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

Improving Generative Model-based Unfolding with Schrödinger Bridges

通过施罗德inger桥改进生成模型展开

Sascha Diefenbacher, Guan-Horng Liu, Vinicius Mikuni, Benjamin Nachman, Weili Nie

机构 * Physics Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室物理部） ； Autonomous Control and Decision Systems Laboratory, Georgia Institute of Technology（佐治亚理工学院自主控制与决策系统实验室） ； National Energy Research Scientific Computing Center, Berkeley Lab（伯克利实验室国家能源研究科学计算中心） ； Berkeley Institute for Data Science, University of California, Berkeley（伯克利数据科学研究所） ； Machine Learning Research Group, NVIDIA Research（NVIDIA研究机器学习研究组） 纠错

AI总结 本文提出SBUnfold方法，结合判别与生成模型优势，通过施罗德inger桥和扩散模型实现高维展开，验证其在合成数据集上的优越性能。

Comments 9 pages, 5 figures

Journal ref Phys.Rev.D 109 (2024) 7, 076011

Fast Computation of Superquantile-Constrained Optimization Through Implicit Scenario Reduction

通过隐式情景缩减实现超分位数约束优化的快速计算

Jake Roth, Ying Cui

机构 * Department of Industrial and Systems Engineering, University of Minnesota（明尼苏达大学工业与系统工程系） ； Department of Industrial Engineering and Operations Research, University of California, Berkeley（加州大学伯克利分校工业工程与运筹学系） 纠错

AI总结 本文提出一种高效的二次计算框架，用于解决具有超分位数约束的大规模优化问题，通过隐式情景缩减减少牛顿系统维度，显著提升计算效率。

Comments 34 pages, 2 figures

Journal ref Journal of Machine Learning Research, 26(260):1-34, 2025

Leveraging LLMs and Social Media to Understand User Perception of Smartphone-Based Earthquake Early Warnings

利用大型语言模型和社会媒体理解智能手机地震预警的用户感知

Hanjing Wang, S. Mostafa Mousavi, Patrick Robertson, Richard M. Allen, Alexie Barski, Robert Bosch, Nivetha Thiruverahan, Youngmin Cho, Tajinder Gadh, Steve Malkos, Boone Spooner, Greg Wimpey, Marc Stogaitis

机构 * Department of Earth and Planetary Sciences, Harvard University（哈佛大学地球与行星科学系） ； Google LLC（谷歌公司） ； Seismological Laboratory, University of California, Berkeley（加州大学伯克利分校地震实验室） ； Google Germany GmbH（谷歌德国公司） 纠错

AI总结 本文通过分析社交媒体数据，探讨用户对智能手机地震预警系统的感知，发现用户信任与预警及时性密切相关，揭示了系统准确性的用户定义差异。

The 2020s Political Economy of Machine Translation

2020年代机器翻译的政治经济学

Steven Weber

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

AI总结 本文探讨机器翻译技术如何减少语言多样性对通信和贸易的阻碍，但指出该技术在打破边界方面存在不均衡，对思想传播和经济增长带来新挑战。

Comments 42 pages, 0 figures

Journal ref Bus. Polit. 24 (2022) 96-112

Design Guidelines for Nonlinear Kalman Filters via Covariance Compensation

非线性卡尔曼滤波器的非线性卡尔曼滤波器设计指南

Shida Jiang, Jaewoong Lee, Shengyu Tao, Scott Moura

机构 * Department of Civil and Environmental Engineering, University of California, Berkeley（加州大学伯克利分校土木与环境工程系） 纠错

AI总结 本文提出了一种理论框架，通过协方差补偿概念，为非线性卡尔曼滤波器的设计提供了三个指导原则，以提高估计精度。

Comments This manuscript has been accepted by ACC 2026

UniQueR: Unified Query-based Feedforward 3D Reconstruction

UniQueR：统一的基于查询的前馈3D重建

Chensheng Peng, Quentin Herau, Jiezhi Yang, Yichen Xie, Yihan Hu, Wenzhao Zheng, Matthew Strong, Masayoshi Tomizuka, Wei Zhan

机构 * Applied Intuition ； UC Berkeley（伯克利大学） ； Stanford University（斯坦福大学） 纠错

AI总结 UniQueR通过统一的基于查询的前馈框架实现高效准确的3D重建，利用稀疏3D查询推理问题，减少内存和计算成本，提升几何表达能力。

Generalized multi-object classification and tracking with sparse feature resonator networks

