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

Calibeating Made Simple

简化版的校准问题

Yurong Chen, Zhiyi Huang, Michael I. Jordan, Haipeng Luo

机构 * Inria École Normale Supérieure PSL Research University（Inria 法国国家科学研究中心巴黎高等师范学院） ； The University of Hong Kong（香港大学） ； University of California Berkeley（加州大学伯克利分校） ； University of Southern California（南加州大学） 纠错

AI总结 本文研究了校准问题，通过将校准问题转化为在线学习技术，获得了通用合适损失函数的校准结果，并提出了新的多校准率和校准同时优化方法。

Statistical Learning for Latent Embedding Alignment with Application to Brain Encoding and Decoding

基于统计学习的潜在嵌入对齐及其在脑编码与解码中的应用

Shuoxun Xu, Zhanhao Yan, Lexin Li

机构 * University of California at Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出轻量级对齐框架，通过逆半监督学习和元转移学习提升有限fMRI-刺激配对数据下的样本效率，实现脑编码解码的高效计算与理论分析。

Comments 35 pages, 3 figures

Interpreting the Synchronization Gap: The Hidden Mechanism Inside Diffusion Transformers

解读同步间隙：扩散变换器内部的隐藏机制

Emil Albrychiewicz, Andrés Franco Valiente, Li-Ching Chen, Viola Zixin Zhao

机构 * Leinweber Institute for Theoretical Physics ； Department of Physics, University of California, Berkeley, CA, 94720-7300, USA ； Theoretical Physics Group, Lawrence Berkeley National Laboratory, Berkeley, CA 94720-8162, USA ； Department of Radiation Oncology, University of California, San Francisco ； Computational Precision Health, University of California, San Francisco ； Department of Physics, University of California, Berkeley, CA 94720, USA 纠错

AI总结 研究揭示扩散变换器中同步间隙的机理，发现其为内在架构属性，且在强耦合下消失，仅在最终层出现，低频结构先于高频细节承诺。

Comments 38 pages, 5 figures

Variance reduction combining pre-experiment and in-experiment data

方差缩减结合预实验和实验证据数据

Zhexiao Lin, Pablo Crespo

机构 * University of California, Berkeley（加州大学伯克利分校） ； Etsy, Inc.（Etsy公司） 纠错

AI总结 本文提出一种结合预实验和实验证据数据的方差缩减框架，提升A/B测试的敏感度，通过理论分析和实验证实其有效性。

Comments Accepted to 5th Conference on Causal Learning and Reasoning (CLeaR), 2026

On Consistency of Signature Using Lasso

关于使用Lasso回归的签名一致性

Xin Guo, Binnan Wang, Ruixun Zhang, Chaoyi Zhao

机构 * UC Berkeley Department of Industrial Engineering and Operations Research（伯克利大学工业工程与运筹学系） ； Peking University School of Mathematical Sciences and Laboratory for Mathematical Economics and Quantitative Finance（北京大学数学科学学院及数学经济学与量化金融实验室） ； Peking University School of Mathematical Sciences, Center for Statistical Science, National Engineering Laboratory for Big Data Analysis and Applications, and Laboratory for Mathematical Economics and Quantitative Finance（北京大学数学科学学院、统计科学中心、大数据分析与应用国家工程实验室及数学经济学与量化金融实验室） ； MIT Sloan School of Management and Laboratory for Financial Engineering（麻省理工学院斯隆管理学院及金融工程实验室） 纠错

AI总结 本文研究了使用Lasso回归的签名一致性，理论和数值分析表明，Lasso在有限样本和渐近情况下的一致性取决于时间序列过程与布朗运动的接近程度及维度相关性。

A chemical language model for reticular materials design

一种用于网状材料设计的化学语言模型

Dhruv Menon, Vivek Singh, Xu Chen, Mohammad Reza Alizadeh Kiapi, Ivan Zyuzin, Hamish W. Macleod, Nakul Rampal, William Shepard, Omar M. Yaghi, David Fairen-Jimenez

机构 * Department of Chemical Engineering & Biotechnology, University of Cambridge（化学工程与生物技术系，剑桥大学） ； Department of Chemistry, University of California – Berkeley（化学系，加州大学伯克利分校） ； Bakar Institute of Digital Materials for the Planet, Berkeley, CA（为地球的数字材料研究所，伯克利，CA） ； KACST–UC Berkeley Center of Excellence for Nanomaterials for Clean Energy Applications, King Abdulaziz City for Science and Technology（清洁能源应用纳米材料卓越中心，国王阿卜杜勒-阿齐兹城市科学与技术中心） ； Synchrotron SOLEIL-UR1, L’Orme des Merisiers, Départementale 128, 91190 Saint-Aubin（SOLEIL-UR1同步辐射光源，L’Orme des Merisiers，Départementale 128，91190 Saint-Aubin） 纠错

AI总结 本文提出Nexerra-R1模型，通过生成有机连接体实现逆向设计，结合分布引导目标和化学验证，生成可合成的网状材料候选物。

Comments 45 pages, 26 figures, Supplementary Information included; code available at: https://github.com/fairen-group/nexerra-r1

Long Chain-of-Thought Reasoning Across Languages

跨语言的长链式推理

Josh Barua, Seun Eisape, Kayo Yin, Alane Suhr

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

AI总结 本研究探讨了跨语言长链式推理能力的扩展机制，发现模型规模扩展提升En-CoT性能，但Target-CoT表现滞后，尤其在数学推理中更为明显。通过预训练和后训练优化，多语言模型在推理效率和稳定性上取得进展，同时揭示了语言特定的失败模式。

Comments Accepted to ICLR 2026. v1 is a workshop version accepted to SCALR @ COLM 2025