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

Designing probabilistic AI monsoon forecasts to inform agricultural decision-making

设计概率性AI季风预报以指导农业决策

Colin Aitken, Rajat Masiwal, Adam Marchakitus, Katherine Kowal, Mayank Gupta, Tyler Yang, Amir Jina, Pedram Hassanzadeh, William R. Boos, Michael Kremer

机构 * Development Innovation Lab, University of Chicago（芝加哥大学发展创新实验室） ； University of Chicago（芝加哥大学） ； Department of the Geophysical Sciences, University of Chicago（芝加哥大学地球科学系） ； Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Development Innovation Lab India, University of Chicago Trust（芝加哥大学印度发展创新实验室） ； University of Chicago Trust（芝加哥大学信托） ； Department of Earth and Planetary Science, University of California, Berkeley（加州大学伯克利分校地球与行星科学系） ； University of California, Berkeley（加州大学伯克利分校） ； Climate and Ecosystem Sciences Division, Lawrence Berkeley National Laboratory（伯克利国家实验室气候与生态系统科学部） ； Department of Economics, University of Chicago（芝加哥大学经济学系） 纠错

AI总结 本研究提出一种基于决策理论的框架，通过结合AI天气模型和演变农民期望模型，提升季风预报的准确性，以帮助印度农民做出更有效的农业决策。

JULI: Jailbreak Large Language Models by Self-Introspection

通过自我反思 jailbreak 大型语言模型：JULI

Jesson Wang, Zhanhao Hu, David Wagner

机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 JULI 通过操纵令牌日志概率，利用微小插件块 BiasNet 实现对 API 调用 LLMs 的 jailbreak，无需模型权重或生成过程权限，且在黑盒环境下有效。

Comments Accepted to ICLR 2026

Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning

质量优于数量：通过影响函数进行演示数据的 curated

Haeone Lee, Taywon Min, Junsu Kim, Sinjae Kang, Fangchen Liu, Lerrel Pinto, Kimin Lee

机构 * KAIST（韩国科学技术院） ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学） 纠错

AI总结 本文提出 QoQ 方法，通过影响函数识别高质量演示数据，提升机器人学习性能。

Comments Accepted to ICRA 2026, 8 pages

EgoMI: Learning Active Vision and Whole-Body Manipulation from Egocentric Human Demonstrations

EgoMI: 从第一人称人类演示中学习主动视觉和全身操作

Justin Yu, Yide Shentu, Di Wu, Pieter Abbeel, Ken Goldberg, Philipp Wu

机构 * UC Berkeley（伯克利大学） 纠错

AI总结 EgoMI通过同步捕捉头部和末端执行器轨迹，实现从第一人称人类演示中学习主动视觉与全身操作，有效弥合人机身体差距，提升半人形机器人模仿学习性能。

Reinforced Generation of Combinatorial Structures: Hardness of Approximation

增强的组合结构生成：近似难度

Ansh Nagda, Prabhakar Raghavan, Abhradeep Thakurta

机构 * University of California, Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌） 纠错

AI总结 利用AI方法在复杂性理论中取得进展，改进MAX-CUT、MAX-3-CUT和TSP的近似难度结果。

CTRL Your Shift: Clustered Transfer Residual Learning for Many Small Datasets

控制你的转移：用于许多小数据集的聚类转移残差学习

Gauri Jain, Dominik Rothenhäusler, Kirk Bansak, Elisabeth Paulson

机构 * Harvard University（哈佛大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 CTRL通过结合跨域残差学习和自适应聚类，提升多源小数据集的预测准确性和源异质性保持能力。