基于稀疏特征共振网络的通用多目标分类与跟踪

Lazar Supic, Alec Mullen, E. Paxon Frady

机构 * Redwood Center for Theoretical Neuroscience, UC Berkeley（红木理论神经科学中心，加州大学伯克利分校） ； Neuromorphic Computing Lab, Intel（神经形态计算实验室，英特尔） 纠错

AI总结 本文提出基于共振网络的分析-合成方法，通过稀疏特征实现对物体形状和位置的不变与等变信息提取，实现多目标分类与跟踪。

Comments 6 pages, 2 figures, NICE 2026

CyberGym: Evaluating AI Agents' Real-World Cybersecurity Capabilities at Scale

CyberGym：大规模评估AI代理的真实世界网络安全能力

Zhun Wang, Tianneng Shi, Jingxuan He, Matthew Cai, Jialin Zhang, Dawn Song

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 CyberGym通过大规模基准测试评估AI代理的网络安全能力，发现其在漏洞复现任务中表现有限，同时发现34个零日漏洞和18个历史未完成补丁，凸显其作为网络安全评估和实际影响平台的价值。

LatentQA: Teaching LLMs to Decode Activations Into Natural Language

LatentQA: 教授大语言模型将激活解码为自然语言

Alexander Pan, Lijie Chen, Jacob Steinhardt

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出LatentQA任务，通过生成激活与自然语言描述的数据库，训练解码器LLM以回答关于激活的开放性问题，并验证其在阅读任务和行为控制中的优越性。

Comments ICLR 2026; project page at https://latentqa.github.io

Emergency Preemption Without Online Exploration: A Decision Transformer Approach

紧急预emption无在线探索：一种决策变压器方法

Haoran Su, Hanxiao Deng, Yandong Sun

机构 * New York University（纽约大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出基于决策变压器的紧急走廊优化框架，通过离线返回条件序列建模，实现无在线环境交互的策略学习，提升紧急车辆调度的紧急程度控制，并通过多智能体决策变压器实现空间协调。

Calibeating Made Simple

简化版的校准问题

Yurong Chen, Zhiyi Huang, Michael I. Jordan, Haipeng Luo

机构 * Inria École Normale Supérieure PSL Research University（Inria 法国国家科学研究中心巴黎高等师范学院） ； The University of Hong Kong（香港大学） ； University of California Berkeley（加州大学伯克利分校） ； University of Southern California（南加州大学） 纠错

AI总结 本文研究了校准问题，通过将校准问题转化为在线学习技术，获得了通用合适损失函数的校准结果，并提出了新的多校准率和校准同时优化方法。

Statistical Learning for Latent Embedding Alignment with Application to Brain Encoding and Decoding

基于统计学习的潜在嵌入对齐及其在脑编码与解码中的应用

Shuoxun Xu, Zhanhao Yan, Lexin Li

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

AI总结 本文提出轻量级对齐框架，通过逆半监督学习和元转移学习提升有限fMRI-刺激配对数据下的样本效率，实现脑编码解码的高效计算与理论分析。

Comments 35 pages, 3 figures

Interpreting the Synchronization Gap: The Hidden Mechanism Inside Diffusion Transformers

解读同步间隙：扩散变换器内部的隐藏机制

Emil Albrychiewicz, Andrés Franco Valiente, Li-Ching Chen, Viola Zixin Zhao

机构 * Leinweber Institute for Theoretical Physics ； Department of Physics, University of California, Berkeley, CA, 94720-7300, USA ； Theoretical Physics Group, Lawrence Berkeley National Laboratory, Berkeley, CA 94720-8162, USA ； Department of Radiation Oncology, University of California, San Francisco ； Computational Precision Health, University of California, San Francisco ； Department of Physics, University of California, Berkeley, CA 94720, USA 纠错

AI总结 研究揭示扩散变换器中同步间隙的机理，发现其为内在架构属性，且在强耦合下消失，仅在最终层出现，低频结构先于高频细节承诺。

Comments 38 pages, 5 figures

Variance reduction combining pre-experiment and in-experiment data

方差缩减结合预实验和实验证据数据

Zhexiao Lin, Pablo Crespo

机构 * University of California, Berkeley（加州大学伯克利分校） ； Etsy, Inc.（Etsy公司） 纠错

AI总结 本文提出一种结合预实验和实验证据数据的方差缩减框架，提升A/B测试的敏感度，通过理论分析和实验证实其有效性。

Comments Accepted to 5th Conference on Causal Learning and Reasoning (CLeaR), 2026

