高校专区
插入语言模型的连续时间马尔可夫链框架
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； IBM Research（IBM研究院） ； University of Toronto（多伦多大学） ； Vijil（维吉尔）
AI总结 提出基于连续时间马尔可夫链的插入语言模型去噪框架，统一现有方法，在规划任务中优于自回归和掩码扩散模型，语言建模中与现有方法竞争且采样更灵活。
Comments Accepted at AISTATS 2026. Code is available at https://github.com/dhruvdcoder/ctmc_dilm
BenSyc: 孟加拉语上下文中大语言模型对话谄媚与人类对齐的基准测试
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Virginia Tech（弗吉尼亚理工大学） ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） ； BRAC University（BRAC大学） ； University of Toronto（多伦多大学）
AI总结 提出BenSyc基准，基于孟加拉语社交数据构建五级标注集，评估15+模型在对话对齐分类与生成任务上的表现，发现前沿模型在区分共情与强化性认可上仍存在困难。
使用悬挂托盘的机器人非抓取式物体运输
机构 * University of Toronto（多伦多大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 针对机器人服务员问题，提出使用绳索悬挂托盘实现三维摆运动，仅需3自由度移动基座即可减少滑动和泼洒，实验验证了有效性并集成到交互演示中。
Comments 8 pages, 11 figures. IEEE/ASME International Conference on Advanced Intelligent Mechatronics, 2026
单光纤积分场单元光谱学
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 提出一种多模态概率基础模型，利用掩码自编码器从宽带图像预测星系任意空间位置的高分辨率光谱，无需IFU训练数据，性能与监督基线相当。
Comments Accepted for Conference on Physics and AI at Stanford University (PAI 2026)
重新审视视觉问答中的贪婪解码：一种校准视角
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学） ； MBZUAI（穆桑比克人工智能研究所）
AI总结 针对视觉问答任务，从校准角度理论证明贪婪解码优于随机采样，并提出适用于推理模型的贪婪解码方法，实验验证其有效性。
基于词典的跨语言语义投影生成概念词汇化
机构 * University of Toronto（多伦多大学）
AI总结 提出一种通过语义投影将英语WordNet概念扩展到新语言的方法，利用双语词典增强对齐并过滤错误投影，在多个语言上提升了精度且保持可解释性和资源效率。
Comments Paper presented at Canadian AI 2026
通过具有丰富化学先验的软约束GFlowNets生成可合成分子
机构 * University of Toronto（多伦多大学） ； DeepMind（深度思维） ； University of Montreal（蒙特利尔大学）
AI总结 提出S3-GFN方法，通过软正则化序列GFlowNet，利用大规模SMILES语料库的化学先验，生成高奖励且可合成的分子，实验表明可合成率≥95%。
梯度引导的最远点采样用于鲁棒训练集选择
机构 * Berlin Institute for the Foundations of Learning（柏林学习与数据基础研究院） ； Chemical Physics Theory Group, Department of Chemistry, University of Toronto, St. George Campus, Toronto, ON, Canada（化学物理理论组，化学系，多伦多大学圣乔治校区，多伦多，ON，加拿大） ； Department of Materials Science and Engineering, University of Toronto, St. George Campus, Toronto, ON, Canada（材料科学与工程系，多伦多大学圣乔治校区，多伦多，ON，加拿大） ； Vector Institute for Artificial Intelligence, Toronto, ON, Canada（人工智能研究所，多伦多，ON，加拿大） ； Department of Physics, University of Toronto, St. George Campus, Toronto, ON, Canada（物理系，多伦多大学圣乔治校区，多伦多，ON，加拿大） ； Acceleration Consortium, University of Toronto, Toronto, ON, Canada（加速联盟，多伦多大学，多伦多，ON，加拿大）
AI总结 提出梯度引导最远点采样（GGFPS），利用分子力范数指导构型空间采样，在MD17数据集上相比FPS和随机采样显著提升数据效率和模型鲁棒性。
Comments 41 pages, 43 figures, 2 algorithms; journal article with supplementary information appended
Journal ref Machine Learning: Science and Technology 7, 035047 (2026)
学习承诺：通过学习异步解码扩展语言模型解码并行性
机构 * DeepMind, London, UK（深度思维公司，伦敦，英国） ； Google Research, New York, NY, USA（谷歌研究院，纽约，纽约州，美国） ； Stanford University, Stanford, CA, USA（斯坦福大学，斯坦福，加利福尼亚州，美国） ； University of Toronto, Toronto, Ontario, Canada（多伦多大学，多伦多，安大略省，加拿大） ； University of Washington, Seattle, WA, USA（华盛顿大学，西雅图，华盛顿州，美国）
AI总结 本文提出PASTA系统，通过学习使语言模型识别语义独立性，提升解码并行性，实验证明在解码速度和响应质量上优于现有方法。
Comments 15 pages
Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML), PMLR 267:27941-27956, 2025
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