Deep Single-Index Fréchet Regression
深度单指标弗雷歇回归
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出DeSI框架，通过深度神经网络估计单指标方向，在度量空间中进行弗雷歇回归，缓解维数灾难并保持可解释性，理论保证收敛率，在分布、网络等数据上表现优异。
高校专区
University of California, Berkeley（加州大学伯克利分校）
Stability beyond Bounded Differences: Sharp Generalization Bounds under Finite $L_p$ Moments
超越有界差分的稳定性：有限 $L_p$ 矩下的尖锐泛化界
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对重尾或无界损失，提出仅需有限 $L_p$ 矩条件的稳定性框架，导出尖锐高概率泛化界，覆盖经验风险最小化、转导回归和元学习。
The Effect of Training Task Diversity on In-Context Learning through the Lens of Low-Dimensional Subspaces
训练任务多样性对上下文学习的影响：基于低维子空间的视角
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学）
AI总结 本文通过低秩高斯混合模型分析训练任务多样性（由子空间非重叠列数定义）如何提升线性注意力上下文学习的泛化与优化，解释训练多样性缩短学习平台期及实现分布外泛化的现象，并扩展至非线性场景。
Streaming Video Generation with Streaming Force Control
流式视频生成与流力控制
机构 * Northeastern University（东北大学） ； Impossible Research ； University of California, Berkeley（加州大学伯克利分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出StreamForce框架，通过统一力表示和蒸馏流程实现因果、统一的流式视频生成，支持局部和全局时变力控制，在单GPU上达到16.6 FPS，力遵循和运动真实性达最优。
Generative Modeling of Discrete Latent Structures via Dynamic Policy Gradients
通过动态策略梯度对离散潜在结构进行生成建模
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出GReinSS框架，使用动态缩放奖励学习潜在状态分布以最大化观测数据似然，在模拟潜在集和图重建中优于基线，并在RNA测序数据中比RSEM更准确地重建异构体。
Comments ICML 2026
RETROSPECT: RETROsynthesis via Sequential Prediction, and Chemically Transformed-ranking
RETROSPECT: 通过序列预测和化学变换排序的逆合成
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出RETROSPECT系统，将单步逆合成分解为候选生成和重排序，结合ChemAlign Transformer生成器和LambdaMART重排序器，在USPTO-50K上实现55.00% top-1准确率。
Comments Accepted at the AI for Science workshop (ICML 2026)
A Geometric View for Understanding Concept Learning and Neuron Interpretation in Sparse Autoencoders
理解稀疏自编码器中概念学习与神经元解释的几何视角
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出统一数学框架，将概念学习形式化为集合对齐问题，区分检测、分离和近似三种学习强度，并给出几何条件与误差界，通过形式概念分析连接概念学习与神经元解释。
Mission-Level Runtime Assurance Framework for Autonomous Driving
自动驾驶任务级运行时保证框架
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出一种评估驾驶安全与任务完成能力的运行时保证框架，通过监控系统拒绝不可行命令，实验证明其优于仅关注平台安全的方法。
The Fine-Tuning Trap: Evaluating Negative Transfer and the Role of PEFT in Sub-1B Mathematical Reasoning
微调陷阱：评估负迁移及PEFT在亚十亿参数数学推理中的作用
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 本研究评估了五种亚十亿参数模型在数学推理任务中的微调策略，发现全量微调对小于3亿参数的模型造成负迁移，而参数高效微调（PEFT）是稳定性要求。
Comments 8 pages, 6 figures, 2 tables
Evidence-Grounded Ensemble Diagnosis of 802.11 Packet Captures: A Multi-Stage Pipeline with Deterministic Reliability Scoring
基于证据的802.11数据包捕获集成诊断：具有确定性可靠性评分的多阶段流水线
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出PROBE多阶段流水线，通过确定性证据框架和集成方法解决LLM在802.11诊断中的幻觉、置信度偏差和评估偏见问题，在87个企业Wi-Fi捕获上实现0.957的加权证据F1分数和96%的自动接受率。
Comments 37 pages, 9 figures, 9 tables
MedSIGHT: Towards Grounded Visual Comprehension in Medical Large Vision-Language Models
MedSIGHT：迈向医学大型视觉语言模型中的基础视觉理解
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出MedSIGHT框架，通过区域感知器、医学区域码本和渐进训练策略，统一医学视觉语言模型的语义理解和像素级分割，在72K数据上达到多模态理解与分割的SOTA。
Comments Accepted at ICML 2026
Depth over Fidelity in Fixed-Budget Noisy Evolution Strategies
固定预算噪声进化策略中深度优先于保真度
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对固定评估预算下的噪声进化策略，提出概率精英成员（PEM）方法，通过条件期望秩权重替代硬秩权重，实现Rao-Blackwell化降噪，在COCO基准和RL等任务中取得一致提升。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 28 pages, 16 figures, 7 tables, including appendices
A Temporal Spatial Minimax Rate for Smoothly-Varying Distributions in Wasserstein Space
Wasserstein空间中平滑变化分布的时空极小极大速率
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 研究在Wasserstein空间中，基于过去有限噪声快照估计未来曲线值的极小极大速率，提出时空下界并证明其匹配上界。
