高校专区
用语言模型进行量子实验的元设计
机构 * Max Planck Institute for the Science of Light（马克斯·普朗克光科学研究所） ； University of Tuebingen（图宾根大学） ； Stanford University（斯坦福大学） ； University of Toronto, Vector Institute（多伦多大学、向量研究所）
AI总结 本文提出通过语言模型进行量子实验的元设计，生成可读代码解决复杂问题，扩展到更大实验并应用于凝聚态物理等领域。
Comments 8+23 pages, 5 figures
Journal ref Nat Mach Intell 8, 148-157 (2026)
Lumosaic：通过主动照明和编码曝光像素实现高光谱视频
机构 * Department of Computer Science, University of Toronto, Canada（计算机科学系，多伦多大学） ； Department of Electrical & Computer Engineering, University of Toronto, Canada（电气与计算机工程系，多伦多大学）
AI总结 Lumosaic通过主动照明和编码曝光像素技术，实现高光谱视频的实时捕捉与高保真重建。
Comments Accepted to CVPR 2026
基于关键点的扩展卡尔曼滤波的纹理物体视觉伺服控制
机构 * Epson Canada Ltd.（爱普生加拿大有限公司） ； University of Toronto（多伦多大学）
AI总结 本研究提出基于关键点的扩展卡尔曼滤波方法，通过闭环整合感知与控制，提升无纹理物体视觉伺服的鲁棒性和精度。
基于深度学习的甲状腺结节分割在超声中的对抗鲁棒性
机构 * Temerty Faculty of Medicine, University of Toronto（多伦多大学Temerty医学院） ； Faculty of Engineering, McMaster University（麦斯特大学工程学院）
AI总结 研究评估了深度学习在超声甲状腺结节分割中的对抗鲁棒性，提出两种攻击方法和三种防御措施，发现空间域扰动可通过预处理缓解，而频域扰动则无法有效防御。
Comments 14 pages, 3 figures, 3 tables
强化学习中大语言模型的进化系统提示学习
机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Statistics（统计学系） ； Data Science, Northwestern University（数据科学，西北大学） ； Bridgewater AIA Labs（布里奇沃特AIA实验室）
AI总结 E-SPL通过结合强化学习和系统提示进化，提升大语言模型在推理和智能任务中的性能。
Comments 39 pages, 22 figures
双适应对话用于渐进式图像生成
机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Xiamen University Malaysia（马来西亚厦门大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； University of Warwick（沃里克大学） ； Washington University, Saint Louis（圣路易斯华盛顿大学） ； University of Toronto（多伦多大学） ； Google（谷歌）
AI总结 Twin-Co通过同步对话优化图像生成，提升生成质量和用户体验。
MIP Candy：用于医学图像处理的模块化PyTorch框架
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Project Neura ； UTMIST ； Amplimit
AI总结 MIP Candy是一个模块化PyTorch框架，为医学图像处理提供完整的流程管线，支持灵活配置和多种实验追踪工具。
神经提案，符号保证：具有硬约束的神经符号图生成
机构 * McGill University（麦吉尔大学） ； University of Toronto（多伦多大学）
AI总结 本文提出NSGGM框架，结合神经网络和符号方法生成分子图，通过硬约束确保生成分子的正确性和可控性，同时引入逻辑约束基准评估可控性。
Comments 18 pages, 6 figures
超越消息传递：一种用于表达性和可解释性图学习的符号替代方法
机构 * McGill University（麦吉尔大学） ； University of Toronto（多伦多大学）
AI总结 SymGraph通过符号框架超越传统消息传递限制，实现更高效的图学习和可解释性。
Comments 23 pages, 9 pages
VISIONLOGIC: 从神经元激活到基于因果的视觉模型概念规则
机构 * McGill University（麦吉尔大学） ； University of Toronto（多伦多大学）
AI总结 VISIONLOGIC通过神经符号框架生成基于因果的视觉模型概念规则，提升模型可解释性与预测性能。
Comments 27 pages, 18 figures
JavisDiT++：联合音频视频生成的统一建模与优化
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； HiThink Research（HiThink研究） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 JavisDiT++通过统一建模与优化方法，在联合音频视频生成任务中实现高质量的同步与语义对齐。
