高校专区
相级接地故障定位方法用于TN接地三相光伏系统
机构 * Huawei Montreal Research Centre, Huawei Technologies Canada Co., LTD（华为蒙特利尔研究中心，华为技术加拿大有限公司） ； Department of Electrical & Computer Engineering, University of Toronto（电气与计算机工程系，多伦多大学）
AI总结 本文提出了一种基于边缘AI的接地故障定位方法，通过仿真生成多种故障场景，利用变分信息瓶颈模型实现高准确率的故障定位，适用于资源受限的光伏逆变器。
同义词类型激发提示工程能力
机构 * University of Göttingen（戈丁根大学） ； University of Toronto（多伦多大学）
AI总结 本研究通过分析同义词类型对提示工程的影响，发现特定语言变化可提升语言模型的任务表现。
Journal ref EMNLP 2024
夜间自动驾驶场景重建与基于物理的高斯点云
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 本文提出基于物理的高斯点云方法，提升自动驾驶夜间场景重建质量，实现实时渲染并优于现有方法。
Comments ICRA 2026
面向查询难度的代理 orchestration 为查询特定的多代理工作流
机构 * South China Normal University（华南师范大学） ； The University of Texas Health Science Center（德克萨斯大学健康科学中心） ； The Hong Kong University of Science（香港科学大学） ； University of California（加州大学） ； Peking University（北京大学） ； University of Toronto（多伦多大学）
AI总结 本文提出难度感知的代理 orchestration 方法，通过动态生成查询特定的多代理工作流，提升查询处理的准确性和效率。
Comments Accepted to WWW2026
通过局部门修改进行参数量子电路的概率设计
机构 * The Edward S. Rogers Sr. Department of Electrical \& Computer Engineering, University of Toronto 10 King's College Rd Toronto ON M5S 3G8 Canada ； Department of Chemical ； Physical Sciences, University of Toronto Mississauga 3359 Mississauga Road Mississauga ON L5L 1C6 Canada ； Department of Computer Science, University of Toronto Toronto ON M5S 2E4 Canada ； Vector Institute for Artificial Intelligence 108 College St W1140 Toronto ON M5G 0C6 Canada ； The Edward S. Rogers Sr. Department of Electrical \& Computer Engineering, University of Toronto 10 King's College Rd Toronto ON M5G 0C6 Canada ； Department of Chemistry, University of Calgary 2500 University Drive NW Calgary AB T2N 1N4 Canada ； Department of Computer Science, University of Toronto 40 St. George Street Toronto ON M5S 2E4 Canada ； The Edward S. Rogers Sr. Department of Electrical \& Computer Engineering, University of Toronto ； Physical Sciences, University of Toronto Mississauga ； Department of Computer Science, University of Toronto ； Vector Institute for Artificial Intelligence ； Department of Chemistry, University of Calgary
AI总结 本文提出一种基于进化启发式的量子架构搜索算法，通过局部概率搜索优化参数量子电路架构，并在多个任务上验证其有效性。
变分格林函数用于体积分方程
机构 * University of Toronto（多伦多大学）
AI总结 本文提出了一种基于变分方法的学习框架，用于高效计算体积分方程的格林函数，通过分解格林函数为解析和学习部分，实现了对不同边界条件的自然处理。
EvoCut：通过进化引导的语言模型强化整数规划
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Huawei Technologies Canada（华为技术加拿大分公司） ； University of Toronto（多伦多大学）
AI总结 EvoCut通过进化引导的语言模型自动生成整数规划的加速切割，显著提升求解效率和最优性间隙缩减效果。
LoopFormer: 基于快捷键调制的弹性深度循环变换器用于潜在推理
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University Health Network（大学健康网络）
AI总结 LoopFormer通过弹性深度循环变换器实现基于快捷键调制的潜在推理，具备适应不同计算预算的鲁棒性与扩展性。
Comments ICLR2026
STaR：可扩展的任务条件检索用于长时多模态机器人记忆
机构 * 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） ； Department of Earth and Space Science（地球与空间科学系） ； Lassonde School of Engineering（拉索nde工程学院） ； York University（约克大学）
AI总结 STaR通过任务条件检索算法提升机器人长时多模态记忆的可扩展性和上下文推理能力
大语言模型时代的Gauss-Newton反学习
机构 * University of Toronto（多伦多大学） ； MIT（麻省理工学院） ； Vector Institute for Artificial Intelligence（人工智能向量研究所）
