arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

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

共收录 1892
2605.05746 2026-05-08 cond-mat.mtrl-sci cs.LG physics.chem-ph physics.comp-ph

Polarizable atomic multipoles for learning long-range electrostatics

可极化的原子多极子用于学习长程静电学

Dongjin Kim, Daniel S. King, Yoonjae Park, Roya Savoj, Sebastien Hamel, Xiaoyu Wang, Bingqing Cheng

机构 * Department of Chemistry, UC Berkeley, California 94720, United States(加州大学伯克利分校化学系) Bakar Institute of Digital Materials for the Planet, UC Berkeley, California 94720, United States(为地球的数字材料巴卡研究所,加州大学伯克利分校) Lawrence Livermore National Laboratory, Livermore, CA, USA(劳伦斯利弗莫尔国家实验室) Chemical Sciences Division, Lawrence Berkeley National Laboratory, Berkeley, California, 94720, United States(劳伦斯伯克利国家实验室化学科学部)

AI总结 本文提出一种半局部框架,利用可极化的原子多极子学习静电学,通过多极子层次和响应项提升势能面精度,尤其在长程效应关键系统中表现突出,恢复了物理意义的电响应。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.05648 2026-05-08 cs.CY cs.AI cs.HC

The Missing Evaluation Axis: What 10,000 Student Submissions Reveal About AI Tutor Effectiveness

缺失的评估维度:10,000名学生提交揭示AI导师有效性

Rose Niousha, Samantha Boatright Smith, Bita Akram, Peter Brusilovsky, Arto Hellas, Juho Leinonen, John DeNero, Narges Norouzi

机构 * University of California, Berkeley, USA(加州大学伯克利分校) North Carolina State University, USA(北卡罗来纳州立大学) University of Pittsburgh, USA(匹兹堡大学) Aalto University, Finland(阿尔托大学)

AI总结 研究通过分析10,235份学生代码提交,探讨AI导师的反馈行为影响,发现基于学生互动的数据能更全面评估AI导师效果。

Comments Accepted to the 27th International Conference on Artificial Intelligence in Education (AIED 2026), Main Conference Track

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.05221 2026-05-08 cs.LG cs.CL

Data-Driven Variational Basis Learning Beyond Neural Networks: A Non-Neural Framework for Adaptive Basis Discovery

数据驱动的变分基学习超越神经网络:一种非神经框架用于自适应基发现

Andrew Kiruluta

机构 * UC Berkeley(加州大学伯克利分校)

AI总结 本文提出非神经框架的变分基学习方法,通过变分优化直接从数据学习基函数,实现数据自适应的基展开,保留可解释性和数学透明度。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.15827 2026-05-08 cs.RO cs.AI cs.LG cs.SY eess.SY

Perceptive Humanoid Parkour: Chaining Dynamic Human Skills via Motion Matching

感知型人形扑动:通过动作匹配链式动态人类技能

Zhen Wu, Xiaoyu Huang, Lujie Yang, Yuanhang Zhang, Xi Chen, Pieter Abbeel, Rocky Duan, Angjoo Kanazawa, Carmelo Sferrazza, Guanya Shi, C. Karen Liu

机构 * Amazon FAR(亚马逊FAR) UC Berkeley(加州大学伯克利分校) CMU(卡内基梅隆大学) Stanford University(斯坦福大学)

AI总结 本文提出感知型人形扑动框架,通过动作匹配和强化学习实现人形机器人在复杂环境中自主执行长时程视觉扑动任务,展示高动态扑动技能和多障碍物穿越能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.18875 2026-05-08 cs.CV

Sparse VideoGen2: Accelerate Video Generation with Sparse Attention via Semantic-Aware Permutation

稀疏视频生成2:通过语义感知排列加速视频生成

Shuo Yang, Haocheng Xi, Yilong Zhao, Muyang Li, Jintao Zhang, Han Cai, Yujun Lin, Xiuyu Li, Chenfeng Xu, Jianfei Chen, Song Han, Kurt Keutzer, Ion Stoica

