高校专区
持续学习何时需要学习
机构 * UC Berkeley（加州大学伯克利分校） ； Capital Fund Management（资本基金管理公司）
AI总结 研究大语言模型持续学习问题，从空间和时间轴分解变化，通过重新设置基准和引入协议评估多种方法，发现持续学习非单一能力，不同环境变化需不同更新行为，为设计更强持续学习系统提供指导。
Comments Code: https://github.com/anneharrington/studying-cl. Project page: https://anneharrington.github.io/studying-cl/
RoboDojo：用于综合评估通用机器人操作策略的统一模拟与现实基准测试
机构 * UC Berkeley（加州大学伯克利分校） ； THU（清华大学） ； PKU（北京大学） ； Stanford（斯坦福大学） ； MIT（麻省理工学院） ； UNC（北卡罗来纳大学） ； Princeton（普林斯顿大学） ； CMU（卡内基梅隆大学） ； NUS（新加坡国立大学） ； NTU（南洋理工大学） ； CUHK（香港中文大学） ； SJTU（上海交通大学） ； HKUST (GZ)（香港科技大学（广州）） ； ZJU（浙江大学） ； Yale（耶鲁大学）
AI总结 现有基准测试在系统评估通用机器人操作策略能力方面有限，本文引入RoboDojo统一基准测试，含模拟与现实任务，支持多维度评估及可扩展评估，还建立了公共排行榜与系统分析。
Comments Website: https://robodojo-benchmark.com/, Code: https://github.com/RoboDojo-Benchmark/RoboDojo, Leaderboard: https://robodojo-benchmark.com/leaderboard
漂移会发生：对神经架构对时间分布变化的鲁棒性的实证研究
机构 * Department of Electrical Engineering and Computer Sciences, 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 研究现实世界数据分布随时间演变带来的时间分布变化对机器学习系统可靠性的影响，通过统一评估框架比较不同模型家族的时间鲁棒性，发现架构归纳偏差塑造时间鲁棒性，为现实系统选架构提供指导。
Comments 33 pages, 28 figures. Extended version of the QCDS 2026 proceedings paper; proceedings version to appear in Springer LNCS. Interactive website: https://drift-happens.org/
FourTune：迈向扩散模型的全4位高效训练后优化
机构 * Nunchux AI ； MIT（麻省理工学院） ； CMU（卡内基梅隆大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 针对大型扩散模型训练后优化的挑战，提出FourTune框架，基于端到端W4A4G4范式，引入三分支混合管道、硬件高效量化等，在多任务中质量与全精度微调相当，在特定数据集上降低内存开销、提高训练吞吐量。
参差不齐的全球经济：前沿人工智能对各国经济的不均衡影响
机构 * UC Berkeley（伯克利大学） ； University of São Paulo（圣保罗大学） ； Stanford University（斯坦福大学）
AI总结 研究前沿人工智能对各国经济的影响，引入国家人工智能暴露度量指标，结合职业暴露分数与就业数据，发现高收入国家暴露程度高、存在性别差距，有间接暴露新机制，指出针对欧美劳动力市场的政策无法推广。
Comments Website (including code and data): https://jagged-global-economy.github.io/
LLM-as-a-Verifier：一种通用验证框架
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA Research（英伟达研究院）
AI总结 该工作将验证确定方案正确性的能力作为大模型新扩展轴，提出无需额外训练的通用LLM验证框架，生成连续评分，在多基准上取得SOTA性能，还可用于强化学习等场景。
Comments Code: https://github.com/llm-as-a-verifier/llm-as-a-verifier Website: https://llm-as-a-verifier.com
GaP：面向变分自动化任务的图即策略多智能体自学习框架
机构 * University of California, Berkeley（加利福尼亚大学伯克利分校） ； NVIDIA（英伟达） ； Carnegie Mellon University（卡内基梅隆大学） ； Bosch（博世）
AI总结 针对变分自动化任务无模型策略可靠性不足问题，提出图即策略多智能体编码框架GaP，通过生成计算图并行迭代优化，在虚实8项基准上表现远超基线。
ToolFailBench：诊断大语言模型智能体中的工具使用失败
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 介绍ToolFailBench诊断基准，用于衡量金融、医学等领域1000个任务中的工具使用失败情况。通过规则分类器和大语言模型裁判标注失败类型，发现模型工具使用存在差异，强调评估应考量多方面。
Comments 18 pages, 3 figures. Published at the Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) and the Workshop on Failure Modes of Agentic AI (FAGEN) at ICML 2026
RoboVista：评估用于各种机器人应用的视觉语言模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind）
