学信息学研究所，亚琛大学医院） ； Faculty of Medicine and University Hospital Carl Gustav Carus, TUD Dresden University of Technology（医学系和卡尔·戈斯塔·卡鲁斯大学医院，德累斯顿技术大学） ； German Cancer Research Center (DKFZ)（德国癌症研究中心（DKFZ）） ； Muroran Institute of Technology（牟然技术学院） ； Niigata University of Health and Welfare（北九州市保健福利大学） ； Konica Minolta, Inc.（柯尼卡美能达公司） ； Jmees, Inc.（Jmees公司） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程部，香港科学与技术大学） ； Center Algoritmi/LASI, University of Minho（算法中心/ALASI，米尼奥大学） ； Life and Health Sciences Research Institute (ICVS), School of Medicine, University of Minho（生命与健康科学研究院（ICVS），医学院，米尼奥大学） ； ICVS/3B's - PT Government Associate Laboratory（ICVS/3B's - PT政府附属实验室） ； Institute for AI in Medicine (IKIM), University Medicine Essen（医学人工智能研究所（IKIM），埃森大学医学部） ； The Faculty of Data and Decisions Science, Technion - Israel Institute of Technology（数据与决策科学系，技术学院-以色列理工学院） ； UCL Hawkes Institute, University College London（UCL Hawkes研究所，伦敦大学学院） ； School of Computing, Queen's University（计算学院，皇后大学） ； Department of Transdisciplinary Medicine, Seoul National University Hospital（跨学科医学部，首尔国立大学医院） ； Interdisciplinary Program in Medical Informatics, Seoul National University（医学信息学跨学科项目，首尔国立大学） ； Department of Clinical Medical Sciences, Seoul National University（临床医学科学部，首尔国立大学） ； Institute of Convergence Medicine with Innovative Technology, Seoul National University Hospital（融合医学与创新技术研究所，首尔国立大学医院） ； Department of Surgery, Seoul National University College of Medicine and Seoul National University Hospital（外科部，首尔国立大学医学院和首尔国立大学医院）
AI总结 本文提出OSS挑战，旨在通过基于视觉的评估方法提升开放手术技能训练，通过挑战数据集和多任务评估，评估不同方法在开放手术技能评估中的表现，揭示视频评估的潜力与限制。
Comments Stefanie Speidel and Behrus Hinrichs-Puladi jointly supervised this work. Submitted to MEDIA
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