高校专区
速率还是命运？RLV$^\varepsilon$R：具有可验证噪声奖励的强化学习
机构 * Cognichip AI ； University of Toronto（多伦多大学）
AI总结 本文提出RLV$^\varepsilon$R框架，通过分析验证噪声对强化学习的影响，揭示了噪声如何影响学习速率与命运，并通过实验验证了在不同Youden指数下动态变化的相变特性。
单目伪LiDAR 3D检测中深度骨干网络与语义线索的系统评估
机构 * University of Toronto（多伦多大学）
AI总结 本文系统评估了单目伪LiDAR 3D检测中深度骨干网络和语义线索的影响，发现几何保真度和深度骨干网络选择对性能更为关键。
Comments 7 pages, 4 figures
月球车货运运输：任务概念与实地测试
机构 * Institute for Aerospace Studies, University of Toronto（多伦多大学航空航天研究所） ； MDA Space（MDA空间公司） ； Centre de Technologies Avancées（先进研究中心）
AI总结 本研究提出了一种基于Lidar Teach and Repeat的月球车货运运输方案，通过半自主远程控制模式实现货物的精准运输和装载，验证了系统在恶劣环境下的可靠性。
Comments 15 Pages, 13 Figures, to appear in IEEE Transactions on Field Robotics
重新审视通过高斯过程和马格努斯展开的连续时间轨迹估计
机构 * Robotics Institute University of Toronto（多伦多大学机器人研究所）
AI总结 本文通过马格努斯展开提出了一种更优雅且通用的连续时间轨迹估计方法，替代了传统的局部高斯过程方法。
Comments 21 pages, 12 figures
LoRA-Drop：用于高效LLM推理的时序LoRA解码
机构 * University of Waterloo（滑铁卢大学） ； University of Toronto（多伦多大学） ； Queen’s University（皇后大学）
AI总结 LoRA-Drop通过时序计算计划和低秩LoRA校正，实现高效LLM推理，提升解码速度2.6倍并减少45-55%的KV缓存占用。
基于蓝图的思考：通过结构化物体表示协助视觉-语言模型进行空间推理
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research, Asia（微软亚洲研究院） ； Tsinghua University（清华大学） ； University of Toronto（多伦多大学）
AI总结 通过结构化物体表示提升视觉-语言模型的空间推理能力，引入蓝图嵌入推理轨迹、蓝图意识奖励和反捷径数据增强技术。
Comments Preprint. Under review
CADMorph: 通过计划-生成-验证循环实现几何驱动的参数化CAD编辑
机构 * Fudan University（复旦大学） ； Microsoft Research, Asia（微软亚洲研究院） ； University of Toronto（多伦多大学）
AI总结 CADMorph通过计划-生成-验证循环实现几何驱动的参数化CAD编辑，利用预训练模型在数据稀少情况下保持结构、语义和形状保真度，超越现有方法并支持下游应用。
Comments NeurIPS 2025
基于少样本的模块化图像到视频适配器用于扩散模型
机构 * Huawei Technologies Canada（华为加拿大技术有限公司） ； University of Waterloo（滑铁卢大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Toronto（多伦多大学）
AI总结 本文提出MIVA，一种轻量级模块化适配器，用于在扩散模型中实现更精确的运动控制，同时保持或提升生成质量。
Comments GitHub page: https://github.com/yishaohan/MIVA
通过二次规划重构实现LLM的最优单次剪枝：OPTIMA
机构 * University of Toronto（多伦多大学） ； Google DeepMind（谷歌DeepMind）
AI总结 OPTIMA通过二次规划重构实现LLM的高效单次剪枝，提升零样本性能达3.97%，在单加速器上实现大规模剪枝。
HarmTransform: 通过多智能体辩论将显性有害查询转化为隐蔽形式
机构 * University of Toronto（多伦多大学）
AI总结 HarmTransform通过多智能体辩论框架，系统地将有害查询转化为隐蔽形式，以提升大型语言模型的安全对齐能力。
通过对比表征学习提升大语言模型安全性
机构 * ETH Zurich（苏黎世联邦理工学院） ； MPI for Intelligent Systems（智能系统最大计划） ； University of Toronto（多伦多大学）
AI总结 本文提出基于对比表征学习的框架，通过三元组损失和对抗性难负样本挖掘提升大语言模型对对抗攻击的鲁棒性。
Comments EMNLP 2025 Main
应用驱动的机器学习创新
机构 * McGill University（麦吉尔大学） ； Mila -- Quebec AI Institute, Montreal, Canada（魁北克AI研究所） ； University of Toronto（多伦多大学） ； Vector Institute, Toronto, Canada（向量研究所） ； Massachusetts Institute of Technology, Cambridge, USA（麻省理工学院） ； University of Southern California, Los Angeles, USA（南加州大学） ； Arizona State University, Tempe, USA（亚利桑那州立大学） ； Inria Paris, Paris, France（巴黎研究所） ； University of Colorado Boulder, Boulder, USA（科罗拉多大学博尔德分校） ； Harvard University, Cambridge, USA（哈佛大学） ； University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute, Edmonton, Canada（阿尔伯塔人工智能研究所）
AI总结 本文探讨了应用驱动研究在机器学习中的重要性，指出其对算法创新和领域影响的潜力，并提出改进现有评估和教学实践的建议。
Comments 12 pages, 3 figures
Journal ref Published at ICML 2024 in the Position Papers track
OpenNav: 基于多模态大语言模型的开放世界导航
机构 * University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究 institute） ； University of Toronto Robotics Institute（多伦多大学机器人研究所）