AI总结 研究针对机器人多样应用，提出模块化评估框架Robot Question Answering及基准RoboVista，其源于真实机器人系统等，含多任务类型VQA实例，实验表明现有视觉语言模型有差距，且与现实任务执行相关。
Comments Accepted to RSS 2026. Project website: https://berkeleyautomation.github.io/robovista/
CDCP：用于多任务离线安全强化学习的带上下文提示的条件扩散模型
机构 * Tongji University（同济大学） ； JD Explore Academy（京东探索研究院） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区网络科学与技术学院） ； Berkeley AI Research Lab, University of California, Berkeley（加州大学伯克利分校伯克利人工智能研究实验室） ； Technical University of Munich（慕尼黑工业大学）
AI总结 针对多任务离线安全强化学习面临的挑战，提出CDCP模型。通过重新审视需求建立目标，用扩散模型转化问题，设计策略并引入新方法，提升性能与安全性，提供灵活成本约束解决方案。
大语言模型的频谱特征
机构 * Rice University（莱斯大学） ； Dartmouth College（达特茅斯学院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
AI总结 针对大规模管理和量化大语言模型的挑战，采用基于重尾自正则化理论的频谱形状指标，以权重经验谱密度形状信息为模型频谱特征，可用于模型谱系追踪等，还构建语料库进行基准测试。
AquaGen：将生成模型扩展到数千个原子的分子动力学精度
机构 * Valence Labs（Valence实验室） ； UC Berkeley（加州大学伯克利分校）
AI总结 介绍AquaGen，首个全原子、显式溶剂、周期边界条件感知生成模型，以低成本从玻尔兹曼分布生成分子构型，用于后处理和预测相关属性，在绝对水合自由能预测上展示效用。
Comments 22 pages
泛化的搭便车假说：解释和缓解涌现的错位
机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出搭便车假说，认为聊天模板标记导致微调行为泛化到无关领域，并设计TReFT方法通过正则化标记表示缓解涌现错位，在多个数据集上有效。
语言模型作为文化测量仪器
机构 * School of Information University of California, Berkeley（信息学院加州大学伯克利分校）
AI总结 本文提出语言模型的文化测量是物质-话语实践，通过Karen Barad的能动切割概念，论证模型设计选择构成所测量的文化现实，并通过三个案例和三个仪器检查展示这一观点。
Comments Accepted to the Big Picture workshop co-located with ACL 2026. This version expands the camera-ready (adding Fig. 3 and section 6.3, as well as correcting minor typos) in Proceedings of The Big Picture v2: Crafting a Research Narrative, pp. 131--143, San Diego, CA, USA. Association for Computational Linguistics
世界模型：文化人工智能的文学工具
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出分层框架，利用文学工具（比较阅读、叙事分析、世界文学等）解决AI文化素养问题，强调文学与AI的自然交叉，并通过宏观结构、流通和不可译性应对全球AI文本性。
Comments 15 pages
Journal ref Forthcoming in MFS Modern Fiction Studies in 2027
语言模型真的能进行上下文检索吗？在百万Token规模的文档中淹没
机构 * UC Berkeley（加州大学伯克利分校） ； UT Austin（得克萨斯大学奥斯汀分校）
AI总结 本文首次系统研究百万Token语料库上的上下文检索，提出0.6B参数的BlockSearch模型，通过注意力稀释分析引入长度感知调整，在MS MARCO和NQ上匹配稠密检索，在LIMIT上得分高出3倍。
高维空间中基于网格的近似最近邻搜索的缩放定律
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto, St. George（多伦多大学圣乔治校区） ； Independent Researcher（独立研究员） ； University of Waterloo（滑铁卢大学）
AI总结 本研究系统刻画了多探针网格算法在数据集大小N和维度d上的缩放行为，发现其在GloVe嵌入上具有恒定的维度缩放指数，优于图、树和分区方法，且索引成本更低。
ClawArena-Team: 语言模型智能体中子智能体编排与动态工作流的基准测试
机构 * UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 提出ClawArena-Team基准，通过41个多轮多模态多目录场景，评估单个LLM作为管理者编排子智能体的能力，发现管理瓶颈在于权限授予而非感知，且成本与质量解耦。
Comments 24 pages, 10 figures, website: https://www.clawarena.cc/
DDPO-VC：基于扩散去噪策略优化的说话人去识别
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出DDPO-VC框架，通过强化学习后训练扩散模型，利用隐私与效用教师奖励信号，在说话人去识别中平衡隐私保护与下游任务效用，优于多种强基线方法。
共享语义，不同机制：通过对齐语义与机制的无监督特征发现
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种无监督方法，通过语义嵌入和归因签名聚类模型续写，发现隐藏的机制模式，补充电路分析。
