Housing Potential Common Data Model and City Digital Twin
住房潜力共同数据模型与城市数字孪生
机构 * Urban Data Research Centre（城市数据研究中心） ； School of Cities University of Toronto（城市学院多伦多大学）
AI总结 本文提出住房潜力共同数据模型，以解决数据孤岛问题，并通过城市数字孪生和试点仪表盘展示实际应用，为城市规划者提供可行的解决方案。
高校专区
University of Toronto（多伦多大学）
Rethinking Data Curation in LLM Training: Online Reweighting Offers Better Generalization than Offline Methods
重新思考大语言模型训练中的数据整理：在线重加权优于离线方法
机构 * University of Cambridge（剑桥大学） ； OATML, University of Oxford（牛津大学OATML实验室） ； University of Toronto（多伦多大学） ； Shanghai Jiao Tong University（上海交通大学） ； Samsung AI Center（三星人工智能中心）
AI总结 本文提出ADAPT框架，通过动态在线重加权提升模型泛化能力，实验显示其在指令微调和大规模预训练中优于传统离线方法。
Comments ICLR 2026
What Happens Inside Agent Memory? Circuit Analysis from Emergence to Diagnosis
代理记忆内部发生了什么？从涌现到诊断的电路分析
机构 * City University of Hong Kong（香港城市大学） ； University of Toronto（多伦多大学）
AI总结 研究揭示了代理记忆中控制与内容电路的因果关系及共享枢纽的机制，开发出76.2%准确率的无监督诊断工具，优于监督基线13分。
How do datasets, developers, and models affect biases in a low-resourced language?: The Case of the Bengali Language
数据集、开发者和模型如何影响低资源语言中的偏见？：孟加拉语的案例
机构 * Department of Computer Science University of Toronto Toronto Ontario Canada（计算机科学系多伦多大学多伦多安大略加拿大） ； Faculty of Information University of Toronto Toronto Ontario Canada（信息学院多伦多大学多伦多安大略加拿大） ； Department of Information Science University of Colorado Boulder Boulder Colorado United States（信息科学系科罗拉多大学波德 Boulder科罗拉多美国） ； University of Toronto（多伦多大学） ； University of Colorado Boulder（科罗拉多大学波德）
AI总结 本文研究了孟加拉语中基于性别、宗教和国籍身份的偏见问题，通过分析mBERT和BanglaBERT模型发现，尽管语义内容相似，但模型仍存在偏见，揭示了算法审计中方法论和数据来源的重要性。
Risk-Averse Traversal of Graphs with Stochastic and Correlated Edge Costs for Safe Global Planetary Mobility
在具有随机性和相关边成本的图中进行风险规避遍历以实现安全的全球行星移动
机构 * Space & Terrestrial Autonomous Robotic Systems (STARS) Laboratory（空间与陆地自主机器人系统实验室） ； University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所）
AI总结 本文提出了一种新的风险规避加拿大旅行者问题变体，旨在通过条件值在风险度量下寻找最优遍历策略，结合真实火星地图验证了该方法在行星表面长距离移动中的有效性。
Comments Published in the Autonomous Robots journal
Journal ref Autonomous Robots (AURO), Vol. 50, No. 2, Mar. 2026
Led to Mislead: Adversarial Content Injection for Attacks on Neural Ranking Models
导致误导：针对神经排序模型的对抗性内容注入攻击
机构 * University of Waterloo（滑铁卢大学） ； University of Toronto（多伦多大学） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Toronto Metropolitan University（多伦多 Metropolitan 大学）
AI总结 本文提出CRAFT框架，通过生成对抗性数据集、监督微调和偏好引导优化，提升对抗性攻击效果，验证了生成式AI在排序操纵中的风险。
Dynamics Distillation for Efficient and Transferable Control Learning
为高效且可迁移的控制学习设计的动力学蒸馏
机构 * University of Toronto（多伦多大学） ； NVIDIA（NVIDIA公司） ； General Motors（通用汽车） ； Vector Institute（向量研究所）
AI总结 本文提出Sim2Sim2Sim框架，通过将高保真车辆模拟器动力学蒸馏为可并行学习的动力学模型，实现更高效的策略优化和可靠的迁移。
Comments 9 pages, 3 figures, under review
Patient-Specific Optimization for Mandibular Reconstruction Planning with Enhanced Bone Union
针对增强骨愈合的颌骨重建计划的患者特异性优化
机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Department of Surgery, University of British Columbia, Gordon and Leslie Diamond Health Care Centre（不列颠哥伦比亚大学外科系，戈登和莱斯利钻石医疗中心） ； Center for Clinical Research, University Clinic of Dentistry, Medical University of Vienna（维也纳医科大学牙科学院临床研究中心） ； Department of Mechanical Engineering, University of British Columbia（机械工程系，不列颠哥伦比亚大学） ； Sunnybrook Research Institute, University of Toronto（多伦多大学 Sunnybrook 研究院）
