高校专区
RadarGen：从摄像头生成汽车雷达点云
机构 * Technion（技术学院） ； MIT（麻省理工学院） ； NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 RadarGen通过扩散模型从摄像头图像生成逼真的雷达点云，结合BEV对齐的深度、语义和运动线索，提升雷达生成的物理合理性与多模态模拟能力。
Comments ECCV 2026. Project page: https://radargen.github.io/
EHR-MPC：利用生成式患者数字孪生进行脓毒症治疗的推理时间控制
机构 * Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） ； Harvard University（哈佛大学） ； Brigham and Women’s Hospital（布莱根妇女医院） ； Technion–Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 针对脓毒症治疗策略有争议且现有强化学习方法适应性不足的问题，提出EHR-MPC框架，通过训练生成式电子健康记录模型形式的患者数字孪生解耦学习与治疗优化，经模拟评估性能优于强化学习基线，建立了决策通用框架。
PINNACLE：一种用于经典和量子PINN的开源计算框架
机构 * Faculty of Mechanical Engineering, Technion Israel Institute of Technology, Haifa, Israel（技术学院机械工程系，以色列技术学院，海法，以色列） ； Andrew and Erna Viterbi Faculty of Electrical & Computer Engineering, Technion Israel Institute of Technology, Haifa, Israel（安德鲁和伊尔纳·维特比电气与计算机工程学院，技术学院，海法，以色列） ； Helen Diller Quantum Center, Technion Israel Institute of Technology, Haifa, Israel（海伦·迪尔量子中心，技术学院，海法，以色列） ； Faculty of Electrical and Computer Engineering, Cornell University, Ithaca, NY, USA（电气与计算机工程学院，康奈尔大学，纽约州伊萨克，美国）
AI总结 PINNACLE框架整合了现代训练策略和混合量子经典架构，通过统一模块化工作流系统评估PINN在不同基准问题中的性能，支持多种增强方法并提供全面的基准研究。
成长之痛：通过固定参数校准实现可扩展且高效的LLM基准测试
机构 * The Hebrew University of Jerusalem（海法大学） ； IBM Research（IBM研究院） ； MIT（麻省理工学院） ； Technion（技术学院） ； Allen Institute for AI（人工智能研究院）
AI总结 本文提出基于多维项目反应理论的框架，利用锚定项目校准新基准，保持原有参数固定，实现随时间扩展基准测试的同时保持评分可比性，且评估成本恒定。
耗散型Twistcar的分析与实验：方向反转及渐近近似
机构 * Department of Mechanical Engineering, Technion - Israel Institute of Technology（机械工程系，技术学院-以色列理工学院） ； Department of Aerospace and Mechanical Engineering, University of Southern California（航空航天与机械工程系，南加州大学）
AI总结 本研究将耗散纳入Twistcar的双连杆模型，推导其小幅稳态周期动力学的渐近表达式，构建可调节质心的机器人原型验证方向反转现象，并通过参数拟合提升实验吻合度。
Comments The paper has been accepted for publication at Multibody Systems Dynamics (Springer Nature), August 2026
STATe-of-Thoughts：用于树状思维的结构化动作模板
机构 * Technion（以色列理工学院） ； Princeton University（普林斯顿大学） ； Independent（独立作者） ； Hebrew University（希伯来大学）
AI总结 STATe通过结构化动作模板提升文本生成的多样性和可控性，通过显式动作序列捕捉可解释特征，增强生成质量与可解释性。
Comments Accepted to COLM 2026. Version 3. 11 pages main, 85 pages total, 23 tables, 21 figures
从感受至指标：理解并形式化用户如何通过 vibes 测试 LLMs
机构 * Technion – Israel Institute of Technology（技术离子-以色列理工学院） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
AI总结 研究用户通过非正式经验评估LLM的方式，并形式化该过程以支持系统分析，通过个性化测试和用户感知标准改进模型评估。
Comments Published at COLM 2026. 50 pages, 20 figures. Code and data at https://technion-cs-nlp.github.io/vibe-testing-llms
MME：基于随机游走变换器门控的网格专家混合模型
机构 * Technion - Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 MME通过随机游走变换器门控机制，结合专家混合框架，实现网格分析的高精度分类与语义分割。
单调和可分离的集合函数：特征化与神经模型