Comments 40 pages; accepted as an ICML 2026 Spotlight; project page: https://merenova.github.io/distribution-level-feature-discovery/
Journal ref ICML 2026 Spotlight
ECoSim：面向可控交通模拟的数据高效微调
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出轻量级控制适应框架，通过身份初始化的FiLM层调制中间特征，为预训练的扩散和自回归交通模型添加多模态控制（草图、潜在行为编码和文本），使用不到1%的配对数据实现强可控性。
Comments European Conference on Computer Vision (ECCV) 2026
基于时序逻辑规范的学习步态感知四足运动
机构 * Department of Electrical Engineering and Computer Sciences University of California Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； University of Southern California（南加州大学）
AI总结 提出用信号时序逻辑参数化约束指定步态，通过奖励塑形提供密集连续奖励，在Barkour机器人上实现更紧的速度跟踪和稳定训练。
ASPIRE: 面向机器人的智能体技能发现
机构 * NVIDIA（英伟达） ； UMich（密歇根大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学）
AI总结 提出ASPIRE系统，通过闭环执行、技能库积累和进化搜索，自主编写和优化机器人控制程序，在扰动、多机器人协作和长时域任务上显著超越现有方法，并实现零样本泛化与仿真到现实的技能迁移。
Comments 43 pages, 12 figures, 9 tables. Project page: https://research.nvidia.com/labs/gear/aspire/
审计有限记忆语言模型中的遗忘
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出因果审计框架，通过改变推理时数据库状态分解删除后行为，发现参数泄漏接近零，残留主要来自近邻检索，遗忘边界主要由数据库管理员决定。
Comments 17 pages, 7 figures, 6 tables
DigitalCoach：人类与智能体计算机使用辅导中的沟通与基础差距
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Munich（慕尼黑工业大学）
AI总结 提出DigitalCoach数据集，包含72次人机辅导会话，评估模型在计算机使用教学中的表现，发现模型在解释、错误诊断和视觉基础方面存在不足。
时间序列基础模型基准是否隐藏了依赖于状态的失败？来自交通速度预测的证据
机构 * University of California, Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） ； National University of Singapore（新加坡国立大学） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University（南卫理公会大学）
AI总结 本文提出状态分层评估方法，发现时间序列基础模型在交通状态转换时准确率和预测区间覆盖率显著下降，并提出了双峰混合增强方法以改善转换状态覆盖。
Comments 5 pages, 2 figures. Accepted at the Workshop on Forecasting as a New Frontier of Intelligence, ICML 2026
TreeAgent: 一种基于编译专家规则和视觉语言模型的通用多智能体框架，用于林业自动化偏差标注
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出TreeAgent多智能体框架，结合专家决策树与视觉语言模型，通过解耦声明式决策实现零修改泛化，在树木偏差分类中超越监督学习基线并降低标注成本。
Comments 9 pages, 2 figures
动态认知逻辑中的信念收缩
机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对动态认知逻辑无法建模事实命题信念收缩的问题，提出直接在标准Kripke模型上定义信念收缩机制，满足部分收缩性质，并给出公理化及扩展逻辑。
Comments In Proceedings AiML 2026, arXiv:2606.29444
Journal ref EPTCS 447, 2026, pp. 137-157
通过计算机系统视角理解与评估爪类智能体安全性
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； NUS（新加坡国立大学） ； UC Berkeley（加州大学伯克利分校） ； UC Davis（加州大学戴维斯分校） ； Virginia Tech（弗吉尼亚理工大学） ； KACST（阿卜杜勒阿齐兹国王科技城） ； UC Santa Cruz（加州大学圣克鲁兹分校） ； NVIDIA（英伟达） ； Google DeepMind（谷歌DeepMind） ； UW Seattle（华盛顿大学西雅图分校） ； HUMAIN（胡迈因研究所）
AI总结 针对爪类AI智能体安全漏洞，提出计算机系统类比，构建SafeClawArena基准测试，评估406个对抗任务，发现最高攻击成功率70%，恶意插件100%成功。
代理浏览器的同源策略
机构 * Duke University（杜克大学） ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究代理浏览器中同源策略的有效性，构建SOPBench评估基准，发现现有代理浏览器频繁违反SOP，并提出SOPGuard机制来强制执行SOP，同时保持效用和低开销。
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