AI总结 本文提出OsteoOpt++，通过图像到决策的规划循环，优化颌骨重建中的切面和供体位置变量，以促进骨愈合。
GAZE: Grounded Agentic Zero-shot Evaluation with Viewer-Level Tools and Literature Retrieval on Rare Brain MRI
GAZE：基于视图级工具和文献检索的 grounded 零样本评估
机构 * Imperial College London, UK（伦敦帝国学院） ； University of Toronto, Canada（多伦多大学） ； University College London, UK（伦敦大学学院）
AI总结 GAZE框架通过调用视图级工具和文献检索工具，使医学VLM在迭代方式下工作，实现对罕见脑MRI的零样本评估，提升病变定位和诊断准确率。
Ergodic Risk Measures: Towards a Risk-Aware Foundation for Continual Reinforcement Learning
遍历风险度量：面向持续强化学习的风险感知基础
机构 * University of Toronto（多伦多大学）
AI总结 本文提出遍历风险度量理论，用于持续强化学习，解决传统风险中性方法与持续学习不兼容的问题，通过新理论提升持续学习的鲁棒性。
SaLF: Sparse Local Fields for Multi-Sensor Rendering in Real-Time
SaLF：用于实时多传感器渲染的稀疏局部场
机构 * Waabi ； University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学）
AI总结 本文提出SaLF，一种高效的体素表示方法，支持多传感器仿真，具备快速训练和渲染能力，适用于多传感器自主系统评估。
Comments ICRA 2026. Project page: https://waabi.ai/salf/
Comparing Exploration-Exploitation Strategies of LLMs and Humans: Insights from Standard Multi-armed Bandit Experiments
比较语言模型和人类的探索-利用策略：来自标准多臂老虎机实验的见解
机构 * Department of Mechanical & Industrial Engineering, University of Toronto（机械与工业工程系，多伦多大学） ； The Rotman School of Management, University of Toronto（罗特曼管理学院，多伦多大学） ； Department of Psychiatry, University of Toronto（精神病学系，多伦多大学）
AI总结 本文通过多臂老虎机实验比较语言模型、人类和算法的探索-利用策略，发现启用思考使语言模型行为更接近人类，但在复杂环境中表现受限。
Scale-Aware Adversarial Analysis: A Diagnostic for Generative AI in Multiscale Complex Systems
基于尺度的对抗分析：生成AI在多尺度复杂系统中的诊断
机构 * School of Astronomy and Space Science, Nanjing University（南京大学天文与空间科学学院） ； South-Western Institute for Astronomy Research, Yunnan University（云南西南天文研究所） ； Key Laboratory of Modern Astronomy and Astrophysics (Nanjing University), Ministry of Education（南京大学现代天文与天体物理重点实验室） ； Canadian Institute for Theoretical Astrophysics, University of Toronto（多伦多大学加拿大理论天体物理研究所）
AI总结 本文提出基于约束扩散分解的诊断框架，用于评估生成AI在多尺度复杂系统中的性能，揭示模型在物理约束下的稳定性与连续性问题。
Comments submitted, comments welcome
Binomial flows: Denoising and flow matching for discrete ordinal data
二项流：用于离散序数数据的去噪和流匹配
机构 * Division of Applied Mathematics, Brown University, Providence, RI, USA 02912（应用数学系，布朗大学，普罗维德恩，罗德岛州，美国 02912） ； Department of Statistical Sciences, University of Toronto, Toronto, ON, Canada M5G 1X6（统计科学系，多伦多大学，多伦多，安大略省，加拿大 M5G 1X6）
AI总结 本文提出二项流，为离散非负序数数据提供训练离散扩散模型的简单方法，同时实现去噪、采样和精确似然估计。
Comments 41 pages, 9 figures
Representation in large language models
大型语言模型中的表示
机构 * University of Toronto（多伦多大学）
AI总结 本文探讨大型语言模型是否通过基于表示的信息处理而非记忆和随机查找来工作，提出通过实践技术研究表示并发展解释，为未来理论提供基础。
Comments Preprint, forthcoming in Ergo: An Open Access Journal of Philosophy, 34 pages, 2 figures
WST-X Series: Wavelet Scattering Transform for Interpretable Speech Deepfake Detection
WST-X系列：用于可解释性语音深度伪造检测的小波散射变换
机构 * Computational Speech Group（计算语音组） ； University of Eastern Finland（东芬兰大学） ； Laboratoire de Physique de l’Ecole Normale Supérieure, Université PSL, CNRS, Sorbonne Université, Université de Paris（巴黎高等师范大学物理实验室，巴黎大学，CNRS，索邦大学，巴黎大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Toronto（多伦多大学）
