高校专区
视觉自回归变换器必须使用$Ω(n^2 d)$内存
机构 * Wyoming Seminary（怀俄明神学院） ； University of New South Wales（新南威尔士大学） ； The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Simons Institute for the Theory of Computing, University of California, Berkeley（伯克利加州大学理论计算研究所）
AI总结 本文证明了视觉自回归变换器在生成序列时必须使用至少$Ω(n^2 d)$的内存，揭示了在无额外约束下实现亚二次内存使用不可能的理论界限。
流AR模型的计算极限：表达力与效率
机构 * Wyoming Seminary（怀俄明私立学校） ； UT-Austin（得克萨斯大学奥斯汀分校） ； The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Simons Institute, UC Berkeley（伯克利大学模拟研究所）
AI总结 本研究分析了FlowAR模型的电路复杂性，证明其可被TC⁰电路模拟，并探讨了其计算效率与表达能力的限制。
Comments AISTATS 2026
现代Hopfield网络需要链式思考来解决$\mathsf{NC}^1$-难问题
机构 * Wyoming Seminary（怀俄明神学院） ； University of New South Wales（新南威尔士大学） ； The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Simons Institute for the Theory of Computing, University of California, Berkeley（伯克利加州大学计算理论研究所）
AI总结 本文研究了现代Hopfield网络在解决$\mathsf{NC}^1$-难问题时的能力限制，并证明引入链式思考机制可使其突破$\mathsf{TC}^0$障碍。
可证明的差分隐私交叉注意力机制计算
机构 * The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； The Simons Institute for the Theory of Computing at the University of California, Berkeley（伯克利大学计算理论研究所）
AI总结 本文提出了一种可证明差分隐私的交叉注意力机制计算方法，通过新颖的数据结构实现隐私保护，同时保证计算效率和安全性。
AgentSM: 语义记忆用于代理文本到SQL
机构 * Amazon Web Services（亚马逊网络服务） ； University of California, Berkeley（加州大学伯克利分校） ； Oracle Corporation（甲骨文公司） ； Snowflake Inc.（Snowflake公司）
AI总结 AgentSM通过构建可解释的语义记忆，提升文本到SQL任务的效率和准确性，减少令牌使用和轨迹长度，达到更高执行精度。
聋人和听觉障碍者使用智能个人助手：语音基于选项与LLM驱动触控界面的比较
机构 * Gallaudet University（加拉维特大学） ； University of California, Berkeley（加州大学伯克利分校） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 本研究比较了语音识别与LLM驱动触控界面在聋人和听力障碍者使用智能个人助手中的可用性，发现两者无显著差异，但需改进对聋人语音的识别能力。
Comments Accepted for publication in ACM CHI 2026
谱生成流模型：一种受物理启发的向量大语言模型替代方案
机构 * UC Berkeley（伯克利大学）
AI总结 谱生成流模型通过物理启发的连续场演化机制，替代传统向量大语言模型，实现长程一致性、多模态通用性和物理结构归纳偏置。
你的组相对优势存在偏差
机构 * Beihang University（北航大学） ； University of California, Berkeley（加州大学伯克利分校） ； Peking University（北京大学） ； Meituan（美团）
AI总结 本文提出HA-DW方法，通过修正组相对优势估计的偏差，提升基于组的强化学习在数学推理任务中的性能。
UCCL-EP：便携式专家并行通信
机构 * UC Berkeley（加州大学伯克利分校） ； UC Davis（加州大学戴维斯分校） ； UW–Madison（威斯康星大学麦迪逊分校） ； AMD（超威半导体） ； Tsinghua University（清华大学） ； Amazon Web Services（亚马逊网络服务） ； ICSI（信息与计算机科学研究所） ； Broadcom & University Politehnica of Bucharest（博通与布加勒斯特理工大学）
AI总结 UCCL-EP通过高吞吐量GPU-CPU控制通道和RDMA立即数据模拟，实现了在异构GPU和NIC平台上的高性能专家并行通信，提升了多个模型的训练和推理效率。
R-KV：面向推理模型的冗余感知KV缓存压缩
机构 * University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； Microsoft（微软） ； Carnegie Mellon University（卡内基梅隆大学） ； California Institute of Technology（加州理工学院） ； University of California - San Diego（加州大学圣地亚哥分校） ； University of Surrey（萨里大学） ； University of California - Berkeley（加州大学伯克利分校）
