University of California, Berkeley（加州大学伯克利分校）

BioGait-VLM: A Tri-Modal Vision-Language-Biomechanics Framework for Interpretable Clinical Gait Assessment

BioGait-VLM：一种多模态视觉-语言-生物力学框架用于可解释的临床步态评估

Erdong Chen, Yuyang Ji, Jacob K. Greenberg, Benjamin Steel, Faraz Arkam, Abigail Lewis, Pranay Singh, Feng Liu

机构 * Department of Computer Science, Drexel University（德克萨斯大学计算机科学系） ； Department of Neurological Surgery, Washington University（华盛顿大学神经外科系） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 BioGait-VLM通过多模态框架提升临床步态评估的可解释性和准确性，结合生物力学标记与时间动态分析，实现更可靠的病理运动识别。

In-Context Reinforcement Learning for Tool Use in Large Language Models

上下文强化学习用于大型语言模型中的工具使用

Yaoqi Ye, Yiran Zhao, Keyu Duan, Zeyu Zheng, Kenji Kawaguchi, Cihang Xie, Michael Qizhe Shieh

机构 * National University of Singapore（新加坡国立大学） ； Salesforce AI Research（Salesforce AI研究） ； University of California Berkeley（加州大学伯克利分校） ； University of California, Santa Cruz（加州大学圣克ruz分校） 纠错

AI总结 本文提出ICRL框架，通过强化学习无需微调即可实现大型语言模型的工具使用能力，实验显示其在推理和工具任务中表现优异。

HybridStitch: Pixel and Timestep Level Model Stitching for Diffusion Acceleration

HybridStitch: 像素和时间步级模型拼接用于扩散加速

Desen Sun, Jason Hon, Jintao Zhang, Sihang Liu

机构 * University of Waterloo（多伦多大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 HybridStitch通过结合大模型和小模型，实现T2I生成的高效加速，提升Stable Diffusion 3的生成速度1.83倍。

Scheduling Parallel Optical Circuit Switches for AI Training

为AI训练调度并行光电路交换机

Kevin Liang, Litao Qiao, Isaac Keslassy, Bill Lin

机构 * UC San Diego（UC圣地亚哥大学） ； Technion（技术学院） ； UC Berkeley（伯克利大学） 纠错

AI总结 Spectra通过分解、负载感知调度和受控排列分割，有效调度AI训练流量矩阵，显著降低调度时间并接近理论下限。

Mean Flow Policy with Instantaneous Velocity Constraint for One-step Action Generation

具有瞬时速度约束的一步动作生成均流策略

Guojian Zhan, Letian Tao, Pengcheng Wang, Yixiao Wang, Yiheng Li, Yuxin Chen, Hongyang Li, Masayoshi Tomizuka, Shengbo Eben Li

机构 * School of Vehicle and Mobility & College of AI, Tsinghua University（车辆与移动学院及人工智能学院，清华大学） ； Berkeley AI Research (BAIR), UC Berkeley（伯克利人工智能研究（BAIR），加州大学伯克利分校） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出均速度策略（MVP），通过引入瞬时速度约束来提升动作生成效率，实现高效的一步动作生成并在机器人操作任务中取得最佳性能。

Comments ICLR Oral Presentation

Adaptation of Agentic AI: A Survey of Post-Training, Memory, and Skills

代理AI的适应：训练后、记忆和技能的综述

Pengcheng Jiang, Jiacheng Lin, Zhiyi Shi, Zifeng Wang, Luxi He, Yichen Wu, Ming Zhong, Peiyang Song, Qizheng Zhang, Heng Wang, Xueqiang Xu, Hanwen Xu, Pengrui Han, Dylan Zhang, Jiashuo Sun, Chaoqi Yang, Kun Qian, Tian Wang, Changran Hu, Manling Li, Quanzheng Li, Hao Peng, Sheng Wang, Jingbo Shang, Chao Zhang, Jiaxuan You, Liyuan Liu, Pan Lu, Yu Zhang, Heng Ji, Yejin Choi, Dawn Song, Jimeng Sun, Jiawei Han

机构 * UIUC（伊利诺伊大学香槟分校） ； Stanford（斯坦福大学） ； Princeton（普林斯顿大学） ； Harvard（哈佛大学） ； UC Berkeley（加州大学伯克利分校） ； Caltech（加州理工学院） ； UCSD（加州大学圣地亚哥分校） ； Georgia Tech（佐治亚理工学院） ； Northwestern（西北大学） ； TAMU（德克萨斯大学奥斯汀分校） ； MGH（麻省总医院） ； Keiji AI ； Unity 纠错