AI总结 本文提出WST-X系列，结合小波散射变换提升语音深度伪造检测的可解释性与性能，通过多尺度特征提取在多个数据集上取得显著优势。
Comments IEEE Signal Processing Letters
A Reproducibility Study of LLM-Based Query Reformulation
基于大语言模型的查询改写可重复性研究
机构 * University of Waterloo（滑铁卢大学） ； Mila – Quebec AI Institute（魁北克AI研究所） ； Toronto Metropolitan University（多伦多 Metropolitan 大学） ； University of Toronto（多伦多大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文在统一框架下系统评估了十种代表性大语言模型查询改写方法，发现检索范式对改写效果有显著影响，且大模型并不总能提升下游性能。
AutoREC: A software platform for developing reinforcement learning agents for equivalent circuit model generation from electrochemical impedance spectroscopy data
AutoREC：一种用于从电化学阻抗谱数据开发强化学习代理以生成等效电路模型的软件平台
机构 * Clean Energy Innovation Research Center, National Research Council Canada（清洁能源创新研究中心，加拿大国家研究委员会） ； Department of Material Science and Engineering, University of Toronto（材料科学与工程系，多伦多大学） ； Cheriton School of Computer Science, University of Waterloo（计算机科学学院，滑铁卢大学）
AI总结 AutoREC通过将等效电路模型生成建模为马尔可夫决策过程中的序列决策问题，利用深度强化学习解决传统手动试错方法的局限性，实现了高成功率的自动等效电路模型生成。
LLM Biases
LLM偏见
机构 * Guanghua School of Management, Peking University（北京大学光华管理学院） ； Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院）
AI总结 本文研究了基于Transformer的生成推荐系统中四种系统性偏见机制，指出其可能影响长期多样性和用户选择，强调需关注运营风险而非仅依赖性能指标。
Virtual-reality based patient-specific simulation of spine surgical procedures: A fast, highly automated and high-fidelity system for surgical education and planning
基于虚拟现实的患者特异性脊柱手术模拟：一种快速、高度自动化和高保真的系统，用于手术教育和规划
机构 * Holland Bone and Joint Program, Sunnybrook Research Institute（霍尔德骨科与关节程序，圣布鲁诺研究学院） ； Division of Spine Surgery, Sunnybrook Health Sciences Centre（脊柱外科部，圣布鲁诺健康科学中心） ； Division of Orthopaedic Surgery, Department of Surgery, University of Toronto（骨科部，外科部，多伦多大学）
AI总结 本文提出利用AI和计算机视觉生成患者特异性脊柱减压模拟，通过多模态融合和分割技术提高建模精度，提升手术教育和规划效率。
DreamProver: Evolving Transferable Lemma Libraries via a Wake-Sleep Theorem-Proving Agent
DreamProver：通过唤醒-睡眠定理证明代理演化可转移的引理库
机构 * University of Toronto（多伦多大学） ； UC Berkeley（伯克利大学）
AI总结 DreamProver通过唤醒-睡眠程序归纳范式发现可重用的引理，解决传统方法在适应性和通用性上的不足，通过迭代两阶段过程演化出高效的可转移引理库。
Open Problems in Frontier AI Risk Management
前沿人工智能风险管理中的开放问题
机构 * Oxford Martin AI Governance Initiative, University of Oxford（牛津大学人工智能治理倡议） ； MIT Computer Science and Artificial Intelligence Laboratory, MIT（麻省理工学院计算机科学与人工智能实验室） ； MIT Future Tech（麻省理工学院未来技术） ； Stanford University（斯坦福大学） ； Governance and Responsible AI Lab, Purdue University（普渡大学治理与负责任的人工智能实验室） ； University of Toronto（多伦多大学） ； Mercatus Center, George Mason University（乔治·马歇尔大学麦卡锡中心） ； Vilnius University（维尔纽斯大学） ； Vijil ； SaferAI ； AI Standards Lab（人工智能标准实验室） ； The Future Society（未来社会） ； Concordia AI（康科德人工智能） ； Pivotal Research ； Center for AI Risk Management & Alignment（人工智能风险管理和对齐中心） ； UC Berkeley Center for Long-Term Cybersecurity（伯克利大学长期网络安全中心） ； Independent（独立）
AI总结 本文探讨前沿人工智能风险管理中的核心问题，通过文献综述识别未解决的挑战，并分类问题类型以指导未来研究与治理。
Comments 81 pages, 3 figures
Generative models on phase space
相空间上的生成模型
