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

Onyx: Cost-Efficient Disk-Oblivious ANN Search

Onyx: 低成本的磁盘无关ANN搜索

Deevashwer Rathee, Jean-Luc Watson, Zirui Neil Zhao, G. Edward Suh, Raluca Ada Popa

机构 * UC Berkeley, NVIDIA（伯克利大学，NVIDIA） ； NVIDIA ； UT Austin, NVIDIA（奥斯汀大学，NVIDIA） 纠错

AI总结 Onyx通过优化ANN和ORAM层的资源利用，降低ANN搜索成本和延迟，采用紧凑中间表示和局部意识浅树设计提高效率。

UCCL-Zip: Lossless Compression Supercharged GPU Communication

UCCL-Zip: 无损压缩增强的GPU通信

Shuang Ma, Chon Lam Lao, Zhiying Xu, Zhuang Wang, Ziming Mao, Delong Meng, Jia Zhen, Jun Wu, Ion Stoica, Yida Wang, Yang Zhou

机构 * UC Davis（加州大学戴维斯分校） ； Harvard University（哈佛大学） ； Amazon Web Services（亚马逊网络服务） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 UCCL-Zip通过无损压缩提升GPU通信效率，支持点对点和集体通信，无需修改API且保持数值精度，实测加速强化学习权重同步达47.5%。

Rodrigues Network for Learning Robot Actions

罗德里格斯网络用于学习机器人动作

Jialiang Zhang, Haoran Geng, Yang You, Congyue Deng, Pieter Abbeel, Jitendra Malik, Leonidas Guibas

机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出罗德里格斯网络，通过引入运动学先验知识提升机器人动作学习性能，验证了其在动作预测和手部重建中的有效性。

Comments ICLR 2026

Recency Biased Causal Attention for Time-series Forecasting

近期偏倚的因果注意力用于时间序列预测

Kareem Hegazy, Michael W. Mahoney, N. Benjamin Erichson

机构 * UC Berkeley（加州大学伯克利分校） ； 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 本文提出一种引入近期偏倚的因果注意力机制，通过平滑的重尾衰减重新加权注意力分数，增强局部时间依赖性，提升时间序列预测性能。

Journal ref Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026

COMPASS: COntinual Multilingual PEFT with Adaptive Semantic Sampling

COMPASS：持续多语言PEFT与自适应语义采样

Noah Flynn

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 COMPASS通过自适应语义采样策略，利用参数高效微调方法，在多语言任务中提升模型性能，减少跨语言干扰，实现持续学习框架以适应动态环境。

Journal ref Transactions on Machine Learning Research, 2025, https://openreview.net/forum?id=oapsbIO1Bd