On Consistency of Signature Using Lasso

关于使用Lasso回归的签名一致性

Xin Guo, Binnan Wang, Ruixun Zhang, Chaoyi Zhao

机构 * UC Berkeley Department of Industrial Engineering and Operations Research（伯克利大学工业工程与运筹学系） ； Peking University School of Mathematical Sciences and Laboratory for Mathematical Economics and Quantitative Finance（北京大学数学科学学院及数学经济学与量化金融实验室） ； Peking University School of Mathematical Sciences, Center for Statistical Science, National Engineering Laboratory for Big Data Analysis and Applications, and Laboratory for Mathematical Economics and Quantitative Finance（北京大学数学科学学院、统计科学中心、大数据分析与应用国家工程实验室及数学经济学与量化金融实验室） ； MIT Sloan School of Management and Laboratory for Financial Engineering（麻省理工学院斯隆管理学院及金融工程实验室） 纠错

AI总结 本文研究了使用Lasso回归的签名一致性，理论和数值分析表明，Lasso在有限样本和渐近情况下的一致性取决于时间序列过程与布朗运动的接近程度及维度相关性。

A chemical language model for reticular materials design

一种用于网状材料设计的化学语言模型

Dhruv Menon, Vivek Singh, Xu Chen, Mohammad Reza Alizadeh Kiapi, Ivan Zyuzin, Hamish W. Macleod, Nakul Rampal, William Shepard, Omar M. Yaghi, David Fairen-Jimenez

机构 * Department of Chemical Engineering & Biotechnology, University of Cambridge（化学工程与生物技术系，剑桥大学） ； Department of Chemistry, University of California – Berkeley（化学系，加州大学伯克利分校） ； Bakar Institute of Digital Materials for the Planet, Berkeley, CA（为地球的数字材料研究所，伯克利，CA） ； KACST–UC Berkeley Center of Excellence for Nanomaterials for Clean Energy Applications, King Abdulaziz City for Science and Technology（清洁能源应用纳米材料卓越中心，国王阿卜杜勒-阿齐兹城市科学与技术中心） ； Synchrotron SOLEIL-UR1, L’Orme des Merisiers, Départementale 128, 91190 Saint-Aubin（SOLEIL-UR1同步辐射光源，L’Orme des Merisiers，Départementale 128，91190 Saint-Aubin） 纠错

AI总结 本文提出Nexerra-R1模型，通过生成有机连接体实现逆向设计，结合分布引导目标和化学验证，生成可合成的网状材料候选物。

Comments 45 pages, 26 figures, Supplementary Information included; code available at: https://github.com/fairen-group/nexerra-r1

Long Chain-of-Thought Reasoning Across Languages

跨语言的长链式推理

Josh Barua, Seun Eisape, Kayo Yin, Alane Suhr

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

AI总结 本研究探讨了跨语言长链式推理能力的扩展机制，发现模型规模扩展提升En-CoT性能，但Target-CoT表现滞后，尤其在数学推理中更为明显。通过预训练和后训练优化，多语言模型在推理效率和稳定性上取得进展，同时揭示了语言特定的失败模式。

Comments Accepted to ICLR 2026. v1 is a workshop version accepted to SCALR @ COLM 2025

Tinted Frames: Question Framing Blinds Vision-Language Models

着色边框：问题框架使视觉语言模型失明

Wan-Cyuan Fan, Jiayun Luo, Declan Kutscher, Leonid Sigal, Ritwik Gupta

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） ； Vector Institute for AI（人工智能向量研究所） 纠错

AI总结 本文研究视觉语言模型在不同问题框架下的注意力分配问题，发现框架影响其视觉输入处理，提出轻量级提示调优方法提升视觉感知能力。

Comments Preprint. Project page: https://davidhalladay.github.io/tinted_frames_demo/

A Framework for Formalizing LLM Agent Security

一个形式化大语言模型代理安全性的框架

Vincent Siu, Jingxuan He, Kyle Montgomery, Zhun Wang, Neil Gong, Chenguang Wang, Dawn Song

机构 * UC Santa Cruz（加州大学圣克ruz分校） ； UC Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） 纠错

AI总结 本文提出一个框架，从情境安全角度系统化现有攻击与防御，定义四个安全属性并引入Oracle函数验证，重新定义攻击和防御，为未来研究提供方向。

TARo: Token-level Adaptive Routing for LLM Test-time Alignment

TARo: 令牌级自适应路由用于大语言模型测试时间对齐

Arushi Rai, Qiang Zhang, Hanqing Zeng, Yunkai Zhang, Dipesh Tamboli, Xiangjun Fan, Zhuokai Zhao, Lizhu Zhang