AI总结 R-KV通过冗余感知机制实现推理模型KV缓存压缩，以10%的缓存占用率达到接近100%的性能，显著优于现有方法。
大量实验、少量重复、不配对数据和稀疏效应：因果推断是否可能？
机构 * Department of Mathematics, ETH Zurich（苏黎世联邦理工学院数学系） ； Department of Statistics, UC Berkeley（伯克利大学统计系） ； German Center for Neurodegenerative Diseases (DZNE) & University of Bonn（德国神经退行性疾病研究中心（DZNE）及波恩大学） ； MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位）
AI总结 本文提出了一种在不配对数据和稀疏因果效应下，通过GMM型估计量和ℓ1正则化方法估计因果效应的统计方法。
TRSVR：一种具有方差减少的自适应随机信任区域方法
机构 * Department of Mathematics, University of California, Berkeley, CA, USA（加州大学伯克利分校数学系） ； Boston University, MA, USA（波士顿大学） ； Department of IEOR, University of California, Berkeley, CA, USA（加州大学伯克利分校工业工程与运筹学系）
AI总结 TRSVR 通过结合 SVRG 和信任区域方法，在非凸优化中实现加速收敛，并利用 Hessian 信息提升性能。
Comments 22 pages
断言-条件合规：多轮工具调用代理中的一种意识-aware 的漏洞
机构 * Monash University（墨尔本大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出了一种新的评估方法A-CC，用于检测多轮工具调用代理在面对误导性断言时的鲁棒性问题，揭示了模型在用户和系统政策冲突下的脆弱性。
Comments 15 pages (incl. Appendix), 3 figures, 7 tables
基于群不变性的无监督技能发现：面向可推广行为的对称感知技能表示
机构 * School of Mechanical Engineering, Yonsei University（延世大学机械工程学院） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系）
AI总结 本文提出群不变性技能发现框架，通过引入群结构和对称感知机制，提升技能在群变换下的泛化能力，实验表明其在运动基准测试中表现更优。
Comments 14 pages, 6 figures
自我改进作为一致性优化：一种理论解释
机构 * Peking University（北京大学） ； University of Oxford（牛津大学） ； UC Berkeley（加州大学伯克利分校） ； George Washington University（乔治华盛顿大学）
AI总结 本文提出一致性优化理论，解释语言模型如何通过自我改进提升准确性，并证明其在半监督学习中的最优性。
Comments 39 pages
PolyFly: 多面体最优规划用于无碰撞缆悬空空载运输
机构 * University of California Berkeley, Department of Electrical Engineering and Computer Sciences（加州大学伯克利分校电子工程与计算机科学系） ； Worcester Polytechnic Institute, Robotics Engineering（沃思黑德技术学院机器人工程）
AI总结 PolyFly通过多面体最优规划实现无碰撞缆悬空空载运输，提升飞行效率和环境适应性。
PRISM-Consult: 一种面向临床医生的专家面板架构
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； UC Berkeley School of Information（伯克利大学信息学院） ； UCLA David Geffen School of Medicine（加州大学洛杉矶分校大卫·格芬医学院） ； ABLE Medical Consulting（ABLE医疗咨询） ； MITRE Corporation（MITRE公司）
AI总结 PRISM-Consult是一种面向临床医生的专家面板架构，通过路由机制将紧凑的PRISM模型扩展为多个领域专家，实现高效、安全和低延迟的诊断咨询。
Comments 8 pages, 6 figures
公平性意识的肾脏交换与肾脏配对捐赠
机构 * Division of Biostatistics, University of California, Berkeley（加州大学伯克利分校生物统计学系） ； Department of Statistics and Data Science and Department of Biostatistics, University of California, Los Angeles（加州大学洛杉矶分校统计与数据科学系和生物统计学系） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出了一种基于条件独立性的公平性标准，用于改进肾脏配对捐赠中的公平性，通过线性化策略和列生成方法实现高效计算，并通过理论分析和实证研究验证其有效性。
POWSM：一种基于语音的开放式耳语风格语音基础模型
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 POWSM是一种能够联合执行多种语音任务的统一框架，实现了音频、文本和音素之间的无缝转换，并在低资源条件下提升了语音处理性能。
Comments 18 pages, under review. Model available at https://huggingface.co/espnet/powsm
