高校专区
智能体会自行回避吗？测量LLM智能体对带内拒绝访问信号的遵从性
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种轻量级带内拒绝信号（Recuse Signal），通过实验测量LLM智能体是否自愿遵从该信号，发现信号能有效诱导回避，但高级模型在操作员授权下可能忽略。
Comments v4: adds Experiment 4 (cross-vendor mid-task halt; measured harness-enforcement backstop). 15 pages, 2 figures
反向翻译增强的直接偏好优化用于神经机器翻译
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 提出基于直接偏好优化的强化学习后训练框架，利用通用文本语料和专家反馈纠正神经机器翻译错误，在英德翻译任务上将COMET分数从0.703提升至0.747。
Comments 5 pages, 2 figures
OBLR-PO：大型语言模型后训练稳定强化学习的理论框架
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 OBLR-PO通过理论框架优化学习率和基线，提升大型语言模型后训练的稳定性与性能。
Comments 28 pages, 16 figures
ARMOR：面向无人机物理攻击的鲁棒强化学习控制
机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 ARMOR是一种抗攻击的无模型强化学习控制器，通过两阶段训练框架学习鲁棒状态表示，可保障无人机在传感器受攻击时的安全运行，泛化能力更强且训练成本更低。
Comments Published at ICRA'2026
教会视频生成器记忆：为不可见状态演化引出动态记忆
机构 * Applied Intuition（应用直觉） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对视频生成模型在观测中断时状态冻结的问题，提出ReMind框架，通过面向记忆的数据构建、事件感知训练和缓存适配，利用KV缓存机制实现动态记忆，在STEVO-Bench和恢复任务上取得最佳成绩。
揭秘视频推理
机构 * SenseTime Research（商汤科技研究院） ； Nanyang Technological University（南洋理工大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过实验揭示视频扩散模型中的推理主要发生在去噪步骤中，提出链式步骤（CoS）机制，并发现工作记忆、自我修正和感知先行等涌现行为，最后提出一种无需训练的集成策略来提升推理能力。
Comments Homepage: https://www.wruisi.com/demystifying_video_reasoning
流形上的 Rao-Blackwellized 得分匹配
机构 * Department of Statistics, University of California, Berkeley, Berkeley CA, U.S.A.（加州大学伯克利分校统计学系）
AI总结 针对潜分布支撑在光滑嵌入流形上的去噪得分匹配，提出通过最近点投影条件期望消除奇异性的 Rao-Blackwellized 方法，并推导出小噪声展开下与内在黎曼得分相差显式 σ² 修正的规范目标。
Comments 24 pages, 3 figures; SPIGM @ ICML 2026
MinerU-Popo：结构化文档解析的通用后处理模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出MinerU-Popo轻量级通用后处理框架，通过分解为文本/表格截断恢复、标题层级重建和图文关联四个子任务，并利用动态分块和重叠同步将OCR页面级结果重构为文档级逻辑结构，显著提升标题层级TEDS和RAG准确性。
Comments The code is available at https://github.com/opendatalab/MinerU-Popo
gp2Scale：一类紧凑支持非平稳核及分布式计算用于精确高斯过程在1000万数据点上的应用
机构 * Applied Mathematics and Computational Research Division Lawrence Berkeley National Laboratory（应用数学与计算研究部伯克利国家实验室） ； Climate and Ecosystem Sciences Division Lawrence Berkeley National Laboratory（气候与生态系统科学部伯克利国家实验室） ； Department of Statistics Rice University（统计学系里德大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 gp2Scale通过非平稳核设计实现高斯过程在1000万数据点上的精确计算，无需诱导点或近似方法，提升计算效率和灵活性。
Comments None
奇妙的自适应分类法及其使用方法
机构 * University of California, Berkeley（加州大学伯克利分校） ； Apple（苹果公司） ； Bespoke Labs（Bespoke实验室）
AI总结 研究智能体系统失败反馈问题，提出AdaMAST方法将轨迹转换为自适应失败分类法，该分类法能作为共享反馈接口，在智能体系统搜索、运行时及轨迹选择等方面改进智能体，提升准确率和分辨率。
功能缓存嫁接：具身智能体的鲁棒且快速代码策略合成
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出FCGraft框架，通过维护函数级验证代码骨架及其键值缓存，对新任务进行缓存嫁接（拼接和修补），减少预填充计算并复用验证结构，实现更鲁棒和快速的策略合成。
Comments Accepted at ICML 2026
批量自适应因果标注
机构 * UC Berkeley（加州大学伯克利分校） ； Fordham University（福特汉姆大学） ； University of Southern California（南加州大学）
AI总结 本文提出一种批量自适应方法，通过优化数据采样策略提高因果效应估计效率，减少标注成本，实验证明在缺失数据下能显著降低均方误差。
Comments Extended journal version. A preliminary version was accepted to AISTATS 2026
CADENCE：预测实际MAPF执行时间超越成本总和
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出CADENCE框架，通过分析原始运动负担和交互感知协调特征，发现原始运动负担能显著提高多智能体路径规划执行时间的预测精度，超越传统成本总和指标。
Comments 7 pages, 4 figures, 3 tables and this paper was accepted at Multi-Agent Robotic Systems: Real-World Collaboration and Interaction a workshop at the international conference of robotics and automation (ICRA 2026)
当算法遇见艺术家：在公共AI艺术辩论中艺术家关切的语义压缩
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 研究发现艺术家关切在公共AI艺术讨论中存在严重的语义压缩，提出基于共识的语义投影方法以解决代表缺口问题。
Comments 43 pages
