高校专区
NeRF: 3D视觉中的神经辐射场：全面综述（更新后Gaussian Splatting发布后）
机构 * Faculty of Engineering, University of Toronto（多伦多大学工程学院） ； Department of Geomatics Engineering, University of Calgary（卡尔加里大学测绘工程系）
AI总结 本文综述了NeRF在过去五年的研究，涵盖了在Gaussian Splatting出现前和后的发展，总结了NeRF在新颖视角合成和3D隐式和混合表示神经场学习中的应用和贡献。
Comments Updated Post-Gaussian Splatting
重新思考LLM强化学习中的信任区域
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学）
AI总结 针对PPO在LLM微调中因词表大导致的训练不稳定问题，提出基于策略散度直接约束的DPPO算法，并引入高效近似方法。
带共同噪声的McKean-Vlasov正倒向随机微分方程的深度学习与可引性
机构 * School of Applied Mathematics, Getulio Vargas Foundation（应用数学学院，古特雷斯基金会） ； Department of Statistical Sciences, University of Toronto（统计科学系，多伦多大学） ； Oxford-Man Institute for Quantitative Finance, University of Oxford（牛津-曼定量金融研究所，牛津大学）
AI总结 提出结合Picard迭代、可引性和深度学习的方法，求解带共同噪声的McKean-Vlasov正倒向随机微分方程，通过可引性导出路径损失函数避免嵌套蒙特卡洛，在系统风险模型和经济增长模型中验证了准确性。
Comments 19 pages, 8 figures,
隐式神经表示的正弦激活函数族统一理论
机构 * McGill University（麦吉尔大学） ； University of Melbourne（墨尔本大学） ； ARC Centre of Excellence for the Mathematical Analysis of Cellular Systems (MACSYS)（细胞系统数学分析卓越中心（MACSYS）） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University Health Network（大学健康网络） ； University of Tehran（塔里斯坦大学）
AI总结 提出STAF框架，通过可学习振幅、频率和相位的傅里叶式激活函数，理论分析其表达能力、NTK谱变化及初始化，实验证明在图像、音频、形状、逆问题和NeRF任务中优于或匹敌现有方法。
Comments Published in TMLR
Mod-Guide：一种基于LLM的内容审核反馈系统，用于解决针对原住民及少数族裔宗教群体的不敏感言论
机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学） ； Independent University Bangladesh（孟加拉国独立大学） ； Indiana University（印第安纳大学） ； Faculty of Information, University of Toronto（信息学院，多伦多大学）
AI总结 本文研究LLM审核系统对孟加拉国印度教和查克玛社区不敏感言论的认知局限，通过共同构建文化语料库和检索增强生成（RAG）方法开发Mod-Guide工具，提升模型对少数群体观点的敏感性。
“这还不够吗？”：加拿大算法签证分类系统中的机构问责与集体意义建构的不对称性
机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学） ； Faculty of Information, University of Toronto（信息学院，多伦多大学）
AI总结 研究加拿大签证系统中算法问责的机构表述与申请者体验，发现机构强调透明度与程序保障，而申请者通过集体意义建构应对不透明决策，揭示认知、管辖和时空关系三方面不对称。
个体控制障碍函数引导的扩散模型用于安全离线多智能体强化学习
机构 * Department of Electrical Engineering and Automation, Aalto University（阿尔托大学电气工程与自动化系） ； School of Computing and Data Science, Xiamen University Malaysia（厦门大学马来西亚分校计算与数据科学学院） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系）
AI总结 提出一种将神经个体控制障碍函数嵌入扩散模型的离线多智能体强化学习算法，通过逆动力学恢复控制策略，在保证奖励的同时显著提升轨迹生成的安全性。
Comments Accepted to the 23rd IFAC World Congress, 2026
使用加性码本的大语言模型多比特宽度量化
机构 * University of Toronto（多伦多大学）
AI总结 提出Drop-by-Drop框架，基于信息论和逐次细化理论，利用加性码本和Matryoshka监督实现单个模型在推理时支持多精度权重控制，降低存储开销并保持性能。
Comments 37 pages, 12 figures
基于神经受控微分方程的通用时间序列生成
机构 * Heidelberg Institute for Theoretical Studies（海德堡理论研究所） ； IAR, Karlsruhe Institute of Technology（卡尔斯鲁厄技术大学IAR部门） ； Max Planck Institute for Polymer Research（马克斯·普朗克聚合物研究所） ； IWR, Heidelberg University（海德堡大学IWR部门） ； Dept. of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Vector Institute, Toronto, Canada（多伦多向量研究所）
AI总结 本文证明结构化线性受控微分方程（SLiCEs）是通用时间序列生成器，并提出生成式SLiCEs（G-SLiCEs）用于路径空间上的流匹配，在概率预测和下流任务中表现优异，尤其适用于不规则网格。
自蒸馏零：自我修订将二元奖励转化为密集监督