AI总结 OpenNav利用多模态大语言模型实现开放世界导航，通过生成价值图增强机器人空间理解，并在真实场景中验证其鲁棒性。
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
S$^2$Edit: 基于文本引导的图像编辑与精确语义和空间控制
机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； ModiFace Inc.（ModiFace公司） ； Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系）
AI总结 S$^2$Edit通过精确语义和空间控制实现文本引导的图像编辑，解决了身份信息丢失和无关区域修改的问题。
动态注意力（DynAttn）：可解释的高维时空预测（应用于冲突死亡人数）
机构 * Harvard University, Institute for Quantitative Social Science（哈佛大学量化社会科学研究所） ； Stockholm University Demography Unit（斯德哥尔摩大学人口学单位） ； Malmö University, Department of Global Political Studies（马尔默大学全球政治研究系） ； University of Catania, Department of Political and Social Sciences（卡塔尼亚大学政治与社会科学系） ； University of Toronto, Graduate School of Public and International Affairs（多伦多大学公共与国际事务研究生院）
AI总结 DynAttn通过动态注意力机制实现高维时空预测，应用于冲突死亡人数预测，提供可解释的预测结果和结构化分析。
推理中继：评估大型语言模型在数学推理中的稳定性与可替换性
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Binghamton University（宾夕法尼亚州立大学布林茅尔分校） ； University of Toronto（多伦多大学） ； UC Berkeley（加州大学伯克利分校） ； Algoverse
AI总结 本研究探讨大型语言模型在数学推理中的稳定性与可替换性，通过评估不同模型间推理链的延续性，揭示推理过程的可靠性和一致性。
Comments NeurIPS 2025 Workshop on Socially Responsible and Trustworthy Foundation Models (ResponsibleFM)
学习增强的集合滤波器
机构 * Department of Meteorology, University of Reading（Reading大学气象系） ； Department of Mathematics and Statistics, University of Reading（Reading大学数学与统计学系） ； National Centre for Earth Observation（地球观测国家中心） ； Department of Statistical Sciences, University of Toronto（多伦多大学统计学系） ； Vector Institute for Artificial Intelligence（人工智能向量研究所） ； The Computing + Mathematical Sciences Department, California Institute of Technology（加州理工学院计算与数学科学系）
AI总结 通过机器学习增强集合滤波器，提升对复杂动态系统的滤波精度。
Comments Accepted by the Journal of Computational Physics
从模糊图像生成过去、现在和未来
机构 * York University（约克大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 本文提出利用预训练视频扩散模型从模糊图像恢复过去、现在和未来的视频，以揭示复杂场景动态。
Comments Code and data are available at https://blur2vid.github.io
Journal ref ACM Trans. Graph. (SIGGRAPH Asia 2025), vol. 44, no. 6, pp. 1-15, Dec. 2025
擦除幻觉：对LLM遗忘评估泛化能力的压测试
机构 * University of Toronto and Vector Institute（多伦多大学和向量研究所）
AI总结 本文提出PSG框架，通过生成语义衍生但嵌入空间不同的替代数据集，揭示LLM无学习评估中普遍存在的度量不准确问题。
基于记忆增强代理AI的信任语义蒸馏用于协作者选择
机构 * Western University（西方大学） ； University of Toronto（多伦多大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出基于记忆增强代理AI的任务特定信任语义蒸馏模型，通过教师-学生架构实现高效协作者选择，提升信任评估的准确性和效率。
Remoe：面向无服务器计算的高效低成本MoE推理
机构 * School of Computer Science and Engineering, Southeast University, China（计算机科学与工程学院，东南大学） ； Department of Electrical and Computer Engineering, University of Toronto, Canada（电气与计算机工程系，多伦多大学） ； Department of Computing, The Hong Kong Polytechnic University, Hong Kong（计算系，香港理工大学）
AI总结 Remoe通过异构架构和优化技术，在无服务器计算中实现高效低成本的MoE推理，降低推理成本和冷启动延迟。
达斯堡视角研讨会 24352 -- 对话代理：评估框架（CAFE）：宣言
机构 * University of Salzburg（萨尔茨堡大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； University of Padua（帕多瓦大学） ； Universität Duisburg-Essen（杜伊斯堡- Essen 大学） ； TU Delft（代尔夫特理工大学） ； TH Köln（科隆应用技术大学） ； Georgetown University（乔治城大学） ； University of Tsukuba（筑波大学） ； Silo AI ； Bauhaus-Universität Weimar（魏玛包豪斯大学） ； Clemson University（克莱姆斯大学） ； University College London（伦敦大学学院） ； imec-SMIT ； University of Antwerp（安特卫普大学） ； University of Twente（埃因霍温理工大学） ； RMIT University（皇家理工学院） ； University of Toronto（多伦多大学） ； TU Eindhoven & JADS（埃因霍温理工大学及JADS）