机构 * IIT Bombay（印度理工学院班加罗尔分校） ； Technion（技术学院）
AI总结 本文研究了保持集合自然偏序的集合到向量函数设计，提出弱MAS属性模型，展示了其在集合包含任务中的优势。
关于ABPMS过程框架的混合性质及其对自动化过程发现的影响
机构 * University of Tartu（塔尔图大学） ； Free University of Bozen-Bolzano（博兹纳-博尔扎诺自由大学） ； Bar-Ilan University（巴伊兰大学） ； Technion – Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 本文探讨ABPMS过程框架的混合特性，提出通过映射发现的约束到过程片段，为自动化过程发现提供基础。
SPAD信号中的扩散
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）
AI总结 本文提出利用扩散模型表达图像先验，解决基于SPAD信号的逆问题，并探讨光子计数和检测事件时间对结果的影响。
基于眼动追踪的自动可读性评估方法的认知评估
机构 * Faculty of Data and Decision Sciences, Technion – Israel Institute of Technology（数据与决策科学学院，技术Ion-以色列理工学院）
AI总结 研究聚焦自动文本可读性评分方法，引入新认知评估框架，通过眼动追踪在线测量实时阅读流畅度，评估多种方法后发现它们在预测成人英语阅读流畅度上欠佳，揭示局限并呼吁新的认知驱动评分方法。
Comments Computational Linguistics
需要多少次迭代才能突破限制？多轮LLM评估中的动态预算分配
机构 * Department of Computer Science（计算机科学系） ； Technion, Israel（技术ion, 以色列） ； Departments of Electrical and Computer Engineering and of Computer Science（电气与计算机工程系和计算机科学系）
AI总结 本文提出DAPRO框架，通过动态预算分配在多轮LLM交互中提供事件发生时间的界限，解决静态方法效率低的问题，实验表明其在覆盖性和方差方面优于传统方法。
将网络编码引入多机器人系统：自主系统在无线通信中的相互作用研究
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）
AI总结 研究探讨了网络编码在多机器人系统中的应用，通过案例分析展示其在提升通信可靠性和任务执行效率方面的优势。
Comments To appear in IROS 2026
利用可微偏微分方程求解器从稀疏测量中进行半神经空间重建
机构 * Department of Mathematics, Technion, Haifa, Israel（数学系，技术离子学院，海法，以色列） ； Department of Civil and Environmental Engineering, Technion, Haifa, Israel（土木与环境工程系，技术离子学院，海法，以色列）
AI总结 针对从稀疏测量生成密集物理场的问题，提出结合径向基函数重建、神经网络校正和可微偏微分方程求解器的混合建模方法，无需完全解析模拟状态示例训练神经网络，在流体力学基准测试中获优于其他方法的结果。
DiffAU: 基于扩散的Ambisonics升阶
机构 * Technion - Israel Institute of Technology（技术学院 - 以色列理工学院）
AI总结 提出DiffAU方法，利用扩散模型和空间音频适配，从一阶Ambisonics生成三阶Ambisonics，实现快速可靠的升阶。
基于价值过滤解码的选择性安全引导
机构 * Department of Electrical and Computer Engineering, Technion IIT（技术学院电气与计算机工程系） ； Department of Statistics, University of Oxford（牛津大学统计系） ； OATML, Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Computer Science, Technion IIT（技术学院计算机科学系）
AI总结 本文提出一种测试时引导方法，通过价值基的安全标准过滤token，减少不必要的干预，提升不安全响应的安全性，同时在多个数据集上验证了其在安全与帮助性之间的更好平衡。
SFO：通过谱滤波学习偏微分方程算子
机构 * Technion - Israel Institute of Technology（技术离子-以色列理工学院） ； Princeton University（普林斯顿大学）
AI总结 研究如何让神经算子有效捕捉偏微分方程解映射中的长程非局部相互作用，提出谱滤波算子SFO，利用通用谱基参数化积分核，通过学习快速衰减特征值的谱系数实现高效表示，在六个基准测试中达最优精度，大幅降误差并减少参数。
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/
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。
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
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/
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。
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。
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
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