高校专区
基于逆向学习的方法用于改进具有非最小相位动态的机器人即兴轨迹跟踪
机构 * Dynamic Systems Lab（动态系统实验室） ； Institute for Aerospace Studies（航空航天研究 institute） ； University of Toronto（多伦多大学） ； Cairo University（开罗大学）
AI总结 本文提出一种基于学习的方法，用于改进非最小相位系统的即兴轨迹跟踪，通过直接从输入输出数据学习稳定近似逆向，验证了方法的稳定性与高精度跟踪效果。
Comments Accepted for publication in the IEEE Robotics and Automation Letters (RA-L), July 2018
波形函数分析--当谱分析遇见时频分析
机构 * Department of Mathematics, University of Toronto（多伦多大学数学系） ； Research Center for Information Technology Innovation, Academia Sinica（中国科学院信息技术创新研究中心）
AI总结 本文提出结合谱分析与非线性时频分析，用于研究具有时变频率、幅度及非正弦振荡模式的多分量振荡信号。提出去波形同步压缩变换算法，理论分析并验证其有效性。
基于非对称窗函数的最小延迟时频分析
机构 * Research Center for Information Technology Innovation, Academia Sinica（信息科技创新研究中心，中国科学院） ； Department of Mathematics, University of Toronto（多伦多大学数学系）
AI总结 本文提出一种基于非对称窗函数的时频分析方法，用于在保证最小延迟的情况下从时间序列中提取实时动态，通过理论证明SST结合非对称窗函数可降低固有延迟，并通过音乐起始检测验证了算法有效性。
Comments 29 pages, 7 figures
AI代理实现自适应计算机蠕虫
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University of Cambridge（剑桥大学） ； ServiceNow
AI总结 本研究展示了AI代理能够生成针对每个目标的定制攻击策略，利用被感染机器上的大语言模型自我维持并传播，形成自持的AI驱动网络威胁。
评估大语言模型在真实世界消费设备维修问题上的有效性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Toronto（多伦多大学）
AI总结 本文通过引入包含991个真实维修问题的基准测试，评估六种大语言模型在英语和孟加拉语上的正确性、完整性、实用性和安全性，发现模型虽能提供有用帮助，但在高风险维修任务中仍不可靠。
大型语言模型中的多语言遗忘：迁移、动态与可逆性
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学）
AI总结 本文通过扩展TOFU基准到五种语言，研究大型语言模型中的多语言遗忘，发现遗忘迁移在不同语言间高度可变，且遗忘主要作用于后期解码层而非共享的跨语言潜在空间，因此可以通过推理时的单一引导方向逆转大部分遗忘效果。
Comments Accepted at ICML 2026
AI生成的新手程序员追踪：多机构研究中的学习效果与学习者差异
机构 * Delft University of Technology（代尔夫特理工大学） ； University of Toronto（多伦多大学） ； JetBrains Research（JetBrains研究）
AI总结 本研究提出AI生成的类比动画追踪（GATs），通过多机构实验比较其与文本解释对新手程序员学习程序执行的影响，发现GATs在即时学习上有选择性优势，但效果依赖情境且短暂，且受学习者参与度调节。
基于晶胞流匹配的快速有机晶体结构预测
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； University of Zagreb（Zagreb大学） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Acceleration Consortium（加速联盟） ； Canadian Institute for Advanced Research（加拿大高级研究研究院） ； NVIDIA（NVIDIA公司）
AI总结 提出Clari模型，利用流匹配生成无冗余晶胞，以秒级速度实现有机晶体结构预测，速度提升15-30倍。
基于Loewner序下界的黎曼流形直接知情采样
机构 * Space and Terrestrial Autonomous Robotic Systems (STARS) Laboratory, University of Toronto Institute for Aerospace Studies (UTIAS)（太空与地面自主机器人系统实验室，多伦多大学航空航天研究所）
AI总结 提出一种利用Loewner序计算度量张量最紧常数下界的矩阵值可容许启发式，将黎曼知情集映射为各向同性欧氏空间中的标准长球超椭球，实现直接无拒绝采样，加速多种最优运动规划器收敛。
Comments Submitted to IEEE Robotics and Automation Letters (RA-L)
基于自适应无迹卡尔曼滤波和非线性模型预测控制的四旋翼飞行器固定时间动态着陆
机构 * Autonomous Vehicles Laboratory, Department of Aerospace Engineering, Toronto Metropolitan University（自主车辆实验室，航空航天工程系，多伦多 Metropolitan 大学） ； University of Toronto Institute for Aerospace Studies, University of Toronto（多伦多大学航空航天研究 institute，多伦多大学）
AI总结 提出一种结合非线性模型预测控制与实时最小加加速度轨迹规划器及自适应无迹卡尔曼滤波的估计与控制框架，实现多旋翼无人机在移动平台上的固定时间动态着陆，并通过仿真和硬件实验验证了其可重复着陆能力和优于EKF/UKF的速度预测精度。