AI总结 K-FADE通过K-FAC近似实现大语言模型的高效反学习，减少遗忘集影响的同时保留保留集行为。
Comments 18 pages
ArtisanGS: 带有AI和人机协作的高斯点选择交互工具
机构 * NVIDIA ； NVIDIA Canada（NVIDIA 加拿大） ； University of Toronto Canada（多伦多大学 加拿大） ； NVIDIA France（NVIDIA 法国） ； University of Toronto（多伦多大学） ； Institute for Clarity in Documentation Dublin Ohio USA（文档清晰研究所 俄亥俄州 大致） ； Inria Paris-Rocquencourt（法国巴黎-罗克琴特研究所） ； Rajiv Gandhi University Doimukh Arunachal Pradesh India（拉吉夫·甘地大学 亚当穆克 阿鲁纳恰尔邦 印度） ； Tsinghua University Haidian Qu Beijing Shi China（清华大学 海淀区 北京市 中国） ； Palmer Research Laboratories San Antonio Texas USA（帕勒研究中心 肯塔基州 威斯康星州 美国）
AI总结 ArtisanGS通过交互式工具实现高斯点选择与分割，结合AI与人工干预，提供灵活的局部编辑功能，适用于真实场景中的可控编辑。
Comments 12 pages, includes supplementary material
秩序从混沌：从 glitchy 游戏视频中理解物理世界
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Peking University（北京大学） ； University of Toronto（多伦多大学） ； Sun Yat-sen University（孙中山大学）
AI总结 本文提出 PhysGame 数据集和 GameBench 基准，通过利用游戏视频中的 glitch 异常，提升物理推理能力，实验显示在多个基准上取得显著提升。
Comments Accepted by TMLR
方向收敛，梯度下降在漏损ReLU两层神经网络中的良性过拟合
机构 * Department of Statistical Sciences University of Toronto（统计科学系多伦多大学）
AI总结 本文研究了漏损ReLU两层神经网络中梯度下降在混合数据下的良性过拟合条件，并揭示了新的相变现象。
Comments 41 pages, Accepted at International Conference on Learning Representations 2026 (ICLR 2026)
当猜测泄露秘密：通过猜测解码的侧信道在大语言模型中
机构 * University of Toronto（多伦多大学）
AI总结 研究揭示了通过猜测解码在大语言模型中泄露用户信息的侧信道，并提出缓解措施。
EchoJEPA：一种用于超声心动图的潜在预测基础模型
机构 * University Health Network（大学健康网络） ； University of Toronto（多伦多大学） ； University of Chicago（芝加哥大学） ； University of California, San Francisco（加州大学旧金山分校） ； Vector Institute（向量研究所） ； Cohere Labs（Cohere实验室）
AI总结 EchoJEPA通过潜在预测方法在超声心动图中实现鲁棒且可推广的医学AI，显著提升心室功能和压力估计的准确性。
提示武器杀链：提示注入如何逐渐演变成多步骤恶意软件交付机制
机构 * Department of Software and Information Systems Engineering, Ben-Gurion University of the Negev（本·古里安大学软件与信息系统工程系） ； School of Electrical and Computer Engineering, Tel Aviv University（特拉维夫大学电气与计算机工程学院） ； Harvard Kennedy School, Harvard University, and Munk School, University of Toronto（哈佛大学哈佛肯尼迪学校及多伦多大学穆克学校）
AI总结 本文提出提示武器杀链模型，揭示提示注入演变为多步骤恶意软件攻击机制的过程，并提出针对各阶段的防御策略。
通过元学习估计不确定因果图的干预分布
机构 * Imperial College London（伦敦帝国学院） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Alan Turing Institute（艾伦·图灵研究所） ； University of Oxford（牛津大学）
AI总结 通过元学习提出MACE-TNP模型，用于估计不确定因果图的干预分布，优于传统贝叶斯方法。
在扩散规划中你需要什么才能实现组合泛化？
机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学）
AI总结 本文提出Eq-Net架构，通过位移等变性、局部感受野和推断选择实现扩散规划的组合泛化，展示其在导航和操作任务中的有效性。
Comments 8 Pages
MomaGraph: 体感任务规划中的状态感知统一场景图
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Toronto（多伦多大学）
AI总结 MomaGraph通过统一场景图与强化学习模型，实现家庭环境中体感任务规划的高效任务规划与场景理解。
Comments 25 pages, 10 figures. Project page:https://hybridrobotics.github.io/MomaGraph/
通过跨层转码器追踪LLM中的多语言表示
机构 * Max Planck Institute for Intelligent Systems, Tübingen, Germany（马克斯·普朗克智能系统研究所） ； Mohammed VI Polytechnic University, Morocco（穆莱·伊斯梅尔polytechnic大学） ； University of Toronto, Canada（多伦多大学） ； Vector Institute, Canada（向量研究所） ； ELLIS Institute, Tübingen, Germany（ELLIS研究所）
AI总结 通过跨层转码器研究LLM中多语言表示的共享机制及语言解码过程。
