VERINA: Benchmarking Verifiable Code Generation
VERINA：可验证代码生成基准测试
机构 * University of California, Berkeley（加州大学伯克利分校） ； Meta FAIR
AI总结 本文提出VERINA基准测试，用于全面评估代码、规范及证明生成能力，揭示LLM在可验证代码生成中的挑战，特别是证明生成的困难。
高校专区
University of California, Berkeley（加州大学伯克利分校）
Fillerbuster: Unified Generative Scene Completion Model for Casual Captures
Fillerbuster：用于随意捕获的统一生成场景补全模型
机构 * Meta Reality Labs ； UC Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学）
AI总结 本文提出Fillerbuster，一种统一的生成模型，用于补全3D场景中未知区域。针对随意捕获中稀疏且缺失物体后方或上方内容的问题，模型通过多视图潜在扩散变换器处理大量输入帧，生成未知目标视图并恢复图像姿态。
Comments Project page at https://ethanweber.me/fillerbuster/
Ablate and Rescue: A Causal Analysis of Residual Stream Hyper-Connections
消除与救援：残差流超连接的因果分析
机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Independent（独立） ； University of Oxford（牛津大学）
AI总结 本文提出首个开源mHC语言模型，通过代表层面指标和因果干预分析多流架构，揭示并行流的信息编码与利用机制，引入系统性的流消除-救援框架进行因果比较。
From Gradients to Riccati Geometry: Kalman World Models for Single-Pass Learning
从梯度到里卡蒂几何：用于单次学习的卡尔曼世界模型
机构 * UC Berkeley School of Information（伯克利大学信息学院）
AI总结 本文提出卡尔曼世界模型（KWM），通过递归贝叶斯滤波而非反向传播优化动态系统，实现无梯度的训练与适应，适用于序列建模任务，展示出竞争性能和增强的鲁棒性与持续适应性。
DOVA: Deliberation-First Multi-Agent Orchestration for Autonomous Research Automation
DOVA：基于协商的多智能体协作以实现自主研究自动化
机构 * University of California, Berkeley, USA（加州大学伯克利分校） ； Amazon Web Services, USA（亚马逊网络服务）
AI总结 DOVA通过协商优先的协作机制、混合协同推理和自适应多层思考，提升多源信息整合与复杂任务处理能力，降低推理成本并提高回答准确性。
LLM Novice Uplift on Dual-Use, In Silico Biology Tasks
大语言模型在双用途生物任务中的新手提升
机构 * Scale AI ； SecureBio ； University of Oxford（牛津大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究探讨大语言模型是否能提升新手在生物任务中的表现，通过多模型多基准测试发现LLM显著提升准确性，并指出单用途LLM可能超越辅助新手的表现。
Comments 59 pages, 33 figures
VLD: Visual Language Goal Distance for Reinforcement Learning Navigation
VLD：用于强化学习导航的视觉语言目标距离
机构 * ETH Zurich（苏黎世联邦理工学院） ； EPFL（瑞士联邦理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（伯克利大学）
AI总结 本文提出VLD学习框架，通过解耦感知学习与策略学习，利用大规模视频数据训练距离预测器，提升机器人导航性能与现实迁移能力。
Data-Driven Influence Functions for Optimization-Based Causal Inference
数据驱动的影响函数用于基于优化的因果推断
机构 * Department of EECS and Statistics（电气工程与计算机科学系和统计学系） ； University of California, Berkeley（加州大学伯克利分校） ； Department of Statistics（统计学系） ； University of Michigan（密歇根大学） ； Department of Data Sciences and Operations（数据科学与运营系） ； University of Southern California, Marshall School of Business（南加州大学马歇尔商学院）
AI总结 本文研究了一种构造性算法，通过有限差分近似统计函数的Gâteaux导数，重点在于因果推断中出现的函数。研究概率分布未知但需从数据估计的情况，并探讨经验、数值和分析Gâteaux导数之间的关系。
Comments Revision
The RIGID Framework: Research-Integrated, Generative AI-Mediated Instructional Design
RIGID框架：研究集成、生成式AI介导的课程设计
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出RIGID框架，整合学习科学研究与课程设计流程，利用生成式AI实现研究与设计的系统集成，提升课程设计的实证性和情境适应性。
Self-Supervised Speech Models Encode Phonetic Context via Position-dependent Orthogonal Subspaces
自监督语音模型通过位置依赖的正交子空间编码音素上下文
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； UC Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究自监督语音模型如何在单帧层面编码音素及其上下文，提出通过位置依赖的正交子空间实现音素信息的组合编码，揭示了上下文依赖表示的结构特性。
Comments Submitted to Interspeech 2026
OpenVision 3: A Family of Unified Visual Encoder for Both Understanding and Generation
OpenVision 3: 一种用于理解和生成的统一视觉编码器家族
机构 * UC Santa Cruz（加州大学圣克ruz分校） ； JHU（约翰霍普金斯大学） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA（英伟达）
AI总结 本文提出OpenVision 3，通过统一视觉表示实现图像理解和生成。核心架构将VAE压缩的图像潜在特征输入ViT编码器，同时训练其输出以支持重建和语义学习，从而在共享潜在空间中实现良好泛化。