Comments Accepted by ICLR 2026. Homepage: https://JavisVerse.github.io/JavisDiT2-page
意外漏洞：影响微调的因子
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； ETH Zürich（苏黎世联邦理工学院） ； FAR AI（FAR人工智能公司） ； McGill University（麦吉尔大学） ； MILA（蒙特利尔人工智能研究院） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（图宾根德国智能系统研究所）
AI总结 研究意外漏洞，揭示微调数据集特征对模型安全性和对抗鲁棒性的影响
Comments Second Conference of the International Association for Safe and Ethical Artificial Intelligence (IASEAI 2026)
任务向量跨预训练模型传输的梯度符号遮蔽
机构 * University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学）
AI总结 GradFix通过近似梯度符号结构，利用少量标记样本实现任务向量跨预训练模型的高效转移，提升多任务和多源模型性能。
Comments Accepted at ICLR 2026
IRIS：基于学习的任务特定电影机器人臂用于视觉-运动控制
机构 * Aerospace Eng. Department New York University（航空航天工程系 新 York 大学） ； MIE Department University of Toronto（机械工程系 蒂姆斯大学） ； ECE Department University of Toronto（电子与计算机工程系 蒂姆斯大学）
AI总结 IRIS是一种低成本、高精度的电影机器人臂，通过基于Transformer的动作分块学习实现自主视觉-运动控制，支持多种电影运动任务。
BEADs: 跨领域偏差评估
机构 * Vector Institute（向量研究所） ； Royal Bank of Canada（皇家银行） ； University of Toronto（多伦多大学）
AI总结 BEADs数据集通过跨领域偏差评估，提供广泛NLP任务的偏差检测与模型评估方案，揭示现有模型在人口群体上的系统性偏差问题。
Comments under review
WS-GRPO：弱监督组相对策略优化用于高效推理
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Toronto（多伦多大学） ； Adobe Research（Adobe研究） ； The University of New South Wales（新南威尔士大学）
AI总结 WS-GRPO 通过将终端奖励转换为正确性感知的指导，提高推理效率并减少冗余思考，同时保持准确性。
Boreas Road Trip：一个针对挑战性道路的多传感器自动驾驶数据集
机构 * University of Toronto Institute of Aerospace Studies（多伦多大学航空航天研究学院） ； Trimble（Trimble公司）
AI总结 Boreas Road Trip数据集通过多传感器数据评估自动驾驶算法在挑战性道路条件下的性能。
Comments 23 pages, 15 figures, 12 tables, submitted to The International Journal of Robotics Research (IJRR)
传感器查询计划与传感器噪声协方差用于精度约束的轨迹估计
机构 * Technical University of Munich（慕尼黑技术大学） ； University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究学院） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与智能机械研究所） ； Vector Institute for Artificial Intelligence（人工智能向量研究所）
AI总结 本文提出了一种方法，用于估计传感器查询计划和噪声协方差，以实现特定的轨迹估计精度，通过半正定规划解决，并在仿真和真实实验中验证了其有效性。
去中心化且完全自主：基于距离的协作定位与导航在微航空器上的应用
机构 * Learning Systems and Robotics Lab（学习系统与机器人实验室） ； Technical University of Munich（慕尼黑技术大学） ； University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所） ； University of Toronto Robotics Institute（多伦多大学机器人研究所） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） ； Vector Institute for Artificial Intelligence（人工智能向量研究所）
AI总结 本文提出了一种去中心化的基于距离的协作定位与导航方法，通过块坐标下降和因子图推断实现编队控制，适用于微航空器在复杂环境中的自主导航。
RoPE-LIME: RoPE空间局部性 + 稀疏K采样用于高效的LLM归因
机构 * University of Toronto（多伦多大学） ； DevRev