Comments 42 pages, 43 figures, under review. Extensive supplementary materials. Code and models available at https://huggingface.co/collections/CausalNLP/multilingual-tinystories-6862b6562414eb84d183f82a and https://huggingface.co/collections/CausalNLP/multilingual-gpt2-models and https://huggingface.co/collections/CausalNLP/multilingual-clts and https://github.com/abirharrasse/MultilingualCLTs
基于单纯形的矩阵博弈的预言复杂度
机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； University of Toronto（多伦多大学）
AI总结 本文研究了基于单纯形的矩阵博弈问题，揭示了双侧矩阵向量乘法在预言复杂度下的下界，改进了经典任务的复杂度分析，并与最新算法匹配。
Comments v2 appeared in COLT 2025; v4 is an expanded version featuring stronger results, which are tight in light of arXiv:2601.02347 and are generalized to all p-norms
信息访问如何影响大语言模型监视器检测破坏行为的能力？
机构 * Aether Research（Aether研究机构） ； Vector Institute（Vector研究所） ； Trajectory Labs（Trajectory实验室） ； University of Toronto（多伦多大学） ； Imperial College London（伦敦帝国学院）
AI总结 本文研究了信息访问对大语言模型监视器检测破坏行为的影响，提出了一种新的分层监控方法EaE，通过提取和评估被监视代理的轨迹片段来提升检测效果。
Comments 54 pages, 34 figures, 7 tables
可验证的布尔推理是通用的
机构 * University of Toronto（多伦多大学） ； McMaster University（麦基尔大学） ； Vector Institute（向量研究所） ； Scuola Normale Superiore di Pisa（比萨normal高等学院）
AI总结 本文提出了一种深度学习架构，能够确证性地推理并通用性地处理任何布尔任务，且在简单布尔任务中参数需求低。
Comments Submitted to COLT 2026
解开RoPE：多模态和共享注意力中的频率控制
机构 * Simon Fraser University（西蒙弗雷泽大学） ； Tel Aviv University（特拉维夫大学） ； University of Toronto（多伦多大学）
AI总结 本文通过分析RoPE的频率结构，提出方法调节RoPE频率带以实现更符合语义的共享注意力，从而有效控制风格迁移与内容复制的平衡。
通过准算术神经网络改进集合函数近似
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 本文提出准算术神经网络（QUANNs），通过引入神经化的柯尔莫戈罗夫均值（NKM）作为可学习的聚合函数，改进集合函数近似，提升模型的表达能力和迁移能力。
Comments To appear at ICLR 2026
基于学习的磁性可控软吸装置建模用于内窥镜鼻内干预
机构 * Joyce Posluns Centre for Image Guided Innovation \& Therapeutic Intervention (PCIGITI), The Hospital for Sick Children (SickKids) , city= Toronto , state= ON , country= Canada ； organization= Department of Mechanical ； Industrial Engineering (MIE), University of Toronto , city= Toronto , state= ON , country= Canada ； organization= School of Engineering, University of Newcastle , city= Newcastle , state= NSW , country= Australia ； Robotics (SuPER) Centre, Department of Surgery, McGill University , city= Montreal , state= QC , country= Canada ； organization= Institute of Biomedical Engineering (BME), University of Toronto , city= Toronto , state= ON , country= Canada
AI总结 本文提出了一种基于学习的磁性可控软吸装置建模方法，通过贝塞尔控制点实现高精度形状重建，采用随机森林算法在实验数据中实现亚毫米级的变形预测。
Journal ref Mechatronics 116 (2026) 103468
ScholarMate: 一种用于定性知识工作和信息意义建构的混合发起工具
机构 * Computer Science, University of Toronto（计算机科学，多伦多大学）
AI总结 ScholarMate是一种结合AI辅助与人类监督的交互式系统，旨在提升定性分析的效率和可解释性，通过动态文本片段管理与基于证据的主题命名，支持人机协作的意义建构任务。
Comments accepted at CHIWORK '25
EMA策略梯度：通过EMA锚点和Top-k KL驯服LLM的强化学习
机构 * University of Toronto（多伦多大学）
AI总结 EMA-PG通过EMA锚点和Top-k KL估计器提升LLM强化学习性能，显著提高数学推理和代理任务表现
ProDCARL：用于从头设计抗菌肽的强化学习对齐扩散模型
机构 * University of Toronto（多伦多大学）
AI总结 ProDCARL通过强化学习对齐框架，结合扩散模型和序列属性预测器，优化抗菌肽设计，提高预测性能和多样性。
受大语言模型启发的小数据、大规模优化的预训练-微调方法
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 本文提出一种受大语言模型启发的预训练-微调方法，用于解决小数据下的大规模决策优化问题，通过预训练注入领域知识并利用合成数据，微调提升与真实数据的一致性。
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