Comments Accepted to the Conference on Robots and Vision (CRV 2026), Vancouver, Canada
多样性优于频率：重新思考视觉思维链智能体中的工具使用
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）
AI总结 本文研究视觉思维链智能体在复杂推理任务中的工具使用，发现工具使用崩溃现象，并提出熵正则化方法通过鼓励多样化探索提升推理性能。
Comments Presented in ICML 2026
分解与度量评估意识
机构 * ETH Zürich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究院） ； Tübingen AI Center（图宾根人工智能中心） ； University of Toronto & Vector Institute（多伦多大学及向量研究所） ； EuroSafeAI（欧洲安全人工智能）
AI总结 本研究借鉴社会心理学，将评估意识分解为环境与模型两部分，通过EvalAwareBench基准测试发现识别率取决于模型与基准的配对，且识别很少导致行为改变，安全评估比能力评估更易受影响。
机制设计是不够的：面向合作AI的亲社会智能体
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； Institute for Decentralized AI（去中心化人工智能研究所） ； Jinesis Lab, University of Toronto & Vector Institute（多伦多大学Jinesis实验室及向量研究所） ； EuroSafeAI ； University of Pennsylvania（宾夕法尼亚大学） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（德国图宾根最大计划智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
AI总结 本文证明仅靠机制设计无法最大化LLM智能体的社会福利，并提出亲社会智能体（兼顾他人福利）能弥补这一差距，实现更优的社会与个体结果。
Comments 42 pages
CodeHacker: 用于检测竞赛编程解决方案漏洞的自动化测试用例生成
机构 * Shanghai University of Finance and Economics（上海金融学院） ； Northwestern Polytechnical University（西北工业大学） ； Meituan（美团） ； University of Toronto（多伦多大学）
AI总结 提出CodeHacker框架，通过多策略对抗测试用例生成（压力测试、反哈希攻击、逻辑特定攻击）和校准阶段，有效暴露程序漏洞，提升测试集真负率并增强RL训练模型性能。
CA-BED：对话感知的贝叶斯实验设计
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学）
AI总结 提出对话感知的贝叶斯实验设计（CA-BED），一种推理时概率对话规划框架，通过结合贝叶斯实验设计与LLM似然估计，在多个对话轮次中优化问题选择，在结构化实体推断基准上平均成功率提升21.8%，仅增加1.8轮对话。
Comments Reliable Autonomy Workshop at ICLR 2026
归一化相关度量作为解释神经网络潜在结构的统一框架
机构 * Berlin Institute for the Foundations of Learning（学习与数据基础研究院） ； Machine Learning Group, Technical University of Berlin（柏林技术大学机器学习组） ； Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； Max Planck Institute for Informatics（信息研究所） ； Department of Chemistry, Chemical Physics Theory Group, University of Toronto（多伦多大学化学系、化学物理理论组） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Acceleration Consortium, University of Toronto（多伦多大学加速联盟）
AI总结 提出归一化相关度量（NRM）框架，通过定义归一化符号度量来归因任意层神经元的相关性，统一了现有传播解释算法，并在VGG16中展示多层级联合分析揭示信息流。
文本编辑能否泛化到视觉生成？统一多模态模型中的跨模态知识编辑基准
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学）
AI总结 提出跨模态知识编辑基准UniKE，发现文本编辑在图像生成中效果显著下降（VQA准确率仅18.5%），并提出推理增强参数编辑方法提升跨模态迁移效果。
Comments Published at ICML 2026; Code and data available at https://github.com/gxx27/UniKE
Zamba2-VL 技术报告
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学）
AI总结 提出基于混合架构Zamba2的视觉语言模型Zamba2-VL，在图像理解等基准上媲美Transformer模型，且首次令牌延迟降低约一个数量级。
Comments 16 pages, 2 figures
Cuttlebot：一种复杂自主仿生游泳机器人的平台演示
机构 * School of Mechanical, Aerospace, and Manufacturing Engineering, University of Connecticut（康涅狄格大学机械、航空航天与制造工程学院） ； Department of Mechanical and Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系） ； University of Connecticut, Institute of Materials Science（康涅狄格大学材料科学研究所） ； Department of Mechanical and Aerospace Engineering, Princeton University（普林斯顿大学机械与航空航天工程系）