机构 * University of California, Berkeley(加州大学伯克利分校) MIT(麻省理工学院) NVIDIA(英伟达) Stanford University(斯坦福大学)

AI总结 本文提出SVG2框架,通过语义感知排列提升视频生成的准确性和效率,实现生成质量与效率的帕累托最优。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.01628 2026-05-05 stat.ML cs.LG math.ST stat.TH

Self-Normalized Martingales and Uniform Regret Bounds for Linear Regression

自归一化martingale与线性回归的统一后悔界

Fan Chen, Jian Qian, Alexander Rakhlin, Nikita Zhivotovskiy

机构 * MIT(麻省理工学院) University of Hong Kong(香港大学) UC Berkeley(加州大学伯克利分校)

AI总结 研究自归一化martingale的统一后悔界,证明一维情况下可得O(log T)界,而高维情况下无法获得统一界,解决了一个开放性问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.01234 2026-05-05 cs.CV

TT4D: A Pipeline and Dataset for Table Tennis 4D Reconstruction From Monocular Videos

TT4D:一个用于从单目视频中进行乒乓球4D重建的流水线和数据集

Nima Rahmanian, Daniel Kienzle, Thomas Gossard, Dvij Kalaria, Rainer Lienhart, Shankar Sastry

机构 * University of California, Berkeley(加州大学伯克利分校) University of Augsburg(奥格斯堡大学) University of Tübingen(图宾根大学)

AI总结 本文提出TT4D数据集,通过创新的重建流水线实现大规模高精度乒乓球比赛重建,解决单目视频中遮挡和视角变化带来的重建难题,支持虚拟回放和机器人学习。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.02958 2026-05-05 cs.LG

Quant VideoGen: Auto-Regressive Long Video Generation via 2-Bit KV-Cache Quantization

Quant VideoGen:通过2位KV缓存量化实现自回归长视频生成

Haocheng Xi, Shuo Yang, Yilong Zhao, Muyang Li, Han Cai, Xingyang Li, Yujun Lin, Zhuoyang Zhang, Jintao Zhang, Xiuyu Li, Zhiying Xu, Jun Wu, Chenfeng Xu, Ion Stoica, Song Han, Kurt Keutzer

机构 * University of California, Berkeley(加州大学伯克利分校) NVIDIA Massachusetts Institute of Technology(麻省理工学院) Amazon(亚马逊) The University of Texas at Austin(德克萨斯大学奥斯汀分校)

AI总结 本文提出Quant VideoGen,通过语义感知平滑和渐进残差量化技术,有效降低KV缓存内存消耗,提升长视频生成质量与效率。

Comments Accepted by ICML 2026. 11 pages, 7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.00204 2026-05-05 cs.LG cs.GT

Nearly-Optimal Bandit Learning in Stackelberg Games with Side Information

在有侧信息的Stackelberg博弈中近最优的探索学习

Maria-Florina Balcan, Martino Bernasconi, Matteo Castiglioni, Andrea Celli, Keegan Harris, Zhiwei Steven Wu

机构 * Carnegie Mellon University(卡内基梅隆大学) Bocconi University(博科尼大学) Politecnico di Milano(米兰理工学院) University of California, Berkeley(加州大学伯克利分校)

AI总结 本文研究了在有侧信息的Stackelberg博弈中在线学习问题,提出算法在Bandit反馈下达到O(T^{1/2})的 regret,优于之前的O(T^{2/3})。方法通过将问题转化为效用空间的线性上下文带宽问题,扩展到未知效用函数和拍卖、贝叶斯说服等场景。

Comments Accepted to ICLR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.18900 2026-05-04 physics.chem-ph cond-mat.mtrl-sci cs.LG

