Scalable Inspection Planning via Flow-based Mixed Integer Linear Programming
基于流的混合整数线性规划的可扩展检查规划
机构 * Technion--Israel Institute of Technology, Haifa, Israel（技术离子-以色列理工学院，海法，以色列）
AI总结 本文提出基于流的混合整数线性规划方法，解决大规模检查规划问题，提升求解效率和解的质量，适用于医疗和基础设施等场景。
高校专区
Technion - Israel Institute of Technology（以色列理工学院）
The Value of Mechanistic Priors in Sequential Decision Making
在序列决策中机制先验的价值
机构 * Technion（技术学院） ； NVIDIA Research（NVIDIA研究）
AI总结 本文研究了机制先验在序列决策中的价值，通过渐近和预热阶段的分析，提出机制信息度量并展示其在5-FU给药模拟中的高效性，对比LLM先验发现其在机械信息上存在严重损失。
Online Set Learning from Precision and Recall Feedback
在线集学习：基于精确度与召回率反馈
机构 * Stanford University（斯坦福大学） ； 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） ； University of Maryland（马里兰大学）
AI总结 本文研究在线集学习问题，通过精确度和召回率反馈最大化累积奖励。证明有限VC维的假设类可学习，算法结构复杂，挑战传统ERM原则，提供现实和非现实设置下的后悔界。
Enabling Structure-Only Initialization and Out-of-Distribution Generalization in GNN-based Molecular Dynamics Simulators
使基于图神经网络的分子动力学模拟器具备仅结构初始化和分布外泛化能力
机构 * The Wolfson Department of Chemical Engineering, Technion - Israel Institute of Technology, Haifa, 32000, Israel（沃尔夫森化学工程系，技术学院-以色列理工学院，海法，32000，以色列）
AI总结 本文提出两种策略，使基于GNN的模拟器能稳定准确地仅通过结构初始化，并实现分布外泛化，通过物理优化框架和可微分的barostat，提升模拟稳定性与泛化能力。
Comments 10 pages, 7 figures
Representative Action Selection for Large Action Space Bandit Families
大规模动作空间老虎机家族中的代表性动作选择
机构 * National University of Singapore（新加坡国立大学） ； Technion（技术学院）
AI总结 本文研究如何从大规模动作空间中选择代表性动作，以提高效率。提出简单算法通过随机采样和求解来收集最优动作，理论和实验验证其有效性。
Simulus: Combining Improvements in Sample-Efficient World Model Agents
Simulus：结合高效样本世界模型代理的改进
机构 * Technion（技术ion大学） ； Microsoft Research（微软研究院） ； ByteDance Seed（字节跳动种子实验室）
AI总结 本文提出Simulus，一种模块化的基于标记的世界模型代理，通过整合灵活的标记化框架、内在动机、优先世界模型回放和回归-分类方法，提升了样本效率，适用于多个基准测试。
Comments Revised version: updated title, abstract, and framing to better reflect our contributions and situate the work within the literature
Improving Inverse Folding for Peptide Design with Diversity-regularized Direct Preference Optimization
通过多样性正则化的直接偏好优化改进肽设计的反向折叠
机构 * Stanford University（斯坦福大学） ； NVIDIA（英伟达） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） ； Flagship Pioneering（旗领先锋） ； University of Oxford（牛津大学）
AI总结 本文通过改进的直接偏好优化方法，结合多样性正则化和领域特定先验，提升肽设计中反向折叠模型的序列多样性和结构一致性，实验表明在OpenFold生成结构条件下，模型在结构相似度上取得显著提升。
Comments Preprint. 10 pages plus appendices
GraphBench: Next-generation graph learning benchmarking
GraphBench: 图学习下一代基准测试
机构 * RWTH Aachen University（亚琛RWTH大学） ； University of Oxford（牛津大学） ； Mila – Quebec AI Institute（魁北克AI研究所） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） ； ETAS Research University of Stuttgart（斯图加特大学ETAS研究所） ； Google Research（谷歌研究） ； Microsoft Research（微软研究院）
