MultiGA: Leveraging Multi-Source Seeding in Genetic Algorithms
MultiGA：利用多源 seeding 在遗传算法中
机构 * Center for Advanced AI, Accenture（埃森哲高级人工智能中心） ； UC Berkeley（加州大学伯克利分校）
AI总结 MultiGA通过多源seeding提升遗传算法在自然语言处理中的性能，利用多个LLM生成候选解并迭代优化，实现高准确率。
高校专区
University of California, Berkeley（加州大学伯克利分校）
Adaptive Coverage Policies in Conformal Prediction
适应性覆盖策略在符合预测中的应用
机构 * Inria, Ecole Normale Supérieure, PSL Research University（法国国家信息与自动化研究所，巴黎高等师范学院，PSL研究大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出基于e值和事后符合推断的适应性覆盖策略，通过神经网络训练优化覆盖水平，提高预测集的灵活性和效率。
Comments Code at: https://github.com/GauthierE/adaptive-coverage-policies
Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment
利用对抗分布对齐方法通过生成模型弥合仿真与实验之间的差距
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出一种数据驱动的分布对齐框架，通过预训练生成模型并将其与实验数据对齐，解决仿真与实验之间的差距问题，验证了其在分子和实验蛋白质数据上的有效性。
Forecasting Motion in the Wild
野外运动预测
机构 * UC Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
AI总结 本文提出密集点轨迹作为行为视觉标记，设计扩散变换器模型，实现复杂运动模式的预测，并通过300小时野生动物视频验证了其高效性和泛化能力。
Comments project page: https://motion-forecasting.github.io/
Deconfounding Scores and Representation Learning for Causal Effect Estimation with Weak Overlap
去混淆分数与因果效应估计中的弱重叠
机构 * University of Oxford（牛津大学） ； Google DeepMind（谷歌DeepMind） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Stanford University（斯坦福大学） ； Ellison Institute of Technology（埃里森技术研究所） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出去混淆分数以改善因果效应估计中的重叠问题，通过最小化重叠分歧并推导广义线性模型下的闭式表达式，验证了前瞻性分数在该类中的最优性。
Comments To appear at AISTATS 2026
Multi-Camera View Scaling for Data-Efficient Robot Imitation Learning
多摄像头视角缩放用于数据高效的机器人模仿学习
机构 * UC Berkeley（加州大学伯克利分校） ； Lambda, Inc（Lambda公司） ； MIT（麻省理工学院）
AI总结 本文提出一种利用场景多样性提升机器人模仿学习数据效率的方法，通过摄像头视角缩放生成伪演示，增强视觉表示的视角不变性，并在仿真和现实任务中验证了其有效性。
RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives
RT-GS：基于反射和透射原语的高斯散射
机构 * University of Utah（犹他大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 RT-GS通过整合微面材料模型与光线追踪，解决高斯散射中同时建模镜面反射和半透明表面后物体外观的问题，提升视图合成的真实感。
Regularizing Extrapolation in Causal Inference
在因果推断中正则化外推
机构 * Adobe Research（Adobe研究院） ； Yale University（耶鲁大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出统一框架，通过正则化外推水平来改进因果推断中的外推问题，引入偏倚-偏倚-方差权衡，并通过合成实验和实际应用验证其有效性。
Speaker Disentanglement of Speech Pre-trained Model Based on Interpretability
基于可解释性的语音预训练模型说话人解耦
机构 * XPENG Motors（小鹏汽车） ； China National Aviation Fuel Group Limited（中国航空油料集团有限公司） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出InterpTRQE-SptME和InterpTF-SptME，通过SHAP分析量化并过滤语音嵌入中的说话人信息，实验显示在保持识别准确率的同时显著降低说话人残留信息。
Comments 5 pages, 4 figures
High Probability Complexity Bounds of Trust-Region Stochastic Sequential Quadratic Programming with Heavy-Tailed Noise
信任区域随机序列二次规划的高概率复杂度界限
机构 * University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种信任区域随机序列二次规划方法，针对具有随机目标和确定性等式约束的非线性优化问题，建立了高概率迭代复杂度界限，以识别一阶和二阶ε-驻点，尤其在处理重尾噪声时扩展了二阶驻点分析。
Comments 66 pages, 7 figures
Certifiably Robust RAG against Retrieval Corruption
可验证的对抗检索污染的RAG
