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

Toward a mechanistic understanding of inference in visual cortex and diffusion models

迈向对视觉皮层和扩散模型中推理的机制性理解

Zeyu Yun, Alexander Belsten, Dasheng Bi, Zahra Kadkhodaie, Yubei Chen, Bruno A. Olshausen

机构 * Dept. of Electrical Engineering and Computer Science, UC Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； Helen Wills Neuroscience Institute, UC Berkeley（加州大学伯克利分校海伦·威尔斯神经科学研究所） ； Herbert Wertheim School of Optometry and Vision Science, UC Berkeley（加州大学伯克利分校赫伯特·韦特海姆视觉科学学院） ； Redwood Center for Theoretical Neuroscience, UC Berkeley（加州大学伯克利分校红木理论神经科学中心） ； Flatiron Institute（Flatiron研究所） ； Dept. of Electrical and Computer Engineering, UC Davis（加州大学戴维斯分校电气与计算机工程系） 纠错

AI总结 研究旨在理解视觉皮层和扩散模型中推理，提出基于稀疏编码的模型，用去噪分数匹配等训练，其性能出色，能揭示递归动力学机制，还能断开部分潜在变量与视觉输入连接，连接神经科学与机器学习领域。

Minimum Time Dubins Airplane Paths with Asymmetric Climb Rates

具有不对称爬升率的最短时间杜宾斯飞机路径

Jaeyoung Lim, Giuseppe Loianno

机构 * Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（加利福尼亚大学伯克利分校电气工程与计算机科学系） 纠错

AI总结 研究具有不对称爬升率的最短时间杜宾斯飞机路径问题，提出考虑不对称爬升率的路径，重新审视时间最优性条件，通过该方法可利用飞行器全部性能，减少最短时间并加快在复杂任务中找到中位数解的时间，还通过实际飞行证明了实用性。

Comments 7 pages, 10 figures

Generative Compilation: On-the-Fly Compiler Feedback as AI Generates Code

生成式编译：人工智能生成代码时的即时编译器反馈

Niels Mündler-Sasahara, Hristo Venev, Dawn Song, Martin Vechev, Jingxuan He

机构 * ETH Zurich（苏黎世联邦理工学院） ； Sofia University ``St. Kliment Ohridski''（索菲亚大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 研究针对人工智能生成代码时的问题，提出生成式编译方法，核心是sealor技术，能在生成中获取编译器反馈，在Rust编码任务中评估，减少非编译输出、提高功能正确性，使编译器在生成阶段发挥更重要作用。

Pretrained Event Classification Model for High Energy Physics Analysis

用于高能物理分析的预训练事件分类模型

Joshua Ho, Benjamin Ryan Roberts, Shuo Han, Haichen Wang

机构 * Department of Physics, University of California, Berkeley, CA 94720（加州大学伯克利分校物理系） ； Physics Division, Lawrence Berkeley National Laboratory, Berkeley CA 94720（伯克利国家实验室物理部） 纠错

AI总结 本文提出基于图神经网络的预训练事件分类模型，通过1.2亿个模拟质子-质子碰撞事件学习通用表示，验证其在不同模拟框架下的泛化能力，并通过微调提升分类性能与效率。

Comments 13 pages, 2 figures

Journal ref JINST 21 (2026) P08006