AI总结 GraphBench 提供标准化评估协议和统一超参数调优框架，用于评估图学习任务中的泛化能力，推动图学习领域的发展。
Finite-Time Analysis of MCTS in Continuous POMDP Planning
连续POMDP规划中MCTS的有限时间分析
机构 * Technion Autonomous Systems Program (TASP)（技术离子自主系统计划（TASP）） ； Technion – Israel Institute of Technology（技术离子–以色列理工学院） ； Stephen B. Klein Faculty of Aerospace Engineering（史蒂文·B·克莱因航空航天工程学院） ； Faculty of Data and Decision Sciences（数据与决策科学学院）
AI总结 本文针对连续POMDP规划中的MCTS，提出有限时间分析，通过扩展多项式探索奖励和引入抽象分区框架，提供理论保证，提出Voro-POMCPOW算法在连续观测空间中实现有效探索。
Comments 9 pages, 1 figure
Retrieval from Within: An Intrinsic Capability of Attention-Based Models
内部检索：基于注意力模型的内在能力
机构 * NVIDIA ； Department of Electrical Engineering, Technion, Haifa, Israel（技术学院电子工程系，以色列海法）
AI总结 本文提出INTRA框架，通过注意力机制直接从内部表征检索证据，统一检索与生成流程，提升问答任务的召回与生成质量。
Normalized Architectures are Natively 4-Bit
归一化架构本质上是4位的
机构 * NVIDIA ； Department of Electrical and Computer Engineering - Technion（技术学院电子工程系）
AI总结 本文提出归一化架构在4位精度下具有更高的鲁棒性，无需额外干预即可实现稳定训练，通过分析点积发现其在隐藏维度增长时信号噪声比提高，损失景观更平缓。
Arithmetic in the Wild: Llama uses Base-10 Addition to Reason About Cyclic Concepts
野性算术：Llama使用十进制加法来推理循环概念
机构 * Northeastern University（东北大学） ； Technion IIT（技术ion理工学院） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学）
AI总结 研究Llama-3.1-8B如何用十进制加法处理循环概念，发现其通过通用加法机制而非模运算实现，利用傅里叶特征进行计算，揭示了因果抽象与特征几何的交互对语言模型的理解作用。
Do Sparse Autoencoders Capture Concept Manifolds?
稀疏自编码器能否捕捉概念流形？
机构 * Harvard University（哈佛大学） ； Northeastern University（东北大学） ； Technion IIT（技术学院） ； Stanford University（斯坦福大学）
AI总结 本文探讨了稀疏自编码器捕捉流形的能力，指出现有方法在连续结构恢复上存在不足，并提出应以几何对象而非单个方向作为可解释性基础。
From Competition to Collaboration: Designing Sustainable Mechanisms Between LLMs and Online Forums
从竞争到协作：设计LLMs与在线论坛之间的可持续机制
机构 * Technion–Israel Institute of Technology（技术离子-以色列理工学院） ； University of Groningen（Groningen大学） ； NVIDIA Research（NVIDIA研究）
AI总结 本文提出一个序列交互框架，使LLMs与论坛协作，解决生成式AI依赖论坛数据的悖论，通过模拟展示激励不一致问题，证明可持续知识共享的潜力。
On the Learning Curves of Revenue Maximization
收益最大化学习曲线研究
机构 * Purdue University（普渡大学） ； Yale University（耶鲁大学） ； Technion（技术学院） ； Google Research（谷歌研究院）
AI总结 本文研究收益最大化学习曲线，揭示单件和单买家环境下学习曲线衰减率，证明在无分布限制时学习曲线收敛但速度极慢，而当最优收益由有限价格实现时衰减率为1/√n，离散分布下衰减几乎指数快。
Comments To appear in the 58th ACM Symposium on Theory of Computing (STOC 2026)
Differentiable Faithfulness Alignment for Cross-Model Circuit Transfer
可微的忠实对齐用于跨模型电路转移
机构 * University of Cambridge（剑桥大学） ； Kempner Institute, Harvard University（哈佛大学凯普勒研究所） ； University of Edinburgh（爱丁堡大学） ； Technion（技术学院）
AI总结 本文提出DFA框架，通过学习可微对齐将小模型的电路信息转移到大模型，实验证明在事实检索、多选推理和算术任务中，DFA在Llama-3 1B→3B任务中表现优异，且在某些情况下恢复的电路忠实度不低于直接归因。
Comments 10 pages, 5 figures
Masked by Consensus: Disentangling Privileged Knowledge in LLM Correctness
