University of Toronto（多伦多大学）

Scalable Low-Cost Laboratory Automation: A Digital Twin-Integrated Robotic Platform for Autonomous Liquid Handling (RAINBOT)

可扩展的低成本实验室自动化：用于自主液体处理的数字孪生集成机器人平台（RAINBOTTM）

Mohamed Rami Ayeche, Souhil Sid, Ahyen Mostofa, Rehaan Hussain, Ali Shayesteh, Fadwa El Mellouhi

机构 * Acceleration Consortium, University of Toronto（多伦多大学加速联盟） ； AISCIA Informatics（AISCIA信息学公司） ； Hamad Bin Khalifa University (HBKU)（哈马德·本·哈利法大学） 纠错

AI总结 研究针对商业液体处理系统的局限，提出将消费级3D打印机改装为低成本液体处理机器人RAINBOTTM的方法，通过数字孪生实现远程监控，结合CEIDTM框架进行目标导向实验，成本低，建立了可访问的物理 - 虚拟实验室自动化框架。

Artificial Intelligence for Mathematical Reasoning: An Integrated Survey of Language Models, Neuro-symbolic Systems, and Verified Discovery

人工智能数学推理：语言模型、神经符号系统与验证发现的综合综述

Syed Rifat Raiyan, Mohsinul Kabir, Hasan Mahmud, Md Kamrul Hasan, Sophia Ananiadou

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文综述了数学推理领域从早期规则系统到当代推理模型、多智能体系统及验证发现工作流的演变，沿非正式推理、形式推理、数学发现及推理技术四轴组织，并评估了基准测试、失败模式及未来方向。

Comments Under review, 47 pages, 14 figures, 22 tables

MaskAttn-SDXL: Controllable Region-Level Text-To-Image Generation

MaskAttn-SDXL：可控区域级文本到图像生成

Yu Chang, Jiahao Chen, Anzhe Cheng, Paul Bogdan

机构 * University of Southern California（南加州大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出MaskAttn-SDXL模块，通过在softmax前注入token条件空间门控，解决扩散模型在多物体生成中的全局协调和可靠性问题，无需改变SDXL流程。

Comments Published in the 2026 International Joint Conference on Neural Networks (IJCNN 2026)

Journal ref Proceedings of the 2026 International Joint Conference on Neural Networks (IJCNN 2026)

Statistical realism is not evidence that LLMs can estimate treatment effects in social science experiments

当模拟看起来正确但因果效应出错：大型语言模型作为行为模拟器

Zonghan Li, Feng Ji

机构 * University of Toronto（多伦多大学） 纠错

AI总结 研究评估了大型语言模型在气候心理学干预中的行为模拟能力，发现描述性拟合不等于因果准确性，不同干预逻辑和结果类型导致误差差异，提示依赖描述性拟合可能误导干预效果结论。

AutoWorld: Learning Multi-Agent Traffic Simulation with Self-Supervised World Models

AutoWorld: 通过自监督世界模型扩展多智能体交通仿真

Mozhgan Pourkeshavarz, Tianran Liu, Nicholas Rhinehart

机构 * University of Toronto（多伦多大学） 纠错

AI总结 本文提出AutoWorld框架，利用未标记的LiDAR数据自监督学习世界模型，提升多智能体交通仿真的真实感与性能，实验表明未标记数据能有效提升仿真效果。

Steerable Chatbots: Exploring Personalization Control Interfaces via LLM Activation Steering

可控聊天机器人：通过大语言模型激活引导探索个性化控制界面

Jessica Y. Bo, Tianyu Xu, Ishan Chatterjee, Katrina Passarella-Ward, Achin Kulshrestha, D Shin

机构 * University of Toronto（多伦多大学） ； Google AR（谷歌AR） 纠错

AI总结 研究探索可控聊天机器人范式，通过激活引导实现个性化，利用线性标量控制偏好表达强度，设计三种界面原型并进行用户研究，发现其在冷启动任务中比单独提示更能契合用户偏好，揭示了相关个性化方面的不同价值。