Foundation Models for Discovery and Exploration in Chemical Space

化学空间发现与探索中的基础模型

Alexius Wadell, Anoushka Bhutani, Victor Azumah, Austin R. Ellis-Mohr, Andrew J. Stier, Kareem Hegazy, Alexander Brace, Hancheng Zhao, Celia Kelly, Anuj K. Nayak, Yuhan Chen, Dimitrios Simatos, Hongyi Lin, Murali Emani, Venkatram Vishwanath, Kevin Gering, Melisa Alkan, Tom Gibbs, Jack Wells, Wesley W. Qian, Richard C. Gerkin, Benjamin Amorelli, Alexander B. Wiltschko, Lav R. Varshney, Bharath Ramsundar, Karthik Duraisamy, Michael W. Mahoney, Arvind Ramanathan, Venkatasubramanian Viswanathan

机构 * Department of Mechanical Engineering, University of Michigan(密歇根大学机械工程系) Department of Chemical Engineering, University of Michigan(密歇根大学化学工程系) Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系) The Santa Fe Institute(圣菲研究所) International Computer Science Institute(国际计算机科学研究所) Department of Statistics, University of California, Berkeley(加州大学伯克利分校统计学系) Department of Computer Science, University of Chicago(芝加哥大学计算机科学系) Argonne National Laboratory(阿贡国家实验室) Idaho National Laboratory(爱达荷国家实验室) NVIDIA Corporation(英伟达公司) Osmo Labs, PBC AI Innovation Institute, Stony Brook University(石溪大学AI创新研究所) Brookhaven National Laboratory(布鲁赫斯研究所) Deep Forest Sciences, Palo Alto, CA(帕洛阿尔托的Deep Forest Sciences) Department of Aerospace Engineering, University of Michigan(密歇根大学航空航天工程系) Lawrence Berkeley National Laboratory(伯克利劳伦斯国家实验室)

AI总结 本文提出MIST模型,通过大规模无标签数据训练,实现对化学空间中多种分子性质的预测,展示了其在多目标电解质溶剂筛选和立体化学推理中的应用,以及在超参数感知贝叶斯神经缩放定律下的高效训练能力。

Comments Main manuscript: 30 pages (including references), 7 tables and 5 figures. Supplementary information: 158 pages (including references), 15 tables and 128 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.00297 2026-05-04 cs.CR cs.LG

Trident: Improving Malware Detection with LLMs and Behavioral Features

Trident:利用LLMs和行为特征提升恶意软件检测

Rebecca Saul, Jingzhi Jiang, Elliott Chia, David Wagner

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

AI总结 本文提出Trident系统,结合静态特征、行为规则和LLM分析,提升恶意软件检测性能,优于传统方法并具备更强的抗概念漂移能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.00254 2026-05-04 cs.NI cs.AI

Rethinking Network Topologies for Cost-Effective Mixture-of-Experts LLM Serving

重新思考面向低成本专家混合模型LLM服务的网络拓扑

Junsun Choi, Sam Son, Sunjin Choi, Hansung Kim, Yakun Sophia Shao, Scott Shenker, Sylvia Ratnasamy, Borivoje Nikolic

机构 * UC Berkeley(加州大学伯克利分校)

AI总结 本文研究了专家混合模型LLM服务的网络拓扑,通过系统分析发现低成本无交换机拓扑在多种场景下更有效,且未来GPU升级将进一步巩固其优势。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.00080 2026-05-04 cs.RO cs.CV

World Model for Robot Learning: A Comprehensive Survey

机器人学习的世界模型:全面综述

Bohan Hou, Gen Li, Jindou Jia, Tuo An, Xinying Guo, Sicong Leng, Haoran Geng, Yanjie Ze, Tatsuya Harada, Philip Torr, Oier Mees, Marc Pollefeys, Zhuang Liu, Jiajun Wu, Pieter Abbeel, Jitendra Malik, Yilun Du, Jianfei Yang

机构 * Nanyang Technological University(南洋理工大学) University of California, Berkeley(加州大学伯克利分校) Stanford University(斯坦福大学) The University of Tokyo(东京大学) University of Oxford(牛津大学) Microsoft(微软公司) ETH Zurich(苏黎世联邦理工学院) Princeton University(普林斯顿大学) Harvard University(哈佛大学)