机构 * Princeton University（普林斯顿大学） ； University of Toronto（多伦多大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出SD-Zero方法，通过让模型同时扮演生成器和修订者，利用二元奖励生成密集的token级自监督信号，显著提升训练样本效率，在数学和代码推理任务上超越RFT、GRPO等基线。
CMI-RewardBench: 基于组合多模态指令评估音乐奖励模型
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学）
AI总结 针对音乐生成模型缺乏有效评估机制的问题，提出CMI-RewardBench基准，包含大规模偏好数据集和参数高效奖励模型，实现多模态指令下的音乐质量评估。
Comments Accepted by ICML 2026
闪电自注意力的几何：可识别性与维度
机构 * University of Toronto（多伦多大学） ； Royal Institute of Technology (KTH)（皇家理工学院（KTH））
AI总结 本文利用代数几何工具，分析了无归一化自注意力网络的函数空间几何，给出了深层注意力的可识别性描述并计算了函数空间维度，同时刻画了单层模型的奇异点和边界点，并推测了归一化情形的结果。
Comments Accepted at ICLR 2025
OpenMedReason: 医学视觉语言模型的科学推理监督
机构 * York University（约克大学） ； Vector Institute（向量研究所） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Toronto（多伦多大学） ； Unity Health Toronto / St. Michael’s Hospital（多伦多联合健康/圣迈克尔医院） ； University Health Network（大学健康网络） ； Arc Institute（弧研究所） ； Queen's University（女王大学）
AI总结 提出OpenMedReason，一个包含约45万图像-问题-答案实例的大规模开放医学推理语料库，其推理轨迹主要来自生物医学科学文章，并配套基准OpenMedReason-Bench进行细粒度评估，在监督微调和强化对齐中有效提升模型性能。
Comments 42 pages, 9 figures, 24 tables. Dataset and code: https://huggingface.co/datasets/neginb/OpenMedReason
具有延迟反馈的容量受限在线凸优化
机构 * Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系） ； Vector Institute（向量研究所） ； Institute for Data, Econometrics, Algorithms, and Learning (IDEAL), hosted by UIC and TTIC（数据、计量经济学、算法与学习研究所（IDEAL），由伊利诺伊大学芝加哥分校和丰田工业大学芝加哥分校主办）
AI总结 研究在硬容量约束下（最多同时跟踪C个待处理轮次）的延迟在线凸优化，通过引入半先知模型和延迟加权FTRL算法，首次给出了凸和强凸损失下容量受限OCO的遗憾界。
AVIS: 视觉语言模型的自适应测试时缩放
机构 * AI Center-Toronto, Samsung Electronics（三星电子多伦多AI中心） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； York University（约克大学）
AI总结 提出AVIS，通过轻量策略联合优化视觉上下文缩放和推理缩放，利用无训练的关键多样性剪枝和自适应自一致性，在多种基准上提升精度-计算权衡。
Comments Project page: https://avis-vlm.github.io/
面向边缘设备上心电图异常检测的隐私保护联邦自编码器
机构 * Google Research, New York, NY（谷歌研究，纽约，纽约州） ； 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） ； University of Melbourne（墨尔本大学） ； University of Sydney（悉尼大学）
AI总结 提出一种结合联邦学习、差分隐私和INT8量化的端到端系统，在PTB-XL数据集上实现无监督12导联ECG异常检测，满足隐私、实时性和非IID数据要求。
Comments 9 pages, 4 figures, 6 tables. Preprint prepared in IEEE conference format. Submitted to: FLTA 2026
XPR：一个可扩展的跨平台基于点的可微分渲染器
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Intel（英特尔） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
AI总结 提出XPR框架，通过高级编程接口和模块化渲染管线，支持用少量代码实现3DGS等新方法，并利用XLA编译器跨平台运行。
压力下的风险：语言模型对抗鲁棒性的计算感知评估
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Hugging Face
AI总结 提出基于计算压力（累积FLOPs）的对抗鲁棒性评估框架，通过风险-计算曲线和两个新指标，揭示不同攻击策略的计算成本差异，并在10个模型上验证了对齐训练、模型规模等因素对计算空间鲁棒性的非单调影响。
一种可扩展的多GPU高斯泼溅PyTorch抽象
机构 * NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 提出一种多GPU高斯泼溅方法，通过CUDA统一内存和NVLink在算子级别分布参数，实现大规模场景重建，支持超过10亿高斯泼溅。
Comments 14 pages, 6 tables, 2 figures, and 1 listing. Includes supplementary material
TRON：追踪光线以编排用于3D高斯重建的神经渲染器
机构 * NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 提出TRON框架，结合3D高斯光线追踪与神经渲染，实现真实世界3D场景在新光照、动态物体运动、物体插入和材质编辑下的逼真可控渲染，通过内在分解先验和光线追踪辐射引导，弥合物理渲染与神经渲染的差距。