Attend Before Attention: Efficient and Scalable Video Understanding via Autoregressive Gazing
先关注再注意：通过自回归注视实现高效的可扩展视频理解
机构 * UC Berkeley（伯克利大学） ； MIT（麻省理工学院） ； Clarifai（Clarifai公司） ； NVIDIA（英伟达公司）
AI总结 AutoGaze通过自回归选择视频中的关键块，减少冗余并提升处理效率，使大语言模型能处理长视频并取得更优表现。
Comments CVPR 2026. Project page: https://autogaze.github.io/
Multi-lingual Functional Evaluation for Large Language Models
多语言功能评估用于大语言模型
机构 * The Center for Tech Responsibility, Brown University（布朗大学技术责任中心） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出跨语言小学数学符号基准和跨语言指令跟随评估，通过多语言翻译功能基准模板，评估大语言模型在多语言环境中的性能和鲁棒性，发现CL-GSM Symbolic和CL-IFEval在多语言任务中表现更优。
Comments This is an updated version with details of the CL-GSM Symbolic and CL-IFEval datasets validation
Tokenization Allows Multimodal Large Language Models to Understand, Generate and Edit Architectural Floor Plans
分词使多模态大语言模型能够理解、生成和编辑建筑平面图
机构 * Tsinghua University（清华大学） ； UC Berkeley（伯克利大学）
AI总结 HouseMind通过引入离散房间实例标记，实现了建筑平面图的统一理解和生成，具备高效且可控的布局生成能力。
Comments 20 pages, 9 figures. Accepted to CVPR 2026
A Trust-Region Interior-Point Stochastic Sequential Quadratic Programming Method
一种基于信任区域内点的随机序列二次规划方法
机构 * Department of Mathematics, University of California, Berkeley（加州大学伯克利分校数学系） ； Department of IEOR, University of California, Berkeley（加州大学伯克利分校工业工程与运营研究系） ； School of Industrial and Systems Engineering, Georgia Tech（佐治亚理工学院工业与系统工程学院） ； Department of EECS, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系）
AI总结 本文提出了一种针对随机目标函数和确定性非线性约束的优化方法，结合信任区域内点和随机序列二次规划技术，实现全局收敛性保证。
Partially Equivariant Reinforcement Learning in Symmetry-Breaking Environments
部分等价强化学习在对称破坏环境中
机构 * School of Mechanical Engineering, Yonsei University, Seoul, South Korea（延世大学机械工程学院，首尔，韩国） ； Department of Artificial Intelligence, Yonsei University, Seoul, South Korea（延世大学人工智能系，首尔，韩国） ； Department of Mechanical Engineering, University of California, Berkeley, United States（加州大学伯克利分校机械工程系，美国）
AI总结 本文提出部分等价强化学习框架，通过选择性应用群不变或标准贝尔曼备份，提升样本效率和泛化能力，适用于对称破坏环境的离散和连续控制任务。
Comments ICLR 2026
A Chain-Driven, Sandwich-Legged Quadruped Robot: Design and Experimental Analysis
链驱动、夹层腿四足机器人：设计与实验分析
机构 * Department of Cyber Physical Systems, Indian Institute of Science（印度科学研究院计算机物理系统系） ； University of Waterloo（滑铁卢大学） ； UC Berkeley（伯克利大学）
AI总结 本文提出了一种低成本、高性能的四足机器人，通过夹层腿结构和双电机配置实现敏捷运动，同时采用低成本制造方法和开源设计，为四足机器人研究提供了一个经济且实用的平台。
Comments 6 pages, 9 figures
Designing probabilistic AI monsoon forecasts to inform agricultural decision-making
设计概率性AI季风预报以指导农业决策
机构 * Development Innovation Lab, University of Chicago（芝加哥大学发展创新实验室） ； University of Chicago（芝加哥大学） ； Department of the Geophysical Sciences, University of Chicago（芝加哥大学地球科学系） ； Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Development Innovation Lab India, University of Chicago Trust（芝加哥大学印度发展创新实验室） ； University of Chicago Trust（芝加哥大学信托） ； Department of Earth and Planetary Science, University of California, Berkeley（加州大学伯克利分校地球与行星科学系） ； University of California, Berkeley（加州大学伯克利分校） ； Climate and Ecosystem Sciences Division, Lawrence Berkeley National Laboratory（伯克利国家实验室气候与生态系统科学部） ； Department of Economics, University of Chicago（芝加哥大学经济学系）
AI总结 本研究提出一种基于决策理论的框架，通过结合AI天气模型和演变农民期望模型，提升季风预报的准确性，以帮助印度农民做出更有效的农业决策。
JULI: Jailbreak Large Language Models by Self-Introspection
通过自我反思 jailbreak 大型语言模型：JULI