机构 * Meta ； University of Pittsburgh（匹兹堡大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 TARo通过令牌级自适应路由在推理时引导冻结的LLM进行结构化推理，提升推理性能达22.4%，并在医疗和指令遵循任务中表现优异。

UDON: Uncertainty-weighted Distributed Optimization for Multi-Robot Neural Implicit Mapping under Extreme Communication Constraints

UDON：在极端通信限制下基于不确定性加权的多机器人神经隐式映射分布式优化

Hongrui Zhao, Xunlan Zhou, Boris Ivanovic, Negar Mehr

机构 * Department of Aerospace Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校航空航天工程系） ； School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； NVIDIA Research（NVIDIA研究） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） 纠错

AI总结 UDON提出一种实时多智能体神经隐式映射框架，通过引入不确定性加权分布式优化，在极端通信退化条件下实现高质量映射，实验表明其在低至1%通信成功率下仍能保持高保真重建。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Offload or Overload: A Platform Measurement Study of Mobile Robotic Manipulation Workloads

卸载或超载：移动机器人操控工作负载的平台测量研究

Sara Pohland, Xenofon Foukas, Ganesh Ananthanarayanan, Andrey Kolobov, Sanjeev Mehrotra, Bozidar Radunovic, Ankit Verma

机构 * UC Berkeley（加州大学伯克利分校） ； Microsoft Corp（微软公司） 纠错

AI总结 本文首次研究了移动机器人操控工作负载在车载、边缘和云GPU平台上的表现，发现小车载GPU无法运行完整工作栈，而大车载GPU会更快耗尽电池，卸载虽缓解约束但引入网络延迟和带宽问题，最终量化了机器人舰队共享计算的机会与风险。

Comments 15 pages, 17 figures

How LLMs Distort Our Written Language

大语言模型如何扭曲我们的书面语言

Marwa Abdulhai, Isadora White, Yanming Wan, Ibrahim Qureshi, Joel Leibo, Max Kleiman-Weiner, Natasha Jaques

机构 * UC Berkeley（加州大学伯克利分校） ； UC San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； Zaytuna College（扎亚图纳学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 研究揭示大语言模型不仅改变写作语气，还持续改变写作本意，通过用户研究和数据集分析发现，即使在专家反馈下，LLM仍会显著改变文本语义，影响科学机构和文化。

TherapyGym: Evaluating and Aligning Clinical Fidelity and Safety in Therapy Chatbots

TherapyGym: 评估和对齐疗法聊天机器人中的临床忠实性与安全性

Fangrui Huang, Souhad Chbeir, Arpandeep Khatua, Sheng Wang, Sijun Tan, Kenan Ye, Lily Bailey, Merryn Daniel, Ryan Louie, Sanmi Koyejo, Ehsan Adeli

机构 * Department of Computer Science, Stanford University, Stanford, CA, USA（计算机科学系，斯坦福大学，斯坦福，加州，美国） ； Department of Psychiatry and Behavioral Sciences, Stanford University, Stanford, CA, USA（精神病学与行为科学系，斯坦福大学，斯坦福，加州，美国） ； Department of Biomedical Data Science, Stanford University, Stanford, CA, USA（生物医学数据科学系，斯坦福大学，斯坦福，加州，美国） ； University of California, Berkeley, Berkeley, CA, USA（加州大学伯克利分校，伯克利，加州，美国） ； The University of Hong Kong, Hong Kong（香港大学，香港） 纠错

AI总结 TherapyGym通过评估和提升疗法聊天机器人中的忠实性与安全性，结合CTRS评分和多标签标注方案，利用RL训练框架改进模型性能，提升临床应用的安全性和有效性。

Signal in the Noise: Polysemantic Interference Transfers and Predicts Cross-Model Influence

噪声中的信号：多义干扰转移和跨模型影响预测

Bofan Gong, Shiyang Lai, James Evans, Dawn Song

机构 * Independent Scholar（独立学者） ； University of Chicago（芝加哥大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 研究通过稀疏自编码器揭示语言模型中的多义性结构，并发现干预措施在不同模型间可转移，挑战了多义性仅为随机现象的观点。