AI总结 综述从机器人学习角度系统回顾世界模型的快速发展,探讨其与机器人策略的耦合、作为强化学习模拟器的作用以及机器人视频世界模型的发展,总结关键范式与挑战。

Comments 43 pages, 6 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.00090 2026-05-04 cs.CV cs.LG

It's Never Too Late: Noise Optimization for Collapse Recovery in Trained Diffusion Models

迟到也不晚:通过噪声优化在训练好的扩散模型中恢复崩溃

Anne Harrington, A. Sophia Koepke, Shyamgopal Karthik, Trevor Darrell, Alexei A. Efros

机构 * UC Berkeley(加州大学伯克利分校) University of Tübingen, Tübingen AI Center(图宾根大学,图宾根人工智能中心) TU Munich, MCML(慕尼黑工业大学,MCML)

AI总结 本文通过噪声优化提升扩散模型生成多样性,减少模式崩溃,同时保持基础模型的保真度。

Comments CVPR 2026. Project page at https://akoepke.github.io/divgen/index.html

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.27421 2026-05-01 cs.IR cs.CL

A Reproducibility Study of LLM-Based Query Reformulation

基于大语言模型的查询改写可重复性研究

Amin Bigdeli, Radin Hamidi Rad, Hai Son Le, Mert Incesu, Negar Arabzadeh, Charles L. A. Clarke, Ebrahim Bagheri

机构 * University of Waterloo(滑铁卢大学) Mila – Quebec AI Institute(魁北克AI研究所) Toronto Metropolitan University(多伦多 Metropolitan 大学) University of Toronto(多伦多大学) University of California, Berkeley(加州大学伯克利分校)

AI总结 本文在统一框架下系统评估了十种代表性大语言模型查询改写方法,发现检索范式对改写效果有显著影响,且大模型并不总能提升下游性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.26288 2026-05-01 cs.CV cs.AI

CheXthought: A global multimodal dataset of clinical chain-of-thought reasoning and visual attention for chest X-ray interpretation

CheXthought:一个包含临床推理链和视觉注意力的全球多模态数据集,用于胸部X光解读

Sonali Sharma, Jin Long, George Shih, Sarah Eid, Christian Bluethgen, Francine L. Jacobson, Emily B. Tsai, Global Radiology Consortium, Ahmed M. Alaa, Curtis P. Langlotz

机构 * Center for Artificial Intelligence in Medicine and Imaging(医学与影像人工智能中心) Department of Radiology(放射科) Department of Pediatrics(儿科) Department of Radiology, Weill Cornell Medicine(韦氏 Cornell 医学院放射科) Department of Radiology, Brigham and Women’s Hospital(布里奇妇产科医院放射科) University of California, Berkeley(加州大学伯克利分校) University of California, San Francisco(加州大学旧金山分校) Department of Biomedical Data Science(生物医学数据科学部)

AI总结 CheXthought数据集通过501名放射科医生的50312例多读X光片,提供了103592条推理链和6609082条同步视觉注意力标注,展示了临床推理模式,并在事实准确性、空间定位、病理分类、视觉忠实度、时间推理和不确定性沟通等方面提升了视觉语言模型性能。

Comments 51 pages, 7 figures, 10 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.07986 2026-05-01 cs.LG cs.AI

EXPO: Stable Reinforcement Learning with Expressive Policies

EXPO: 通过表达性策略进行稳定的强化学习

Perry Dong, Qiyang Li, Dorsa Sadigh, Chelsea Finn

机构 * Stanford University(斯坦福大学) UC Berkeley(加州大学伯克利分校)

AI总结 EXPO通过构建实时策略最大化Q值,提升样本效率,适用于基于离线数据的策略微调和在线训练。

Comments changed formatting, added code

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.26311 2026-04-30 cs.AI

DreamProver: Evolving Transferable Lemma Libraries via a Wake-Sleep Theorem-Proving Agent

DreamProver:通过唤醒-睡眠定理证明代理演化可转移的引理库

Youyuan Zhang, Jialiang Sun, Hangrui Bi, Chuqin Geng, Wenjie Ma, Zhaoyu Li, Xujie Si