AI总结 本文提出CORE自主机器人平台，驱动六个人工肌肉并感知视觉与空间信息，开发了仿乌贼机器人Cuttlebot，通过波动鳍实现三维游泳，验证了平台的有效性。
超越种姓类别：审视文本到图像AI模型中的种姓偏见与道德
机构 * University of Colorado Boulder（科罗拉多大学波得尔分校） ； University of Toronto（多伦多大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 通过算法审计与批判性话语分析，揭示文本到图像模型如何超越上下种姓二元对立而延续种姓偏见，并提出反种姓方法应对AI系统中的公平问题。
儿童与语言模型中的假设生成与归纳推理
机构 * Computer Science University of Waterloo（滑铁卢大学计算机科学系） ； Department of Computer Science Cornell University（康奈尔大学计算机科学系） ； Department of Computer Science Dalhousie University（达尔豪斯大学计算机科学系） ； Department of Psychology University of Toronto（多伦多大学心理学系）
AI总结 通过归纳推理盒子任务，结合贝叶斯粒子推断的程序归纳形式化，比较儿童与基于LLM的智能体在不确定性下的假设生成与证据寻求行为，发现两者在适应环境结构上相似但信息寻求成本与归纳偏差不同。
面向数据敏感检索增强生成的隐私策略执行护栏
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 针对RAG系统中上下文数据泄露问题，提出基于双单类密度估计器与融合文本嵌入的隐私策略执行框架，在医学、金融和法律领域实现高AUROC和低误报率。
动态元度量：面向机器翻译评估的源句条件加权
机构 * University of Toronto, Canada（多伦多大学） ； Nara Institute of Science and Technology, Japan（奈良科学技術大學） ； Ontario Tech University, Canada（安大略技术大学）
AI总结 提出动态元度量（DMM）框架，通过源句条件组合现有度量来提升机器翻译评估性能，实验表明MLP组合优于线性与高斯过程集成，软条件扩展进一步带来提升。
Comments 5 pages, ACL SRW 2026
基于验证器的免更新在线策略引导
机构 * University of Toronto（多伦多大学） ； Google DeepMind（谷歌DeepMind） ； University of Alberta（阿尔伯塔大学） ； UTAustin（得克萨斯大学奥斯汀分校） ； Harvard University（哈佛大学）
AI总结 提出UF-OPS方法，利用策略评估中的验证器函数引导基础策略选择高成功概率动作，无需更新参数即可提升黑箱扩散策略性能，在5个真实任务中平均成功率提升49%。
Comments 9 pages, 6 figures
立场：超越敏感属性，机器学习公平性应通过社会决定因素量化结构性不公正
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Michigan（密歇根大学） ； University of Toronto（多伦多大学）
AI总结 本文主张算法公平性研究应超越敏感属性，通过社会决定因素量化结构性不公正，并通过理论模型和实证研究证明仅关注敏感属性的缓解策略可能引入新的结构性不公正。
Comments Accepted to ICML 2026 Position Paper Track
知道不等于理解：用认知与行为洞察重新奠定生成式主动性
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学）
AI总结 针对用户无法明确表达需求时的认知不完整问题，提出生成式主动性需要基于认知和行为双重约束来设计负责任的主动代理。
Comments 43 rd International Conference on Machine Learning (ICML 2026)
DuetServe: 通过自适应GPU多路复用协调LLM服务的预填充与解码
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 针对LLM服务中预填充与解码阶段的干扰问题，提出DuetServe框架，通过自适应SM级GPU空间多路复用实现单GPU内的阶段隔离，在保证低延迟的同时提升吞吐量。
带最大最小准则的约束多目标强化学习
机构 * Robotics Institute, University of Toronto（多伦多大学机器人研究所） ； Faculty of Engineering, Bar-Ilan University（巴伊兰大学工程学院）
AI总结 提出一种融合最大最小准则与显式约束满足的多目标强化学习框架，通过理论分析和表格实验验证收敛性，并在建筑热控制、多目标运动控制和温室气体排放感知交通管理中展示其平衡公平性与约束满足的有效性。
Comments Accepted to ICML 2026
AI中同理心的适当性：信号-成本视角
机构 * School of Information University of Toronto（信息学院多伦多大学） ； Independent Researcher（独立研究者）
AI总结 本文从信号-成本视角出发，运用信号理论提出信号成本代理（情感丰富性、观点采择和情境定制）来评估AI同理心的适当性，建立多维度框架以系统评价同理心是否适应用户需求。
Comments Accepted by IEEE CASCON 2025
TokTalk: 基于音频-大语言模型令牌的富有表现力的实时面部动画
机构 * University of Toronto（多伦多大学）
AI总结 提出TokTalk系统，利用音频-大语言模型产生的音频令牌直接实时生成富有表现力的3D面部动画，通过分块条件流匹配模型和轻量级适配策略实现低延迟和高品质。
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