被共识掩盖：在LLM正确性中解构特权知识
机构 * Technion – Israel Institute of Technology（技术学院–以色列理工学院） ； IBM Research（IBM研究院） ； Kempner Institute, Harvard University（哈弗大学凯普纳研究所）
AI总结 研究探讨大语言模型是否具备类似人类的内部状态评估正确性知识，通过自代表和外部模型对比发现，在分歧子集上，自代表在事实任务中表现更优，但数学推理中无优势。
Comments Accepted to ACL 2026 (Main Conference). 8 pages, 16 figures, 2 tables
CRISP: Persistent Concept Unlearning via Sparse Autoencoders
CRISP：通过稀疏自编码器实现持久性概念卸载
机构 * Technion – Israel Institute of Technology（技术ion-以色列理工学院） ； Boston University（波士顿大学） ； University of Zagreb, FER（Zagreb大学，FER） ； Kempner Institute, Harvard University（哈佛大学 Kempner研究所）
AI总结 CRISP利用稀疏自编码器实现持久性概念卸载，通过自动识别多层显著SAE特征并抑制其激活，优于现有方法，在WMDP基准的安全关键卸载任务中有效移除有害知识并保持通用能力。
Comments Accepted to ACL 2026
Approximating Uniform Random Rotations by Two-Block Structured Hadamard Rotations in High Dimensions
通过双块结构化的Hadamard旋转近似均匀随机旋转
机构 * Faculty of Data and Decision Sciences, Technion – Israel Institute of Technology（数据与决策科学学院，技术学院 – 以色列理工学院） ； Edward P. Fitts Department of Industrial and Systems Engineering, North Carolina State University（埃德华·P·菲茨工业与系统工程系，北卡罗来纳州立大学）
AI总结 研究双块结构化Hadamard旋转在高维空间中的近似效果，证明其在单维坐标上收敛性，但整体分布存在偏差，揭示了其在某些算法中的有效性与局限性。
On the Role of Preprocessing and Memristor Dynamics in Reservoir Computing for Image Classification
关于预处理和忆阻器动态在图像分类中的递归神经网络计算中的作用
机构 * Viterbi Faculty of Electrical and Computing Engineering, Technion - Israel Institute of Technology（技术学院-以色列理工学院电子与计算工程学院） ； College of Engineering and Physical Sciences, Aston University（阿斯顿大学工程与物理科学学院）
AI总结 本文研究了预处理和忆阻器动态对递归神经网络计算在图像分类中的影响，分析了忆阻器特性对 reservoir 性能的影响，并提出了改进数据表示的方法，实现了 95.89% 的 MNIST 分类准确率。
Comments Accepted for publication in Advanced Electronic Materials. Main text: pages 1-32, 11 figures. Supporting information: pages 24-32, 11 figures
Temporal Difference Calibration in Sequential Tasks: Application to Vision-Language-Action Models
时间差校准在连续任务中的应用：用于视觉-语言-动作模型
机构 * Technion - Israel Institute of Technology（技术ion-以色列理工学院）
AI总结 本文提出了一种用于连续任务的时间差校准方法，通过将Brier分数扩展到序列任务，将不确定性校准与强化学习结合，提高了视觉-语言-动作模型的性能。
Sample Complexity of Autoregressive Reasoning: Chain-of-Thought vs. End-to-End
自回归推理的样本复杂性：链式推理与端到端
机构 * Purdue University（普渡大学） ； The Hebrew University（希伯来大学） ； Technion and Google Research（技术学院和谷歌研究）
AI总结 本文研究自回归系统的学习难度，发现端到端监督下样本复杂性随生成长度T变化丰富，而链式推理监督可使样本复杂性与T无关，从而消除对生成长度的依赖。
Mechanisms of Prompt-Induced Hallucination in Vision-Language Models
视觉-语言模型中提示诱导幻觉的机制
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Brown University（布朗大学） ； Technion（技术学院） ； University of Tübingen（图宾根大学） ； Harvard University（哈佛大学）
AI总结 研究揭示了视觉-语言模型在提示诱导幻觉中的机制，通过分析三种模型发现特定注意力头可显著减少幻觉现象，揭示了模型对提示的响应差异。
Comments ACL 2026 Main
