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

Arena as Offline Reward: Efficient Fine-Grained Preference Optimization for Diffusion Models

竞技场作为离线奖励：用于扩散模型的高效细粒度偏好优化

Zhikai Li, Yue Zhao, Edward Zhongwei Zhang, Xuewen Liu, Jing Zhang, Qingyi Gu, Zhen Dong

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

AI总结 本文提出ArenaPO，利用竞技场评分作为离线奖励，实现高效细粒度优化，无需奖励模型。通过构建能力分布模型，基于截断正态分布估计质量差距，提升扩散模型的偏好对齐性能。

MEMSAD: Gradient-Coupled Anomaly Detection for Memory Poisoning in Retrieval-Augmented Agents

MEMSAD: 基于梯度耦合的内存污染异常检测用于检索增强型智能体

Ishrith Gowda

机构 * Department of Electrical Engineering and Computer Sciences（电气工程与计算机科学系） ； University of California, Berkeley（加州大学伯克利分校） ； Berkeley AI Research（伯克利人工智能研究） 纠错

AI总结 本文提出MEMSAD，通过梯度耦合定理实现内存污染攻击的检测，证明其在对抗策略下的正确分类保证，并通过实验验证复合防御在所有攻击下的高检测率和低误报率。

Comments 28 pages, 9 figures, 6 theorems. Submitted to NeurIPS 2026

Polarizable atomic multipoles for learning long-range electrostatics

可极化的原子多极子用于学习长程静电学

Dongjin Kim, Daniel S. King, Yoonjae Park, Roya Savoj, Sebastien Hamel, Xiaoyu Wang, Bingqing Cheng

机构 * Department of Chemistry, UC Berkeley, California 94720, United States（加州大学伯克利分校化学系） ； Bakar Institute of Digital Materials for the Planet, UC Berkeley, California 94720, United States（为地球的数字材料巴卡研究所，加州大学伯克利分校） ； Lawrence Livermore National Laboratory, Livermore, CA, USA（劳伦斯利弗莫尔国家实验室） ； Chemical Sciences Division, Lawrence Berkeley National Laboratory, Berkeley, California, 94720, United States（劳伦斯伯克利国家实验室化学科学部） 纠错

AI总结 本文提出一种半局部框架，利用可极化的原子多极子学习静电学，通过多极子层次和响应项提升势能面精度，尤其在长程效应关键系统中表现突出，恢复了物理意义的电响应。

The Missing Evaluation Axis: What 10,000 Student Submissions Reveal About AI Tutor Effectiveness

缺失的评估维度：10,000名学生提交揭示AI导师有效性

Rose Niousha, Samantha Boatright Smith, Bita Akram, Peter Brusilovsky, Arto Hellas, Juho Leinonen, John DeNero, Narges Norouzi

机构 * University of California, Berkeley, USA（加州大学伯克利分校） ； North Carolina State University, USA（北卡罗来纳州立大学） ； University of Pittsburgh, USA（匹兹堡大学） ； Aalto University, Finland（阿尔托大学） 纠错

AI总结 研究通过分析10,235份学生代码提交，探讨AI导师的反馈行为影响，发现基于学生互动的数据能更全面评估AI导师效果。

Comments Accepted to the 27th International Conference on Artificial Intelligence in Education (AIED 2026), Main Conference Track

Data-Driven Variational Basis Learning Beyond Neural Networks: A Non-Neural Framework for Adaptive Basis Discovery

数据驱动的变分基学习超越神经网络：一种非神经框架用于自适应基发现

Andrew Kiruluta

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出非神经框架的变分基学习方法，通过变分优化直接从数据学习基函数，实现数据自适应的基展开，保留可解释性和数学透明度。

Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching

感知型人形扑动：通过动作匹配链式动态人类技能

Zhen Wu, Xiaoyu Huang, Lujie Yang, Yuanhang Zhang, Xi Chen, Pieter Abbeel, Rocky Duan, Angjoo Kanazawa, Carmelo Sferrazza, Guanya Shi, C. Karen Liu

机构 * Amazon FAR（亚马逊FAR） ； UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出感知型人形扑动框架，通过动作匹配和强化学习实现人形机器人在复杂环境中自主执行长时程视觉扑动任务，展示高动态扑动技能和多障碍物穿越能力。

Sparse VideoGen2: Accelerate Video Generation with Sparse Attention via Semantic-Aware Permutation

稀疏视频生成2：通过语义感知排列加速视频生成

Shuo Yang, Haocheng Xi, Yilong Zhao, Muyang Li, Jintao Zhang, Han Cai, Yujun Lin, Xiuyu Li, Chenfeng Xu, Jianfei Chen, Song Han, Kurt Keutzer, Ion Stoica

机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出SVG2框架，通过语义感知排列提升视频生成的准确性和效率，实现生成质量与效率的帕累托最优。