机构 * NVIDIA（英伟达） ； Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出RobustRAG，通过隔离-聚合策略有效防御检索污染攻击，并在三个数据集和三个LLM上验证了其在开放领域问答和自由文本生成中的有效性。
DreamControl-v2: Simpler and Scalable Autonomous Humanoid Skills via Trainable Guided Diffusion Priors
DreamControl-v2：通过可训练引导扩散先验实现更简单且可扩展的自主人形技能
机构 * General Robotics, USA（美国通用机器人公司） ； Brown University, USA（美国布朗大学） ； University of California, Berkeley, USA（美国加州大学伯克利分校）
AI总结 本文提出改进的DreamControl框架，通过在人形机器人运动空间中训练引导扩散模型，整合多样化的人类和机器人数据集，提升技能范围和自动化程度，验证了生成参考轨迹的扩展性对下游RL策略的重要性。
Automated Identification of Logical Errors in Programs: Advancing Scalable Analysis of Student Misconceptions
程序逻辑错误的自动识别：推进学生误解的可扩展分析
机构 * NC State University（北卡罗来纳州立大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出一种可扩展框架，用于自动检测学生编程解决方案中的逻辑错误，通过可解释的AST嵌入模型SANN，提供对学习过程的深入洞察，提升编程教育。
Comments Accepted for publication at the 18th International Conference on Educational Data Mining (EDM), 2025
Distributed Predictive Control Barrier Functions: Towards Scalable Safety Certification in Modular Multi-Agent Systems
分布式预测性控制屏障函数：迈向模块化多智能体系统中的可扩展安全性认证
机构 * Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所） ； University of California Berkeley（加州大学伯克利分校）
AI总结 本文提出分布式预测性控制屏障函数（D-PCBF）作为多智能体系统的安全框架，通过模型预测确保在动态网络拓扑变化下的可恢复安全性，并通过仿真和实验证明其有效性。
Comments This work has been submitted to the IEEE for possible publication
IMPASTO: Integrating Model-Based Planning with Learned Dynamics Models for Robotic Oil Painting Reproduction
IMPASTO：整合基于模型的规划与学习的动力学模型用于机器人油画复现
机构 * Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学）
AI总结 IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。
Provably Extracting the Features from a General Superposition
从一般叠加中可证明地提取特征
机构 * UC Berkeley（加州大学伯克利分校） ； NYU Courant（纽约大学库朗数学科学研究所）
AI总结 从学习理论角度研究如何从叠加中提取可解释特征，提出高效的查询算法以恢复特征方向和函数。
Rethinking Atomic Decomposition for LLM Judges: A Prompt-Controlled Study of Reference-Grounded QA Evaluation
重新思考用于LLM裁判的原子分解：一种受参考影响的问答评估的提示控制研究
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文研究了参考导向问答评估中原子分解与整体裁判的性能差异，发现整体裁判在多数基准中表现更优，尤其在部分支持案例中表现突出，且参考质量下降对两种裁判方式均产生显著影响。
EffiSkill: Agent Skill Based Automated Code Efficiency Optimization
EffiSkill：基于代理技能的自动代码效率优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学） ； King's College London（伦敦国王学院） ； East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 EffiSkill通过构建可移植的优化工具箱，利用代码效率优化机制，实现无运行反馈的代码优化，提升了优化成功率。
FluidGaussian: Propagating Simulation-Based Uncertainty Toward Functionally-Intelligent 3D Reconstruction
FluidGaussian: 通过基于仿真的不确定性传播实现功能智能的3D重建
机构 * Simon Fraser University（西蒙弗雷泽大学） ； Lawrence Berkeley National Lab（劳伦斯伯克利国家实验室） ； University of California, Berkeley（加州大学伯克利分校） ； International Computer Science Institute（国际计算机科学研究所）
AI总结 本文提出FluidGaussian方法，通过耦合几何重建与流体-结构相互作用，提升3D重建的物理真实性和功能感知能力，实验显示在多个数据集上提升了视觉质量和物理仿真精度。
Comments Accepted by CVPR 2026
Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models
代理情境工程：为自我改进语言模型演化情境
机构 * Stanford University（斯坦福大学） ； SambaNova Systems, Inc.（SambaNova Systems公司） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出ACE框架，通过生成、反思和整理的模块化过程，使情境持续进化，提升语言模型在代理和领域推理中的性能，减少适应延迟和成本。