Why Fine-Tuning Encourages Hallucinations and How to Fix It
为何微调会鼓励幻觉以及如何解决
机构 * Hebrew University of Jerusalem（海法大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； University of Southern California（南加州大学）
AI总结 本文探讨微调导致幻觉的原因，提出基于自蒸馏的微调方法以减少幻觉，通过抑制输出分布漂移提升事实学习效果。
Follow the Flow: On Information Flow Across Textual Tokens in Text-to-Image Models
跟随流动：文本到图像模型中文本令牌间信息流动的研究
机构 * Hebrew University of Jerusalem（海法大学） ； Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； Kempner Institute, Harvard University（哈佛大学凯普纳研究所）
AI总结 本文研究文本到图像模型中令牌表示间的信息分布，发现信息常集中于少数几个令牌，且令牌间存在孤立与交互影响，改进编码可提升生成质量。
Comments Accepted to ACL 2026
Quantitative Approximation Rates for Group Equivariant Learning
群等变学习中的定量逼近速率
机构 * Department of Mathematics（数学系） ； Texas A&M University（德克萨斯A&M大学） ； Faculty of Mathematics（数学系） ； Technion- Israel Institute of Technology（技术学院-以色列理工学院） ； Computer Science and Artificial Intelligence Laboratory（计算机科学与人工智能实验室） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文研究群等变学习中ReLU网络对α-霍尔德函数的逼近速率，证明等变架构与普通MLP在表达能力上相当，无需牺牲逼近能力。
Adaptive Canonicalization with Application to Invariant Anisotropic Geometric Networks
自适应规范化解析及其在不变各向异性几何网络中的应用
机构 * Technical University of Munich, School of Computation, Information and Technology（慕尼黑技术大学，计算、信息与技术学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Technion - Israel Institute of Technology, Faculty of Mathematics（技术学院-以色列理工学院，数学学院）
AI总结 本文提出自适应规范化解析，通过输入和网络共同决定规范形式，解决谱图神经网络的本征基模糊性和点云旋转对称性问题，实验表明其优于数据增强、标准规范化解析和等变架构。
Maximal Brain Damage Without Data or Optimization: Disrupting Neural Networks via Sign-Bit Flips
最大脑损伤无数据或优化：通过符号位翻转破坏神经网络
机构 * NVIDIA ； Technion（技术学院） ； IBM Research（IBM研究院）
AI总结 研究通过符号位翻转破坏神经网络，展示了在多个领域中的脆弱性，并提出数据和优化无关的DNL方法及改进版本1P-DNL，提出保护关键符号位的防御策略。
Comments 10 pages, 5 figures. Accepted as a Featured Paper at Transactions on Machine Learning Research (TMLR)
Journal ref Transactions on Machine Learning Research (TMLR), 2026
Complex Interpolation of Matrices with an application to Multi-Manifold Learning
矩阵的复插值及其在多流形学习中的应用
机构 * Viterbi Faculty of Electrical and Computer Engineering, Technion – Israel Institute of Technology（电气与计算机工程学院，技术学院–以色列理工学院） ； Department of Mathematics and Department of Applied Mathematics, University of Washington（数学系和应用数学系，华盛顿大学） ； University of Washington, Seattle, WA 98195, USA（华盛顿大学，西雅图，华盛顿州98195，美国）
AI总结 研究对称正定矩阵插值的谱性质，揭示共同结构与主成分对齐的理论依据，为多流形学习提供方法支持。
Rag Performance Prediction for Question Answering
基于问答的RAG性能预测
机构 * Technion（技术学院） ； Technology Innovation Institute (TII)（技术创新研究所）
AI总结 本文研究了RAG在问答中的性能预测，提出了一种新的监督预测器，通过建模问题、检索段落和生成答案之间的语义关系，提升了预测效果。
Comments 12 pages. 2 figures. 1 table