机构 * University of Toronto(多伦多大学) UC Berkeley(伯克利大学)

AI总结 DreamProver通过唤醒-睡眠程序归纳范式发现可重用的引理,解决传统方法在适应性和通用性上的不足,通过迭代两阶段过程演化出高效的可转移引理库。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.25982 2026-04-30 cs.LG cs.AI cs.CY cs.ET

Open Problems in Frontier AI Risk Management

前沿人工智能风险管理中的开放问题

Marta Ziosi, Miro Plueckebaum, Stephen Casper, Henry Papadatos, Ze Shen Chin, Peter Slattery, James Gealy, Tim G. J. Rudner, Brian Tse, Ariel Gil, Patricia Paskov, Maximilian Negele, Rokas Gipiškis, Nada Madkour, Vera Lummis, Rupal Jain, Luise Eder, Kristina Fort, Malou C. van Draanen Glismann, Inès Belhadj, Amin Oueslati, Anna K. Wisakanto, Richard Mallah, Koen Holtman, Ranj Zuhdi, Daniel S. Schiff, Jessica Newman, Malcolm Murray, Robert Trager

机构 * Oxford Martin AI Governance Initiative, University of Oxford(牛津大学人工智能治理倡议) MIT Computer Science and Artificial Intelligence Laboratory, MIT(麻省理工学院计算机科学与人工智能实验室) MIT Future Tech(麻省理工学院未来技术) Stanford University(斯坦福大学) Governance and Responsible AI Lab, Purdue University(普渡大学治理与负责任的人工智能实验室) University of Toronto(多伦多大学) Mercatus Center, George Mason University(乔治·马歇尔大学麦卡锡中心) Vilnius University(维尔纽斯大学) Vijil SaferAI AI Standards Lab(人工智能标准实验室) The Future Society(未来社会) Concordia AI(康科德人工智能) Pivotal Research Center for AI Risk Management & Alignment(人工智能风险管理和对齐中心) UC Berkeley Center for Long-Term Cybersecurity(伯克利大学长期网络安全中心) Independent(独立)

AI总结 本文探讨前沿人工智能风险管理中的核心问题,通过文献综述识别未解决的挑战,并分类问题类型以指导未来研究与治理。

Comments 81 pages, 3 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.04337 2026-04-30 cs.CV cs.CL

Pointer-CAD: Unifying B-Rep and Command Sequences via Pointer-based Edges & Faces Selection

Pointer-CAD:通过基于指针的边与面选择统一B-Rep和命令序列

Dacheng Qi, Chenyu Wang, Jingwei Xu, Tianzhe Chu, Zibo Zhao, Wen Liu, Wenrui Ding, Yi Ma, Shenghua Gao

机构 * Transcengram Beihang University(北京航空航天大学) The University of Hong Kong(香港大学) Shenzhen Loop Area Institute(深圳河套学院) ShanghaiTech University(上海科技大学) DeepSeek University of California, Berkeley(加州大学伯克利分校)

AI总结 Pointer-CAD通过基于指针的命令序列表示,将B-Rep模型的几何信息融入顺序建模,有效生成复杂几何结构并降低分割误差,显著提升CAD生成精度。

Comments Accepted by CVPR2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.12549 2026-04-30 cs.LG cs.CC stat.ML

The Serial Scaling Hypothesis

序列扩展假说

Yuxi Liu, Konpat Preechakul, Kananart Kuwaranancharoen, Yutong Bai

机构 * UC Berkeley(加州大学伯克利分校) Independent Researcher(独立研究者)

AI总结 研究指出某些问题本质上是顺序的,无法高效并行化,提出扩散模型无法解决此类问题,对机器学习和硬件发展有深远影响。

Comments ICLR 2026. Equal contribution by the first two authors. Project page: https://serial-scaling-hypothesis.github.io

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.25891 2026-04-29 cs.LG cs.AI cs.CR

Conditional misalignment: common interventions can hide emergent misalignment behind contextual triggers

