高校专区
合成到真实的着陆区安全检测流水线
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种合成数据生成与感知流水线，通过域随机化生成逼真城市环境并微调Transformer架构，结合欧几里得距离变换实现无碰撞着陆区检测，消除手动标注需求。
Comments Proceedings of Conference on Robots and Vision (CRV) 2026, Vancouver, British Columbia , Canada
AgentBeats：面向开放性、标准化和可复现性的智能体评估代理化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Purdue University（普渡大学） ； University of Ljubljana（卢布尔雅那大学） ； University of Washington（华盛顿大学） ； Oasis Labs ； University of Maryland（马里兰大学） ； IBM Research（IBM研究院） ； Mila ； McGill University（麦吉尔大学） ； ServiceNow Research（ServiceNow研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； National Institute of Standards and Technology（美国国家标准与技术研究院） ； The Ohio State University（俄亥俄州立大学） ； University of Cambridge（剑桥大学） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 提出代理化智能体评估（AAA）框架，通过标准化协议（A2A和MCP）统一评估接口，实现开放、可复现的多智能体评估，并基于AgentBeats系统通过大规模竞赛和案例研究验证其覆盖性、实用性和保真度。
Fast-dLLM++: 用于更快扩散LLM推理的Fréchet轮廓解码
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 针对扩散大语言模型推理中并行令牌生成的瓶颈，提出Fréchet轮廓解码方法，通过利用异构置信度轮廓选择并行提交集，在保持模型和缓存不变的情况下提升吞吐量。
Comments Initial version accepted at Workshop on Structured Probabilistic Inference & Generative Modeling, ICML 2026. Project Page: https://ringo-star.github.io/projectpage_frechet/
深度强化学习何时超越校准基线？自适应资源控制的基准研究
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学）
AI总结 通过RLScale-Bench基准测试，发现校准的基于规则的自动缩放器在所有工作负载上成本均低于六种主流深度强化学习算法，并揭示了算法选择、基线校准和评估协议的关键瓶颈。
基于时间增强符号图神经网络的动态链接预测
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种模块化时间增强框架，通过历史上下文集成模块（HCIM）结合可学习的近因感知时间加权、LSTM嵌入轨迹建模和多头时间注意力，在符号图神经网络中捕获短期和长期符号交互动态，并在SE-SGformer上实例化，实验证明在多个真实和合成时间符号网络上性能显著提升。
Comments This manuscript has been withdrawn by the authors due to errors discovered in the implementation and experimental evaluation. These errors materially affect the reported results and conclusions. The authors therefore do not recommend using or citing this work
灾难性遗忘的机制起源：为什么RL比SFT更好地保留电路？
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 Toronto（多伦多大学）
AI总结 通过引入差异电路脆弱性指标，研究比较了强化学习与监督微调在大型语言模型微调中对内部计算电路的保留程度，发现RL虽任务适应较慢但能更好保留电路，从而减轻灾难性遗忘。
通过秩上的反射扩散学习排列分布
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出Soft-Rank Diffusion框架，通过将排列松弛为软秩实现平滑扩散，并引入上下文广义Plackett-Luce去噪器，在排序和组合优化任务上优于现有扩散方法。
Comments 18 pages including the appendix, 7 figures, 9 tables, Accepted at ICML 2026
SkillsBench: 基准测试智能体技能在不同任务中的有效性
机构 * BenchFlow ； OSU ； Amazon ； UC Berkeley ； UC Santa Cruz ； UC Davis ； Dartmouth ； RLWRLD ； Independent ； Princeton University ； Oxford University ； Stanford University ； USC ； CMU ； Foxconn ； Zenity ； UNSW ； UT Austin ； MSU ； Duke University ； ByteDance ； UT Dallas ； UC San Diego ； Columbia University ； University of Rochester ； Cornell Tech ； Georgia Tech ； Cornell University ； NEU ； UCLA ； Snap Inc. ； Fanshawe College ； University of Science and Technology of China ； HKUST(GZ) ； Anyscale
AI总结 提出SkillsBench基准，包含8领域87个任务，通过配对评估证明技能提升平均通过率16.6个百分点，小模型配备技能可匹敌大模型。
CountFormer：一种用于学习类无关物体计数中视觉重复和结构的Transformer框架
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 CountFormer通过使用DINOv2和位置嵌入，改进了无示例物体计数中的结构一致性，实现了在FSC-147上的竞争力表现。
Comments Accepted at the 2026 IEEE 2nd International Conference on Quantum Photonics, Artificial Intelligence and Networking (QPAIN 2026)
Journal ref 2026 IEEE 2nd International Conference on Quantum Photonics, Artificial Intelligence & Networking (QPAIN)
KrishokBondhu：一种基于检索增强的语音农业咨询呼叫中心，面向孟加拉语农民
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出KrishokBondhu，一种基于检索增强生成框架的语音农业咨询平台，通过OCR处理农业手册等资料，结合大语言模型生成回答，实现孟加拉语农民的实时农业指导。