Comments Project page: https://research.nvidia.com/labs/sil/projects/tron/
FreeBridge: 用于细胞转变动力学的变分薛定谔桥
机构 * Stony Brook University（石溪大学） ； University of Toronto（多伦多大学） ； University Health Network（大学健康网络）
AI总结 针对高内涵成像中细胞扰动建模的端点监督问题，提出FreeBridge方法，通过变分薛定谔桥在固定细胞流形上学习随机传输，并利用经验潜在支持正则化约束中间路径，在保持端点保真度的同时减少中间支持违规。
Comments Accepted to MICCAI 2026 (early accept). Project page: https://y-research-sbu.github.io/FreeBridge/
谄媚的双立场评估：同意的结构与干预的局限
机构 * University of Toronto（多伦多大学）
AI总结 提出双立场评估方法，发现激活引导在减少谄媚时也会抑制对事实正确陈述的同意，揭示了表示可读但不可写的普遍差距。
Comments 18 pages, 9 figures, accepted to TAIS 2026
潜在颜色子空间：高维混沌中的涌现秩序
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 Cambridge（剑桥大学） ； University of Oxford（牛津大学）
AI总结 本文揭示了FLUX.1变分自编码器潜在空间中颜色表示的HSL结构，并提出一种无需训练的闭式潜在空间操作方法，实现对生成图像颜色的预测与显式控制。
Comments Accepted at ICML 2026
FOCUS: DLLMs 知道如何驯服它们的计算瓶颈
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学）
AI总结 针对扩散大语言模型解码中大部分计算浪费在不可解码令牌上的问题，提出 FOCUS 推理系统，通过动态聚焦可解码令牌并驱逐不可解码令牌，提升有效批大小，实现高达 3.52 倍的吞吐量提升。
Comments ICML 2026 camera-ready version
基于AI生成描述的1亿+星系图像语义搜索
机构 * New York University（纽约大学） ； University of Toronto（多伦多大学） ； Dunlap Institute for Astronomy & Astrophysics（达伦普天文与天体物理研究所） ； University of California, Berkeley（加州大学伯克利分校） ； Center for Data Science（数据科学中心） ； Lawrence Berkeley National Lab（伯克利国家实验室） ； Flatiron Institute（Flatiron研究所） ； Université Paris-Saclay（巴黎-萨克莱大学） ； CEA（法国原子能委员会） ； CNRS（法国国家科学研究中心） ； AIM（应用数学研究所） ； Princeton University（普林斯顿大学）
AI总结 提出利用视觉语言模型生成星系图像描述，并对比对齐预训练天文学基础模型，构建可搜索嵌入，实现大规模星系图像的语义搜索，在稀有现象发现上取得最先进性能。
Comments ApJ, in press
具有动作触发观测的强化学习
机构 * Department of Statistical Sciences, University of Toronto（统计科学系，多伦多大学；向量研究所） ； Vector Institute
AI总结 提出动作触发稀疏可追踪MDP框架，推导Bellman方程并证明最优策略存在，利用观测间动作序列的线性表示实现基于回归的方法，在几何分布情节下达到与完全可观测线性MDP匹配的遗憾界。
插入语言模型的连续时间马尔可夫链框架
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； IBM Research（IBM研究院） ； University of Toronto（多伦多大学） ； Vijil（维吉尔）
AI总结 提出基于连续时间马尔可夫链的插入语言模型去噪框架，统一现有方法，在规划任务中优于自回归和掩码扩散模型，语言建模中与现有方法竞争且采样更灵活。
Comments Accepted at AISTATS 2026. Code is available at https://github.com/dhruvdcoder/ctmc_dilm
BenSyc: 孟加拉语上下文中大语言模型对话谄媚与人类对齐的基准测试
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Virginia Tech（弗吉尼亚理工大学） ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） ； BRAC University（BRAC大学） ； University of Toronto（多伦多大学）
AI总结 提出BenSyc基准，基于孟加拉语社交数据构建五级标注集，评估15+模型在对话对齐分类与生成任务上的表现，发现前沿模型在区分共情与强化性认可上仍存在困难。
使用悬挂托盘的机器人非抓取式物体运输
机构 * University of Toronto（多伦多大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 针对机器人服务员问题，提出使用绳索悬挂托盘实现三维摆运动，仅需3自由度移动基座即可减少滑动和泼洒，实验验证了有效性并集成到交互演示中。
Comments 8 pages, 11 figures. IEEE/ASME International Conference on Advanced Intelligent Mechatronics, 2026
单光纤积分场单元光谱学
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 提出一种多模态概率基础模型，利用掩码自编码器从宽带图像预测星系任意空间位置的高分辨率光谱，无需IFU训练数据，性能与监督基线相当。
Comments Accepted for Conference on Physics and AI at Stanford University (PAI 2026)
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