Comments ICLR 2026; 32 pages
Person-Centric Annotations of LAION-400M: Auditing Bias and Its Transfer to Models
针对LAION-400M的人为中心标注：审查偏见及其在模型中的转移
机构 * Technical University of Munich, Munich Center for Machine Learning (MCML), MDSI（慕尼黑工业大学，慕尼黑机器学习中心（MCML），MDSI） ； LTCI, Télécom Paris, Institut Polytechnique de Paris, France（法国巴黎理工学院，巴黎电信学院，LTCI） ； Helmholtz Munich（亥姆霍兹慕尼黑中心） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文通过创建LAION-400M的人为中心标注，揭示了训练数据中存在的人口统计学偏见，并展示了这些偏见如何转移到视觉-语言模型中。
Comments ICLR 2026
Beyond Recognition: Evaluating Visual Perspective Taking in Vision Language Models
超越识别：评估视觉语言模型中的视觉视角理解
机构 * University of Warsaw（华沙大学） ； Polish Academy of Sciences（波兰科学院） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； IDEAS NCBR ； Lute
AI总结 本文通过144个视觉任务评估VLMs的视觉视角理解能力，发现模型在场景理解上表现优异，但在空间推理和视角理解上存在明显不足。
Comments Accepted at CVPR 2026 Findings
HASS: Hierarchical Simulation of Logopenic Aphasic Speech for Scalable PPA Detection
HASS：面向可扩展PPA检测的层次化日语口语模拟
机构 * UC Berkeley（加州大学伯克利分校） ； UCSF（加州大学旧金山分校） ； Zhejiang University（浙江大学） ； Columbia University（哥伦比亚大学） ； Basque Center on Cognition, Brain and Language（巴斯克认知、大脑与语言中心）
AI总结 本文提出HASS框架，通过系统模拟lvPPA的语义、语音和时间缺陷，提升PPA检测模型的准确性和泛化能力。
Weight Tying Biases Token Embeddings Towards the Output Space
参数共享使词嵌入偏向输出空间
机构 * EleutherAI ； University of California Berkeley（加州大学伯克利分校）
AI总结 本文研究了参数共享对词嵌入空间的影响，发现共享矩阵更偏向输出预测而非输入表示，且早期训练中输出梯度主导导致偏差，通过调整梯度可缓解此问题。
A Boltzmann-machine-enhanced Transformer For DNA Sequence Classification
一种增强型变换器用于DNA序列分类
机构 * Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出了一种结合玻尔兹曼机和变换器的模型，用于DNA序列分类，通过引入结构化的二进制门控变量和能量函数约束，提升对潜在相互作用和高阶依赖的建模能力。
Comments 19 pages
StreamDiT: Real-Time Streaming Text-to-Video Generation
StreamDiT：实时流式文本到视频生成
机构 * UC Berkeley（加州大学伯克利分校） ； Meta
AI总结 本文提出StreamDiT模型，通过流匹配和混合训练提升内容一致性和视觉质量，实现16FPS实时视频生成，支持流式生成等实时应用。
Comments CVPR 2026
Draft-and-Prune: Improving the Reliability of Auto-formalization for Logical Reasoning
草稿与修剪：提升逻辑推理自动形式化可靠性
机构 * University of California, Berkeley（加州大学伯克利分校） ； Microsoft（微软）
AI总结 本文提出D&P框架，通过多样性与验证提升自动形式化逻辑推理可靠性，实验显示在多个基准测试中显著优于现有方法，如在AR-LSAT上准确率达78.43%。
Diffusion Forcing for Multi-Agent Interaction Sequence Modeling
扩散力场用于多智能体交互序列建模
机构 * Sony Group Corporation（索尼集团公司） ； Meta ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出MAGNet框架，通过灵活的条件和采样生成多智能体运动序列，支持多种交互任务，实现长序列生成和智能体间协调。
Comments Project page: https://von31.github.io/MAGNet/ ; Code: https://github.com/Von31/MAGNet-code
Sovereign AI at the Front Door of Care: A Physically Unidirectional Architecture for Secure Clinical Intelligence
主权AI在医疗前端：一种物理单向架构用于安全的临床智能
机构 * Hats AI Labs Inc.（6Hats AI实验室公司） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出一种主权AI架构，通过设备本地推理和单向数据通道实现临床分诊，消除网络攻击面，保障高安全性的医疗数据处理。
Comments 31 pages
A Framework for Generating Semantically Ambiguous Images to Probe Human and Machine Perception
一种生成语义模糊图像的框架以探测人类和机器感知
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 该研究通过生成语义模糊图像探讨人类和机器感知的边界，揭示模型在概念区分上的偏差，展示控制模糊性作为诊断工具的价值。