Comments Accepted at the 2026 IEEE 2nd International Conference on Quantum Photonics, Artificial Intelligence and Networking (QPAIN 2026)
Journal ref 2026 IEEE 2nd International Conference on Quantum Photonics, Artificial Intelligence & Networking (QPAIN)
SorryDB: AI证明者能完成现实世界的Lean定理吗？
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出动态更新的基准SorryDB，包含78个GitHub上的现实形式化项目，评估AI证明者在复杂依赖下的能力，发现当前方法互补，基于Gemini Flash的智能体方法表现最佳。
离散最优传输与语音转换
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出kDOT框架，利用预训练语音嵌入空间进行语音转换，通过离散最优传输计划的质心投影改进分布对齐，提升WER、MOS和FAD性能。
Comments 5 pages, 1 figure, 7 tables. 11th International Conference on Machine Learning Technologies (ICMLT), Berlin, Germany, May 2026
检测孟加拉语模因中的仇恨和煽动性内容：一个新的多模态数据集和共注意力框架
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
AI总结 针对孟加拉语模因中仇恨和煽动性内容检测的研究空白，构建了首个区分煽动性内容与直接仇恨言论的数据集Bn-HIB，并提出多模态共注意力融合模型MCFM，通过联合分析视觉和文本特征实现更准确分类。
Comments Added public link to dataset and fixed typo in abstract
ToaSt: 面向高效ViT的令牌通道选择与结构化剪枝
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出ToaSt框架，对多头自注意力模块进行耦合头结构化剪枝，对前馈网络采用训练无关的令牌通道选择方法，在多种ViT模型上实现精度与效率的优越平衡。
Comments Accepted at ICML 2026
Green-NAS：一种全球尺度多目标神经架构搜索用于鲁棒且高效的边缘原生天气预测
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 Arizona（亚利桑那大学）
AI总结 Green-NAS通过多目标优化寻找轻量高精度模型，减少计算能耗与碳足迹，提升边缘天气预测的鲁棒性与效率。
Comments Accepted at the 2026 IEEE 2nd International Conference on Quantum Photonics, Artificial Intelligence & Networking
Journal ref 2026 IEEE 2nd International Conference on Quantum Photonics, Artificial Intelligence & Networking (QPAIN)
用于四肢瘫痪用户居家移动操作的双侧高密度肌电控制
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
AI总结 针对颈椎脊髓损伤用户，提出双侧高密度肌电（HDEMG）前臂袖套，结合共享自主框架实现实时手势控制移动操作器，经12天居家研究验证日常任务有效性。
Comments 17 pages, 20 figures
幻觉的统一定义：是世界模型的问题，笨蛋！
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出幻觉的统一定义，即用户可观察到的错误内部世界建模，并连接至HalluWorld基准测试，以区分真实幻觉与规划或奖励错误。
Comments ICML 2026. HalluWorld benchmark at https://github.com/DegenAI-Labs/HalluWorld
用于可微优化的全一阶层
机构 * University of California, Berkeley（加州大学伯克利分校） ； DeepMind（深度思维）
AI总结 提出一种仅使用一阶信息计算梯度的算法，通过将可微优化重写为双层优化并引入活动集拉格朗日超梯度方法，避免Hessian计算，实现高效近似。
Comments ICML 2026
INFER：学习受限汽车座舱的隐式神经频率响应场
机构 * Harvard University（哈佛大学） ； University of Cambridge（剑桥大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出INFER框架，通过频域神经隐式模型联合学习源和接收器位置、方向下的复值频率响应场，引入端到端前向模型、感知谱监督和Kramers-Kronig约束，在汽车座舱数据上显著降低幅度和相位重建误差。
耦合随机微分方程的语义编辑
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出耦合随机微分方程（coupled SDEs）引导预训练生成模型的采样过程，无需重新训练即可实现高提示保真度和近像素级一致性的语义编辑。
DAL：一种面向分段平稳赌博机的实用无先验黑盒框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出检测增强学习（DAL）框架，无需非平稳性先验知识，将任意最优静态赌博机算法与变化检测器结合，在多种非平稳场景下超越现有方法。
Comments 28 pages, 12 figures
银河系中心过量辐射源的能谱分布
机构 * Department of Astrophysics, University of Vienna（维也纳大学天体物理系） ； Theory Group, Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室理论组） ； Berkeley Center for Theoretical Physics, University of California（加州大学伯克利分校理论物理中心） ； University of California, Berkeley（加州大学伯克利分校） ； Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室）
AI总结 利用基于神经网络模拟的推理方法联合分析空间和能谱数据，发现银河系中心过量辐射若由点源贡献，所需源数量比之前估计高两个数量级，支持其可能为暗物质湮灭产生的弥散辐射。
Comments 7+22 pages, 2+22 figures; v2: journal version
CLoVE: 通过损失向量嵌入聚类的个性化联邦学习
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出CLoVE算法，利用客户端损失向量嵌入进行聚类，实现个性化联邦学习，具有简单、适用监督和无监督任务、无需最优模型初始化等优点，理论证明可高概率准确恢复聚类并指数收敛。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026); 35 pages, 7 figures
公海航行智能航行模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Munich（慕尼黑技术大学）
AI总结 提出首个智能航行模型（ISM），模拟遵守海上交通规则的船舶，结合模型预测控制实现航点跟踪，在交互仿真中达到约97%的目标到达率且无碰撞。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