AI总结 本文综述了代理AI在训练后、记忆和技能方面的适应方法，提出四范式框架，分析了代理与工具适应的技术细节及权衡，探讨了开放问题。

Ego-Vision World Model for Humanoid Contact Planning

人形机器人接触规划的视角世界模型

Hang Liu, Yuman Gao, Sangli Teng, Yufeng Chi, Yakun Sophia Shao, Zhongyu Li, Maani Ghaffari, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出了一种结合学习世界模型与MPC的框架，用于提升人形机器人在复杂环境中的接触规划能力，实现更高效和稳健的多任务执行。

Query-Based Adaptive Aggregation for Multi-Dataset Joint Training Toward Universal Visual Place Recognition

基于查询的自适应聚合用于多数据集联合训练以实现通用视觉位置识别

Jiuhong Xiao, Yang Zhou, Giuseppe Loianno

机构 * New York University（纽约大学） ； University of California Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出Query-based Adaptive Aggregation方法，通过学习查询生成参考代码本，提升多数据集联合训练中特征聚合的信息容量，实现通用视觉位置识别的高效泛化能力。

Comments 8 pages, 4 figures, accepted at ICRA 2026

Fine-Grained Table Retrieval Through the Lens of Complex Queries

通过复杂查询的视角实现细粒度表格检索

Wojciech Kosiuk, Xingyu Ji, Yeounoh Chung, Fatma Özcan, Madelon Hulsebos

机构 * University of Amsterdam（阿姆斯特丹大学） ； UC Berkeley（加州大学伯克利分校） ； Google（谷歌） ； CWI（荷兰信息与人工智能研究所） 纠错

AI总结 本文提出DCTR机制，通过细粒度类型查询分解和全局连接感知，提升复杂场景下表格检索的效率与鲁棒性。

Energy-Efficient Collaborative Transport of Tether-Suspended Payloads via Rotating Equilibrium

通过旋转平衡实现 tether 悬挂负载的节能协作运输

Eric Foss, Andrew Tai, Carlo Bosio, Mark W. Mueller

机构 * High Performance Robotics Laboratory, Department of Mechanical Engineering, University of California Berkeley（加州大学伯克利分校机械工程系高性能机器人实验室） 纠错

AI总结 通过旋转平衡技术，使 tether 悬挂负载的协作运输更节能，减少20%的功率消耗。

Comments 7 pages, 8 figures

Reward Under Attack: Analyzing the Robustness and Hackability of Process Reward Models

奖励在攻击下：分析过程奖励模型的鲁棒性和可hack性

Rishabh Tiwari, Aditya Tomar, Udbhav Bamba, Monishwaran Maheswaran, Heng Yang, Michael W. Mahoney, Kurt Keutzer, Amir Gholami

机构 * UC Berkeley（加州大学伯克利分校） ； Transmute AI ； ICSI（国际计算机科学研究所） ； LBNL（劳伦斯伯克利国家实验室） 纠错

AI总结 研究揭示了过程奖励模型在对抗性攻击下的脆弱性，指出其更像流畅性检测器而非推理验证器，并提出PRM-BiasBench用于评估模型鲁棒性。

Online Decision-Focused Learning

在线决策聚焦学习

Aymeric Capitaine, Maxime Haddouche, Eric Moulines, Michael I. Jordan, Etienne Boursier, Alain Durmus

机构 * Centre de Mathématiques Appliquées - CNRS, École Polytechnique, Paris, France（应用数学中心 - CNRS，巴黎高等学院，法国） ； INRIA - CNRS, Ecole Normale Supérieure, PSL Research University, France（INRIA - CNRS，巴黎高等师范大学，法国） ； EPITA, Laboratoire de Recherche de l’EPITA, Mohamed Bin Zayed University of AI, Paris, France（EPITA，EPITA研究实验室，人工智能马尔代夫大学，法国） ； Inria Paris, Ecole Normale Superieure PSL, UC Berkeley, Paris, France（Inria巴黎，巴黎高等师范大学PSL，伯克利大学，法国） ； Inria Saclay, Université Paris Saclay, LMO, Orsay, France（Inria萨克利，巴黎萨克利大学，LMO，法国） 纠错

AI总结 本文提出两种在线算法，通过正则化和扰动技术解决动态环境下决策聚焦学习的非凸性问题，并首次建立了可证明的遗憾界。