机构 * Theory Division, Fermi National Accelerator Laboratory, Batavia, IL, USA ； Department of Physics, University of Toronto ； Vector Institute, Toronto, ON, Canada ； NERSC, Lawrence Berkeley National Laboratory, Berkeley, California, USA ； Tel Aviv University, Tel Aviv, Israel
AI总结 本文提出在相空间曼哈顿上构建生成模型，以精确满足物理约束，提升高能物理数据生成模型的可解释性和可靠性。
Comments v2: references added. 19+9 pages, 22 figures, 3 tables
Barriers to Complexity-Theoretic Proofs that "AGI" Using Machine Learning is Impossible
复杂性理论证明“人工智能”使用机器学习不可能的障碍
机构 * University of Toronto（多伦多大学）
AI总结 本文指出van Rooij等人证明人类智能不可行的复杂性理论证明依赖于不合理的数据分布假设，并讨论了修复证明的两个根本障碍：定义“人类智能”的必要性和考虑特定机器学习系统的归纳偏置。
Journal ref Comput. Brain Behav., 2026
Three Models of RLHF Annotation: Extension, Evidence, and Authority
三种RLHF注释模型：扩展、证据与权威
机构 * University of Toronto（多伦多大学）
AI总结 本文探讨RLHF注释的三种模型：扩展、证据与权威，分析其对注释流程设计的影响，并提出应根据不同维度选择适配的模型。
Comments 17 pages. Accepted to ACM FAccT '26, June 25-28, Montreal
QCalEval: Benchmarking Vision-Language Models for Quantum Calibration Plot Understanding
QCalEval：用于量子校准图理解的视觉-语言模型基准测试
机构 * NVIDIA ； University of Toronto（多伦多大学） ； IQM Quantum Computers（IQM量子计算机） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Conductor Quantum（Conductor量子） ； National Physical Laboratory（国家物理实验室） ； Infleqtion ； Harvard University（哈佛大学） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； Northwestern University（西北大学） ； EeroQ Corporation（EeroQ公司） ； Royal Holloway University of London（伦敦皇家霍洛威大学） ； Vector Institute for Artificial Intelligence（人工智能向量研究所）
AI总结 本文提出QCalEval，首个用于评估视觉-语言模型理解量子校准图能力的基准测试，包含243个样本和87种场景类型，测试零样本和上下文学习下的六种问题类型，展示了不同模型的性能差异。
Power Foam: Unifying Real-Time Differentiable Ray Tracing and Rasterization
功率泡沫：统一实时可微射线追踪与光栅化
机构 * Simon Fraser University（西蒙弗雷泽大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Google Deepmind（谷歌DeepMind） ； Google（谷歌） ； University of Toronto（多伦多大学）
AI总结 本文提出一种可微3D表示，结合泡沫射线追踪能力与现代光栅化管线效率，通过可控的功率图实现空间有界原始体，提升实时可微渲染性能。
Adaptive Prompt Embedding Optimization for LLM Jailbreaking
适应性提示嵌入优化用于大语言模型劫持
机构 * School of Information Studies, McGill University, Montreal, QC, Canada（麦吉尔大学信息研究学院） ； Department of Computer Science, Kean University, Union, NJ, United States（凯恩大学计算机科学系） ； Mila - Quebec AI Institute, Montreal, QC, Canada（魁北克人工智能研究所） ； Faculty of Information, University of Toronto, Toronto, ON, Canada（多伦多大学信息学院）
AI总结 本文提出PEO方法，通过优化原始提示嵌入而非附加对抗性标记，实现更有效的白盒劫持，实验显示其在多个基准测试中优于现有方法。
ESICA: A Scalable Framework for Text-Guided 3D Medical Image Segmentation
ESICA：一种可扩展的文本引导3D医学图像分割框架
机构 * University of Florida（佛罗里达大学） ； University of Toronto（多伦多大学） ； NVIDIA Corporation（NVIDIA公司）
AI总结 本文提出ESICA框架，通过改进的掩码预测、高效解码器和双阶段训练策略，实现高效且可扩展的文本引导3D医学图像分割，提升分割精度与效率。
MGSM-Pro: A Simple Strategy for Robust Multilingual Mathematical Reasoning Evaluation
MGSM-Pro：一种用于多语言数学推理评估的简单策略
机构 * McGill University（麦吉尔大学） ； Mila-Quebec AI Institute（蒙特利尔AI研究院） ； University of Toronto（多伦多大学） ； Masakhane ； Hanyang University（翰阳大学） ； Instituto Politécnico Nacional（国家理工学院） ； Umbaji ； University of Ibadan（伊巴德安大学） ； McPherson University（麦菲逊大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 本文提出MGSM-Pro，通过增加数字变化实例提升多语言数学推理评估的鲁棒性，发现低资源语言在不同数字实例下表现下降，且专有模型对数字变化更敏感。