机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 JULI 通过操纵令牌日志概率，利用微小插件块 BiasNet 实现对 API 调用 LLMs 的 jailbreak，无需模型权重或生成过程权限，且在黑盒环境下有效。
Comments Accepted to ICLR 2026
Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning
质量优于数量：通过影响函数进行演示数据的 curated
机构 * KAIST（韩国科学技术院） ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学）
AI总结 本文提出 QoQ 方法，通过影响函数识别高质量演示数据，提升机器人学习性能。
Comments Accepted to ICRA 2026, 8 pages
EgoMI: Learning Active Vision and Whole-Body Manipulation from Egocentric Human Demonstrations
EgoMI: 从第一人称人类演示中学习主动视觉和全身操作
机构 * UC Berkeley（伯克利大学）
AI总结 EgoMI通过同步捕捉头部和末端执行器轨迹，实现从第一人称人类演示中学习主动视觉与全身操作，有效弥合人机身体差距，提升半人形机器人模仿学习性能。
Reinforced Generation of Combinatorial Structures: Hardness of Approximation
增强的组合结构生成：近似难度
机构 * University of California, Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌）
AI总结 利用AI方法在复杂性理论中取得进展，改进MAX-CUT、MAX-3-CUT和TSP的近似难度结果。
CTRL Your Shift: Clustered Transfer Residual Learning for Many Small Datasets
控制你的转移：用于许多小数据集的聚类转移残差学习
机构 * Harvard University（哈佛大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 CTRL通过结合跨域残差学习和自适应聚类，提升多源小数据集的预测准确性和源异质性保持能力。
BioGait-VLM: A Tri-Modal Vision-Language-Biomechanics Framework for Interpretable Clinical Gait Assessment
BioGait-VLM：一种多模态视觉-语言-生物力学框架用于可解释的临床步态评估
机构 * Department of Computer Science, Drexel University（德克萨斯大学计算机科学系） ； Department of Neurological Surgery, Washington University（华盛顿大学神经外科系） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 BioGait-VLM通过多模态框架提升临床步态评估的可解释性和准确性，结合生物力学标记与时间动态分析，实现更可靠的病理运动识别。
In-Context Reinforcement Learning for Tool Use in Large Language Models
上下文强化学习用于大型语言模型中的工具使用
机构 * National University of Singapore（新加坡国立大学） ； Salesforce AI Research（Salesforce AI研究） ； University of California Berkeley（加州大学伯克利分校） ； University of California, Santa Cruz（加州大学圣克ruz分校）
AI总结 本文提出ICRL框架，通过强化学习无需微调即可实现大型语言模型的工具使用能力，实验显示其在推理和工具任务中表现优异。
HybridStitch: Pixel and Timestep Level Model Stitching for Diffusion Acceleration
HybridStitch: 像素和时间步级模型拼接用于扩散加速
机构 * University of Waterloo（多伦多大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 HybridStitch通过结合大模型和小模型，实现T2I生成的高效加速，提升Stable Diffusion 3的生成速度1.83倍。
Scheduling Parallel Optical Circuit Switches for AI Training
为AI训练调度并行光电路交换机
机构 * UC San Diego（UC圣地亚哥大学） ； Technion（技术学院） ； UC Berkeley（伯克利大学）
AI总结 Spectra通过分解、负载感知调度和受控排列分割，有效调度AI训练流量矩阵，显著降低调度时间并接近理论下限。
Mean Flow Policy with Instantaneous Velocity Constraint for One-step Action Generation
具有瞬时速度约束的一步动作生成均流策略
机构 * School of Vehicle and Mobility & College of AI, Tsinghua University（车辆与移动学院及人工智能学院，清华大学） ； Berkeley AI Research (BAIR), UC Berkeley（伯克利人工智能研究（BAIR），加州大学伯克利分校） ； The University of Hong Kong（香港大学）
AI总结 本文提出均速度策略（MVP），通过引入瞬时速度约束来提升动作生成效率，实现高效的一步动作生成并在机器人操作任务中取得最佳性能。
Comments ICLR Oral Presentation
Adaptation of Agentic AI: A Survey of Post-Training, Memory, and Skills
代理AI的适应：训练后、记忆和技能的综述
机构 * UIUC（伊利诺伊大学香槟分校） ； Stanford（斯坦福大学） ； Princeton（普林斯顿大学） ； Harvard（哈佛大学） ； UC Berkeley（加州大学伯克利分校） ； Caltech（加州理工学院） ； UCSD（加州大学圣地亚哥分校） ； Georgia Tech（佐治亚理工学院） ； Northwestern（西北大学） ； TAMU（德克萨斯大学奥斯汀分校） ； MGH（麻省总医院） ； Keiji AI ； Unity
AI总结 本文综述了代理AI在训练后、记忆和技能方面的适应方法，提出四范式框架，分析了代理与工具适应的技术细节及权衡，探讨了开放问题。
Ego-Vision World Model for Humanoid Contact Planning
人形机器人接触规划的视角世界模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出了一种结合学习世界模型与MPC的框架，用于提升人形机器人在复杂环境中的接触规划能力，实现更高效和稳健的多任务执行。