AI总结 本文提出对话代理评估框架（CAFE），用于评估对话信息访问系统，涵盖六个核心组成部分。
Comments 10 figures; Dagstuhl Manifestos, 11(1), pp 19-67. DOI: 10.4230/DagMan.11.1.19
Journal ref Dagstuhl Manifestos, Volume 11, Issue 1, pp. 19-67, Schloss Dagstuhl - Leibniz-Zentrum fuer Informatik (2025)
UniGaussian：通过统一的高斯表示从多种相机模型进行驾驶场景重建
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； York University（约克大学）
AI总结 UniGaussian通过统一的高斯表示从多种相机模型实现驾驶场景重建，解决鱼眼相机的兼容性问题并提升渲染质量和速度。
Comments 3DV 2026
FrontierCS: 蒸馏智能面临的挑战
机构 * UC Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学） ； UCSD（加州大学圣迭戈分校） ； X-camp Academy（X-camp学院） ； Georgia Tech（佐治亚理工学院） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Nanyang Technological University（南洋理工大学） ； University of Toronto（多伦多大学） ； UIUC（伊利诺伊大学香槟分校） ； University of Michigan（密歇根大学） ； New York University（纽约大学） ； MIT（麻省理工学院）
AI总结 FrontierCS是一个针对未知最优解的计算机科学开放性问题基准测试，旨在评估模型在算法和研究任务中的推理能力，发现现有模型在复杂问题上仍需提升。
Comments Code with instruction: https://github.com/FrontierCS/Frontier-CS
跨分词器似然评分算法用于语言模型蒸馏
机构 * University of Toronto（多伦多大学） ； Meta AI
AI总结 本研究提出跨分词器似然评分算法，通过BPE递归结构解决词汇不匹配问题，提升蒸馏效率和性能。
OmniGen：面向自动驾驶的统一多模态传感器生成
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Westlake University（西湖大学） ； Li Auto Inc.（Li汽车公司） ； The University of Toronto（多伦多大学） ； University of Macau（澳门大学）
AI总结 OmniGen通过统一框架生成对齐的多模态传感器数据，结合共享BEV空间和UAE方法，实现高效且灵活的传感器生成。
Comments ACM MM 2025
通过基础模型指导获取函数以加速分子发现
机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学） ； NVIDIA Research Seattle Robotics Lab (SRL)（NVIDIA研究塞班机器人实验室） ； University of Sydney（悉尼大学） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（化学工程与应用化学系，多伦多大学） ； Acceleration Consortium（加速联盟） ； Data Science Institute（数据科学研究所） ； Vector Institute（向量研究所） ； Robotics Institute（机器人研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究研究院）
AI总结 本文提出一种无需显式替代模型的贝叶斯优化方法，利用通用LLMs和化学基础模型的先验知识指导获取函数，提升分子发现的扩展性、鲁棒性和样本效率。
Nexels：基于神经纹理的 surfels 用于具有稀疏几何的实时新视角合成
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Simon Frasier University（西蒙弗雷泽大学） ； University of Liège（列日大学） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 Nexels 通过结合神经场和 surfels 实现高效的实时新视角合成，使用更少的原始体和内存，同时保持高质量的视觉效果。
Comments Webpage at https://lessvrong.com/cs/nexels
面向开放世界设置的零样本息肉检测自适应检测-验证框架
机构 * College of Computer Science, Sichuan University（四川大学计算机学院） ； Columbia University（哥伦比亚大学） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Apon AI and Brain-Computer Engineering Research Institute（Apon人工智能与脑机工程研究院） ； Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院） ； Faculty of Applied Science and Engineering, University of Toronto（多伦多大学应用科学与工程学院） ； Faculty of Computer Science and Information Technology, University of Malaya（马来亚大学计算机科学与信息技术学院） ； Zhaolong Technology（智龙科技） ； Purdue University（普渡大学）
AI总结 本文提出AdaptiveDetector，通过自适应阈值调整和成本敏感强化学习，实现开放世界中零样本息肉检测，提升召回率并减少假阴性。
基于多视角RGB图像的无纹理物体6D位姿主动估计
机构 * University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究学院） ； Robotics Institute（机器人研究所） ； Epson Canada Ltd（加拿大爱普生有限公司）
AI总结 本文提出基于多视角RGB图像的无纹理物体6D位姿主动估计方法，通过两步分解过程提升准确性和效率，并引入主动感知策略减少位姿不确定性。
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