构建AI代理以提高对陌生人的求职推荐请求
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 本文提出利用AI代理增强求职推荐请求的撰写效果，通过检索增强生成技术提升较弱请求的成功率，同时保持较强请求的性能。
Robot-R1: 通过强化学习提升机器人中的具身推理
机构 * KAIST（韩国科学技术院） ； Yonsei University（延世大学） ； UC Berkeley（加州大学伯克利分校） ； RLWRLD
AI总结 Robot-R1通过强化学习提升机器人中的具身推理，优于SFT方法并超越GPT-4o在低级动作控制推理任务中
Comments NeurIPS 2025
ProteinGuide: 为蛋白质序列生成模型实现即插即用的属性指导
机构 * Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（电气工程与计算机科学系，加州大学伯克利分校） ； Center for Computational Biology, University of California, Berkeley（计算生物学中心，加州大学伯克利分校） ； Department of Molecular and Cell Biology, University of California, Berkeley（分子与细胞生物学系，加州大学伯克利分校） ； Innovative Genomics Institute, University of California, Berkeley（创新基因组研究所，加州大学伯克利分校） ； Howard Hughes Medical Institute, University of California, Berkeley（霍华德·休斯医学研究所，加州大学伯克利分校）
AI总结 ProteinGuide为蛋白质序列生成模型提供即插即用的属性指导方法，通过实验验证其在提高编辑效率方面的有效性。
高精度和无维度的扩散采样
机构 * UC Berkeley（伯克利大学） ； Harvard University（哈佛大学）
AI总结 本文提出了一种基于低次近似与插值方法的扩散模型求解器，实现了高精度采样且不依赖环境维度。
通过世界模型进行Bootstrap离策略学习
机构 * College of AI & School of Vehicle and Mobility, Tsinghua University（人工智能学院与车辆与移动系统学院，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）
AI总结 BOOM通过整合规划与离策略学习，利用世界模型和无参数动作分布提升策略性能，在高维控制任务中实现训练稳定性和最终性能的突破。
Comments NeurIPS 2025
策略学习中的覆盖改进与快速收敛
机构 * UC Berkeley（伯克利大学） ； KRAFTON（KRAFTON公司） ； University of Arizona（亚利桑那大学）
AI总结 本文提出覆盖改进原理，通过分析在线策略学习中的覆盖变化，证明其在批量大小足够时能实现快速收敛，并设计混合采样器和奖励蒸馏方案，提升语言模型对齐性能。
Comments 46 pages, 2 figures, 2 tables
通过视觉提示的基准测试出人意料地脆弱
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 研究发现视觉提示基准测试对细节敏感，通过创建VPBench减少不稳定性。
一种适用于振荡和旋转结构周围不稳流的自适应超图神经网络
机构 * Department of Mechanical Engineering, The University of British Columbia（不列颠哥伦比亚大学机械工程系） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系）
AI总结 本文提出一种自适应超图神经网络，用于建模旋转和振荡结构周围的不稳流，通过自适应网格和接口单元实现稳定预测。
DexH2R：从人类到机器人的任务导向灵巧操作
机构 * Department of Mechanical Engineering, the University of California, Berkeley（机械工程系，加州大学伯克利分校）
AI总结 DexH2R通过结合人类手部运动重定向与任务导向的残差动作策略，提升机器人灵巧操作性能，实现高泛化能力的任务完成。
跨领域模仿学习 via 最优传输
机构 * Berkeley AI Research（伯克利人工智能研究）
AI总结 GWIL通过Gromov-Wasserstein距离实现跨领域模仿学习，有效对齐不同空间的状态，适用于连续控制领域。
Comments ICLR 2022
Mitrasamgraha：一个全面的古典梵语机器翻译数据集
机构 * Center for Integrated Japanese Studies, Tohoku University（东大理工一体化研究机构，东北大学） ； University of California, Berkeley（加州大学伯克利分校） ； Adam Mickiewicz University in Poznań（波兹南亚当·密茨凯维奇大学） ； Kyoto University（京都大学） ； Indian Institute of Technology, Kharagpur（印度理工学院，克拉格普尔分校） ； B. P. Mandal College of Engineering Madhepura（马德赫帕尔工程学院）
AI总结 Mitrasamgraha 是一个涵盖梵语到英语机器翻译的高质量数据集，包含大量双语文本对，用于研究不同领域和时间对翻译性能的影响。
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