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

AXIS: A Growable Community-Driven Data Engine for Scalable Robot Manipulation

AXIS：用于可扩展机器人操作的可增长社区驱动数据引擎

Mengfei Zhao, Dihong Huang, Yikai Tang, Peihao Li, Mingxuan Yan, Ruiqi Zhuang, Yanjia Huang, Jie Wang, Hai Zhai, Tony Zhou, Rui Zhang, Zhexi Luo, Yuchen Huang, Jianfei Yang, Jiachen Li

机构 * Axis Robotics（轴机器人公司） ； University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Texas A&M University（德州农工大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 研究针对机器人操作策略学习中数据管道难扩展的问题，提出AXIS这一可增长社区驱动数据引擎，它能收集、处理数据并组织成任务快照，通过实验表明其能提升模型性能且随数据量增加有一致扩展性。

Comments Project Website: https://axisaiorg.github.io/AXIS-V1/

SPORD: A Simulation-Propose-then-OR-Dispose Approach for Supply Chain Planning

SPORD：一种用于供应链规划的模拟-提出-然后-优化-处置方法

Jiayin He, Yutong Pan, Sen Yang, Ningxuan Kang, Yongzhi Qi, Jianshen Zhang, Wei Qi, Zuo-Jun Max Shen

机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； College of Engineering, UC Berkeley（加州大学伯克利分校工程学院） ； Faculty of Business and Economics, University of Hong Kong（香港大学经管学院） 纠错

AI总结 针对电商供应链规划中孤立项目及面临的难题，提出模拟-提出-然后-优化-处置方法（SPORD）及NetSim平台，通过解耦实现加速模拟与操作闭环，应用后提升服务质量、降低履约率并实现碳减排，推动模拟用于主动规划。

HypNO: A Graph-Based Neural Operator with Physics-Informed Message Passing for Hyperbolic Conservation Laws

HypNO：一种基于图的神经算子，用于双曲守恒律的物理信息消息传递

Dimitrije Ždrale, Cassie An Jeng, Katie Wang, Sonia Vanier, Alexandre Bayen, Hossein Nick Zinat Matin

机构 * Laboratory of Computer Science (LIX), École Polytechnique（计算机科学实验室（LIX），巴黎综合理工学院） ； Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（电气工程与计算机科学系，加利福尼亚大学伯克利分校） 纠错

AI总结 研究针对双曲守恒律，提出基于图的神经算子HypNO，通过邻接因子分解和物理信息消息传递，在时空图上运行，在LWR和ARZ交通流模型基准测试中，能准确预测解快照并捕捉激波和不连续性。

JAXBench: Benchmarking Autonomous TPU Kernel Optimization

JAXBench：自主TPU内核优化基准测试

Arya Tschand, Charles Hong, Julian Walker, Nina Cai, Shangkun Wang, Suvinay Subramanian, Sundar Dev, Vijay Janapa Reddi, Amir Yazdanbakhsh, Sethu Sankaran

机构 * Harvard University（哈佛大学） ； Google（谷歌公司） ； UC Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 该研究针对TPU缺乏内核优化基准测试的问题，提出JAXBench套件，包含多个工作负载和算子。通过评估四种反馈驱动方法，发现特定上下文对优化更关键，条件设定和搜索结构能提升性能，最后发布相关基准测试等支持开源。

SymQNet: Amortized Acquisition for Low-Latency Adaptive Hamiltonian Learning

SymQNet: 低延迟自适应哈密顿量学习的摊销获取

Yash Vardhan Tomar, Dheeraj Peddireddy

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

AI总结 提出SymQNet，一种摊销强化学习方法，通过离线学习后验条件获取策略，在线快速前向传播，显著降低自适应哈密顿量学习的获取延迟。

Comments IEEE International Conference on Quantum Computing and Engineering QCRL Workshop (QCE 2026)

Graph Reinforcement Learning for Calibration-Aware Quantum Circuit Routing

图强化学习用于校准感知的量子电路路由

Yash Vardhan Tomar, Dheeraj Peddireddy

机构 * University of California, Berkeley（加州大学伯克利分校） ； National Institute of Standards and Technology（国家标准与技术研究院） 纠错

AI总结 提出一种利用图强化学习进行校准感知的量子电路路由方法，通过IBM Heron r2校准数据选择SWAP操作，在MQT Bench电路上平均保真度达0.727，优于SABRE-best20的0.440。

Comments IEEE International Conference on Quantum Computing and Engineering AI4QC Workshop (QCE 2026)

Gauss Circle Lattices with Geometric Convolutions for Synthesizing High Dimensional Image-Source Room Impulse Responses

基于几何卷积的高斯圆格点用于合成高维图像源房间脉冲响应

Yuancheng Luo

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

AI总结 提出一种将图像源模型中的格点计数问题转化为经典高斯圆问题的方法，通过几何卷积将计算复杂度从O(k^N)降低到O(N k^2 log k)，并扩展至频率依赖和反射加权的更高维图像源。

Comments Accepted for publication at the 29th International Conference on Digital Audio Effects 2026

Cambrian-P: Pose-Grounded Video Understanding

Cambrian-P: 基于姿态的视频理解

Jihan Yang, Zifan Zhao, Xichen Pan, Shusheng Yang, Junyi Zhang, Bingyi Kang, Hu Xu, Shang-Wen Li, Saining Xie

机构 * New York University（纽约大学） ； UC Berkeley（加州大学伯克利分校） ； Meta FAIR 纠错

AI总结 该研究提出Cambrian-P，一种增强的视频多模态大语言模型，通过引入可学习的相机令牌和姿态回归头，利用姿态作为轻量级监督信号，显著提升了空间推理能力，并在多个视频问答基准上实现了SOTA表现。

Comments Project Page: https://cambrian-mllm.github.io/

Interpretable Embeddings with Sparse Autoencoders: A Data Analysis Toolkit

使用稀疏自动编码器的可解释嵌入：一种数据分析工具包

Nick Jiang, Xiaoqing Sun, Lisa Dunlap, Lewis Smith, Neel Nanda

机构 * University of California, Berkeley（加州大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 研究针对大规模文本语料库分析难题，提出用稀疏自动编码器创建SAE嵌入，经四个任务验证其比大语言模型更具性价比、比密集嵌入更可控，通过案例研究展示其在研究模型行为上的作用，是用于非结构化数据分析的通用工具。

Comments ICML 2026. Project page and code: https://interp-embed.com

pacSTL: PAC-Bounded Signal Temporal Logic from Data-Driven Reachability Analysis

pacSTL: 基于数据驱动可达性分析的PAC有界信号时序逻辑

Hanna Krasowski, Elizabeth Dietrich, Emir Cem Gezer, Roger Skjetne, Asgeir Johan Sørensen, Murat Arcak

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

AI总结 提出pacSTL框架，结合PAC有界可达集预测与区间STL，通过优化问题计算原子鲁棒性上下界并传播，实现规范级别的PAC有界鲁棒性评估，用于不确定动态系统的验证与监控。