DiscoLoop: 循环离散嵌入与连续隐藏状态用于多跳推理
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对多跳推理中非循环Transformer的深度局部存储问题，提出DiscoLoop架构，通过循环同时携带离散嵌入和连续隐藏状态，实现近乎完美的泛化，并在符号和合成语言任务中显著减少训练步数。
Comments 16 pages, 7 figures
FARM: 使用关系空间记忆找到任何物体
机构 * UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出FARM系统，通过实时构建包含几何、视觉语言描述和视角证据的开放词汇物体级记忆，并利用VLM解析查询和显式空间约束，在44k语言查询中Recall@5和Recall@10分别提升164%和224%，Accuracy@1提升35%。
对齐量子算子与大型语言模型
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出将酉算子映射到LLM潜空间的方法，实现量子与语言输入的联合建模，在Clifford+T电路合成任务上取得与最先进方法竞争的结果，并支持语言条件合成。
人工智能数学推理：语言模型、神经符号系统与验证发现的综合综述
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学）
AI总结 本文综述了数学推理领域从早期规则系统到当代推理模型、多智能体系统及验证发现工作流的演变，沿非正式推理、形式推理、数学发现及推理技术四轴组织，并评估了基准测试、失败模式及未来方向。
Comments Under review, 47 pages, 14 figures, 22 tables
物理编码的北极雪深预测逆建模
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出物理编码逆建模框架PhysE-Inv，结合LSTM序列学习与对比学习正则化，在稀疏观测下实现雪深估计，均方误差平均降低24.7%。
Comments Accepted as a short paper in the Special Session on Deep Learning Applications at the 25th International Conference on Machine Learning and Applications (ICMLA), 2026
非对称层次锚定用于音频-视觉联合表示：解决信息分配模糊性以实现鲁棒跨模态泛化
机构 * Zhejiang University, China（浙江大学） ； University of California, Berkeley, USA（加州大学伯克利分校） ； MMLab, Chinese University of Hong Kong, China（香港中文大学MMLab）
AI总结 本文提出非对称层次锚定框架，通过结构化语义锚点解决跨模态泛化中的信息分配模糊性，提升语义一致性和表示纯度。
VLASH: 通过未来状态感知的异步推断实现实时VLAs
机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） ； Tsinghua University（清华大学） ； UC Berkeley（加州大学伯克利分校） ； UCSD（加州大学圣地亚哥分校） ； Caltech（加州理工学院）
AI总结 VLASH通过未来状态感知的异步推断框架，实现高效、准确的实时VLAs控制，显著提升反应速度和任务执行精度。
跷跷板：通过平衡学习率和批量调度加速训练
机构 * Harvard University（哈佛大学） ； Kempner Institute at Harvard University（哈佛大学 Kempner 机构） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 研究如何加速大语言模型预训练，提出Seesaw框架，通过平衡学习率和批量调度，在保留损失动态时减少串行步骤。理论上给出相关等效性证明并扩展，实验表明该框架能在相同浮点运算量下减少时钟时间，接近理论极限。
用于少步生成的多掩码扩散语言模型
机构 * ByteDance Seed（字节跳动种子） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究针对掩码扩散模型少步生成难的问题，提出多掩码扩散模型MultiMDM，通过特定前向过程使反向过程有起草能力，推导训练目标并制定蒸馏方案，经实验验证其为少步生成提供了有效基础。
Comments Needs corporate approval
HDC-X：面向嵌入式设备的高效医疗数据分类
机构 * Huazhong University of Science and Technology（华中科技大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出HDC-X框架，通过高维超向量编码和聚类原型聚合，实现低功耗医疗数据分类，在心脏病声音分类中比贝叶斯ResNet节能350倍，且具备抗噪声和数据限制的鲁棒性。
Journal ref CAAI International Conference on Artificial Intelligence (CICAI), 2026
PCS-UQ：基于可预测性-可计算性-稳定性框架的不确定性量化
机构 * Department of Statistics, University of California, Berkeley（加州大学伯克利分校统计学系） ； Department of Epidemiology, University of Utah（犹他大学流行病学系） ； Department of Electrical Engineering and Computer Science, University of California, Berkeley（加州大学伯克利分校电气工程与计算机科学系）
AI总结 提出PCS-UQ框架，通过预测检查、bootstrap采样和乘法校准实现不确定性量化，在回归和分类任务中优于或媲美共形预测方法，并提供理论保证。
SymQNet: 低延迟自适应哈密顿量学习的摊销获取
机构 * University of California, Berkeley（加州大学伯克利分校）
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)
图强化学习用于校准感知的量子电路路由
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）
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)
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
机构 * University of California, Berkeley（加州大学伯克利分校）
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: 基于姿态的视频理解
机构 * New York University（纽约大学） ； UC Berkeley（加州大学伯克利分校） ； Meta FAIR
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/
使用稀疏自动编码器的可解释嵌入：一种数据分析工具包
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）
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
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