条件性偏差:通用干预可以隐藏新兴偏差背后的情境触发

Jan Dubiński, Jan Betley, Anna Sztyber-Betley, Daniel Tan, Owain Evans

机构 * Warsaw University of Technology(华沙技术大学) NASK National Research Institute(NASK国家研究院) Constellation Truthful AI University College London(伦敦大学学院) Center on Long-Term Risk(长期风险中心) UC Berkeley(伯克利大学)

AI总结 研究发现通用干预可减少新兴偏差,但若评估提示模仿训练情境,则模型会再次出现偏差。三种干预方法均产生条件性偏差,表明在真实训练后,模型可能在标准评估中表现正常但存在潜在偏差。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.25088 2026-04-29 cs.AI cs.CL

Cooperate to Compete: Strategic Coordination in Multi-Agent Conquest

合作以竞争:多智能体征服中的战略协调

Abigail O'Neill, Alan Zhu, Mihran Miroyan, Narges Norouzi, Joseph E. Gonzalez

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

AI总结 本文提出C2C多智能体环境,研究在混合动机设定下智能体如何通过合作达成长期竞争目标,发现人类与AI在谈判行为上有显著差异,并通过优化提升AI胜率。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.24977 2026-04-29 cs.CL cs.HC

A Survey on LLM-based Conversational User Simulation

基于大语言模型的对话用户模拟综述

Bo Ni, Leyao Wang, Yu Wang, Branislav Kveton, Franck Dernoncourt, Yu Xia, Hongjie Chen, Reuben Leura, Samyadeep Basu, Subhojyoti Mukherjee, Puneet Mathur, Nesreen Ahmed, Junda Wu, Li Li, Huixin Zhang, Ruiyi Zhang, Tong Yu, Sungchul Kim, Jiuxiang Gu, Zhengzhong Tu, Alexa Siu, Zichao Wang, David Seunghyun Yoon, Nedim Lipka, Namyong Park, Zihao Lin, Trung Bui, Yue Zhao, Tyler Derr, Ryan A. Rossi

机构 * Vanderbilt University(范德比大学) Adobe Research(Adobe研究) Yale University(耶鲁大学) University of Oregon(俄勒冈大学) University of California San Diego(加州大学圣地亚哥分校) Dolby Laboratories(Dolby实验室) University of California, Berkeley(加州大学伯克利分校) Cisco AI Research(思科人工智能研究) University of Southern California(南加州大学) Texas A&M University(德克萨斯阿姆斯特朗大学) UC Davis(加州大学戴维斯分校)

AI总结 本文综述了基于大语言模型的对话用户模拟最新进展,提出新的分类体系,分析核心技术和评估方法,旨在推动未来研究。

Comments Submitted in August 2025. MOD-81000 approved survey

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.26554 2026-04-29 cs.LG stat.ML

Sharp Capacity Scaling of Spectral Optimizers in Learning Associative Memory

谱优化器在关联记忆学习中的容量扩展分析

Juno Kim, Eshaan Nichani, Denny Wu, Alberto Bietti, Jason D. Lee

机构 * UC Berkeley(加州大学伯克利分校) Princeton University(普林斯顿大学) New York University(纽约大学) Flatiron Institute(Flatiron研究所)

AI总结 本文研究了谱优化器在关联记忆问题中的性能,发现Muon的存储容量显著超过SGD,且在仅使用一阶信息时可与牛顿法匹配。通过实验验证了预测的扩展规律,为更实际的语言建模任务提供了理论基础。

Comments 84 pages, 9 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.24758 2026-04-28 cs.HC cs.AI cs.CY cs.ET cs.LG

Personalized Worked Example Generation from Student Code Submissions using Pattern-based Knowledge Components

基于学生代码提交的基于模式的知识组件个性化习题生成

Griffin Pitts, Muntasir Hoq, Peter Brusilovsky, Narges Norouzi, Arto Hellas, Juho Leinonen, Bita Akram

机构 * North Carolina State University(北卡罗来纳州立大学) University of Pittsburgh(匹兹堡大学) University of California, Berkeley(加州大学伯克利分校) Aalto University(阿尔托大学)