Journal ref ICLR 2026

Minimum Volume Conformal Sets for Multivariate Regression

多元回归中的最小体积共形集

Sacha Braun, Liviu Aolaritei, Michael I. Jordan, Francis Bach

机构 * Sierra team, Inria Paris, France（Inria巴黎分部） ； Department of Electrical Engineering and Computer Sciences, UC Berkeley, USA（加州大学伯克利分校电子工程与计算机科学系） 纠错

AI总结 本文提出一种基于新损失函数的优化框架，用于学习最小体积覆盖集，同时保证覆盖有效性。该方法通过任意范数球定义预测集，并联合优化预测模型和不确定性，实现紧致、信息丰富且高效的预测集。

Social physics in the age of artificial intelligence

人工智能时代的社会物理学

The Anh Han, Joel Z. Leibo, Tom Lenaerts, Iyad Rahwan, Fernando Santos, Matjaž Perc, Valerio Capraro

机构 * School of Computing, Engineering and Digital Technologies, Teesside University（计算、工程与数字技术学院，泰赛大学） ； Google DeepMind（谷歌DeepMind） ； Machine Learning Group, Université Libre de Bruxelles（机器学习组，布鲁塞尔自由大学） ； AI Lab, Vrije Universiteit Brussel（人工智能实验室，布鲁塞尔自由大学） ； Center for Human-Compatible AI, UC Berkeley（人类兼容人工智能中心，伯克利大学） ； Max Planck Institute for Human Development, Center for Humans & Machines, Berlin（人类发展马克斯普朗克研究所，人类与机器中心，柏林） ； Informatics Institute, University of Amsterdam（信息学院，阿姆斯特丹大学） ； Faculty of Natural Sciences and Mathematics, University of Maribor（自然科学与数学学院，马里博大学） ； Community Healthcare Center Dr. Adolf Drolc Maribor（阿多夫·德罗尔博士社区医疗中心，马里博） ； Department of Physics, Kyung Hee University（物理系，庆熙大学） ； University College, Korea University（大学学院，韩国大学） ； University of Milan Biccoca（米兰Biccoca大学） 纠错

AI总结 本文探讨人工智能时代社会物理学的新研究方向，聚焦人类与机器的共演化，提出六个关键研究领域，包括社会行为的演化动力学、机器文化、语言与行为的共演化等。

QFT: Quantized Full-parameter Tuning of LLMs with Affordable Resources

量子化全参数微调：在低成本资源下对大语言模型的全参数微调

Zhikai Li, Xiaoxuan Liu, Banghua Zhu, Zhen Dong, Qingyi Gu, Kurt Keutzer

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出QFT框架，通过将训练状态量化为INT8格式，减少内存占用，实现低成本全参数微调。采用Lion优化器和混合特征量化器，确保训练性能，使LLaMA-7B模型在A6000 GPU上仅需<30GB内存。

Comments ICLR 2026 Workshop on Scaling Post-training for LLMs (SPOT)

Kestrel: Grounding Self-Refinement for LVLM Hallucination Mitigation

Kestrel: 为降低LVLM幻觉而引入自反思

Jiawei Mao, Hardy Chen, Haoqin Tu, Yuhan Wang, Letian Zhang, Zeyu Zheng, Huaxiu Yao, Zirui Wang, Cihang Xie, Yuyin Zhou

机构 * UC Santa Cruz（加州大学圣克ruz分校） ； UC Berkeley（加州大学伯克利分校） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Apple（苹果公司） 纠错

AI总结 Kestrel提出一种无需训练的框架，通过显式视觉 grounding 与证据验证自反思机制减少LVLM幻觉，实验显示在POPE和MME-Hallucination基准上性能提升，同时提供透明的验证轨迹。

Comments 16 pages, 11 figures, 5 tables

DreamFlow: Local Navigation Beyond Observation via Conditional Flow Matching in the Latent Space

DreamFlow：通过条件流匹配在潜在空间中超越观测的局部导航

Jiwon Park, Dongkyu Lee, I Made Aswin Nahrendra, Jaeyoung Lim, Hyun Myung

机构 * Robotics Program, KAIST（韩国科学技术院机器人学系） ； School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） ； URobotics（URobotics公司） ； KRAFTON（KRAFTON公司） ； Dept. of Electrical Engineering and Computer Science, UC Berkeley（伯克利大学电子工程与计算机科学系） 纠错

AI总结 本文提出DreamFlow框架，通过条件流匹配扩展机器人感知范围，提升局部导航性能，实验显示其在仿真和现实环境中均优于现有方法。