AI总结 RoPE-LIME通过RoPE空间局部性和稀疏K采样，高效实现LLM归因，减少API调用并提升归因信息质量。
超宽频时间到达室内定位：从传感器布置到系统评估
机构 * University of Toronto（多伦多大学） ； University of California Berkeley（加州大学伯克利分校）
AI总结 本文提出从系统级视角构建UWB TDOA定位系统，通过现实实验验证其精度和鲁棒性，提供传感器布置优化和实际部署的完整流程。
感知驱动运动规划中类不确定性传播的影响
机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Toyota Research Institute（丰田研究院）
AI总结 本文研究了感知驱动运动规划中不确定性传播对性能的影响，通过比较不同校准方法在复杂场景中的表现，验证了上游不确定性传播的优越性。
Comments 8 pages, 10 figures. Code and results available at: https://github.com/aivanovic1/uncertainty-trajectron
将生成式AI政策转化为提示指令：一项在CS1课程中可扩展的提示干预随机对照试验
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； University of Michigan（密歇根大学） ； University of Toronto Mississauga（多伦多大学滑铁卢分校）
AI总结 本研究通过随机对照试验验证了基于ICAP框架的提示干预在提升学生提示技能和考试成绩方面的有效性，为生成式AI教育政策的改进提供了理论和实践指导。
Comments 11 pages, 3 figures
Cocoa：基于AI代理的协同规划与协同执行
机构 * University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； Allen Institute for AI（人工智能研究院）
AI总结 Cocoa通过协同规划与执行机制，提升人机协作灵活性，支持复杂研究任务的自主可控与高效执行。
Comments CHI 2026 paper
基于语言和几何的稀疏体素表示用于整体场景理解
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学）
AI总结 本文提出基于语言和几何的稀疏体素表示方法，通过统一框架建模3D场景的外观、语义和几何，提升整体场景理解和重建性能。
Comments Technical Report
多智能体喜剧俱乐部：探究社区讨论对LLM幽默生成的影响
机构 * George Mason University（乔治·马歇尔大学） ； University of South Florida（佛罗里达州立大学） ； University of Toronto（多伦多大学）
AI总结 本研究通过多智能体实验探讨社区讨论对LLM生成幽默的影响，发现讨论条件在Craft/Clarity和社会反应指标上显著优于基线条件。
Comments 18 pages, 5 figures
概念影响：利用可解释性以提高训练数据归因的性能和效率
机构 * EleutherAI ； University of Toronto（多伦多大学）
AI总结 本文提出概念影响方法，通过利用模型中的可解释结构，提高训练数据归因的性能和效率，实现更可扩展和可控的模型行为。
径向VCReg：通过径向高斯化获得更具信息量的表示学习
机构 * New York University（纽约大学） ； Duke University（杜克大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Brown University（布朗大学） ； University of Toronto（多伦多大学）
AI总结 Radial-VCReg通过引入径向高斯化损失，提升表示学习的信息量和多样性，改进自监督学习性能。
Comments Published in the Unifying Representations in Neural Models (UniReps) and Symmetry and Geometry in Neural Representations (NeurReps) Workshops at NeurIPS 2025
通过压紧天线系统实现节能的空中联邦学习
机构 * University of Toronto（多伦多大学）
AI总结 本文提出利用压紧天线系统降低空中联邦学习的能耗，通过低复杂度算法优化PASS参数和设备调度，实验表明其在能量效率上优于传统MIMO服务器。
Comments To be presented at IEEE International Conference on Communications (ICC 2026): Symposium on Next Generation Multiple Access. 6 pages, 3 algorithms, 3 figures
为何自训练有助于和有害：去噪与信号遗忘
机构 * Mcgill University（麦吉尔大学） ； University of Toronto（多伦多大学）
AI总结 研究揭示了自训练在过参数化线性回归中的去噪与信号遗忘的权衡，通过递归分析预测风险和有效噪声，推导出U型测试风险曲线及最优早停时间，提出迭代广义交叉验证标准以实现数据驱动的正则化选择。
Comments 8 pages main, 29 pages in total
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