AI总结 本文提出利用基于模式的知识组件生成个性化习题,通过AST分析提取学生代码中的结构模式,引导生成模型提高内容的相关性和针对性。

Comments Accepted to the Thirteenth ACM Conference on Learning @ Scale (L@S 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.24700 2026-04-28 cs.CL cs.AI

Green Shielding: A User-Centric Approach Towards Trustworthy AI

绿色防护:面向可信AI的用户导向方法

Aaron J. Li, Nicolas Sanchez, Hao Huang, Ruijiang Dong, Jaskaran Bains, Katrin Jaradeh, Zhen Xiang, Bo Li, Feng Liu, Aaron Kornblith, Bin Yu

机构 * University of California, Berkeley(加州大学伯克利分校) University of Melbourne(墨尔本大学) University of California, San Francisco(加州大学旧金山分校) University of Georgia(佐治亚大学) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)

AI总结 本文提出Green Shielding方法,通过分析用户输入变化对模型行为的影响,为可信AI部署提供证据支持的指导。通过医疗诊断基准测试,展示了交互选择如何系统性地影响模型输出属性,支持高风险领域更安全的部署。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.23624 2026-04-28 cs.AI physics.app-ph

Physics-Informed Neural Networks for Device and Circuit Modeling: A Case Study of NeuroSPICE

用于器件和电路建模的物理信息神经网络:神经SPICE案例研究

Chien-Ting Tung, Chenming Hu

机构 * University of California at Berkeley(加州大学伯克利分校) Berkeley Device Modeling Center(伯克利器件建模中心)

AI总结 本文提出神经SPICE,一种基于物理信息神经网络的框架,用于器件和电路仿真,通过反向传播最小化残差来求解电路微分代数方程,提供替代模型用于设计优化和反问题求解。

Comments in IEEE Electron Device Letters (2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.23678 2026-04-28 cs.AI

Transferable Human Mobility Network Reconstruction with neuroGravity

基于neuroGravity的人类移动网络重构

Jinming Yang, Shaoyu Huang, Zongyuan Huang, Yaohui Jin, Xiaokang Yang, Marta C. Gonzalez, Yanyan Xu

机构 * MoE Key Laboratory of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University, Shanghai 200240, China(人工智能编译实验室,人工智能研究院,上海交通大学,上海 200240,中国) Data-Driven Management Decision Making Lab, Shanghai Jiao Tong University, Shanghai 200240, China(数据驱动管理决策实验室,上海交通大学,上海 200240,中国) Department of City and Regional Planning, University of California, Berkeley, CA 94720, USA(城市与区域规划系,加州大学伯克利分校,CA 94720,美国) Energy Technologies Area, Lawrence Berkeley National Laboratory, Berkeley, CA 94720, USA(能源技术领域,劳伦斯伯克利国家实验室,伯克利,CA 94720,美国) Department of Civil and Environmental Engineering, University of California, Berkeley, CA 94720, USA(土木与环境工程系,加州大学伯克利分校,CA 94720,美国)

AI总结 本文提出neuroGravity模型,通过城市设施和人口分布数据重构移动网络,揭示空间收入 segregation 对模型迁移的重要性,为资源有限地区提供低成本的移动流量代理。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.25358 2026-04-28 cs.RO

SARM: Stage-Aware Reward Modeling for Long Horizon Robot Manipulation

SARM:面向长时间 horizon 的机器人操控阶段感知奖励建模

Qianzhong Chen, Justin Yu, Mac Schwager, Pieter Abbeel, Yide Shentu, Philipp Wu

机构 * Stanford University(斯坦福大学) UC Berkeley(加州大学伯克利分校)

AI总结 本文提出一种基于视频的阶段感知奖励建模框架,通过自然语言子任务标注实现一致标签,提升长horizon任务的鲁棒性和泛化能力,实验表明其在真实世界和人类验证中表现优异。

详情

展开后加载摘要…

URL PDF HTML 收藏