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

MatDecompSDF: High-Fidelity 3D Shape and PBR Material Decomposition from Multi-View Images

MatDecompSDF：从多视角图像中恢复高保真3D形状和PBR材质分解

Chengyu Wang, Isabella Bennett, Henry Scott, Liang Zhang, Mei Chen, Hao Li, Rui Zhao

机构 * San Francisco State University 1600 Holloway Avenue San Francisco California USA 94132 ； Department of Electrical \& Computer Engineering, Boston University 8 Saint Mary’s Street Boston MA USA 02215 ； University of California, Berkeley 2150 Shattuck Avenue Berkeley California USA 94704 ； Stanford University 450 Serra Mall Stanford California USA 94305 ； Carnegie Mellon University 5000 Forbes Avenue Pittsburgh Pennsylvania USA 15213 ； University of Washington 185 Stevens Way Seattle Washington USA 98195 ； San Francisco State University ； Department of Electrical \& Computer Engineering, Boston University ； University of California, Berkeley ； Stanford University ； Carnegie Mellon University ； University of Washington 纠错

AI总结 MatDecompSDF通过联合优化SDF、神经场和MLP模型，实现从多视角图像中高保真3D形状和PBR材质的分解。

Comments 12 pages, 4 figures

Enabling Conversational Behavior Reasoning Capabilities in Full-Duplex Speech

实现全双工语音中对话行为推理能力

Shuchang Pan, Siddharth Banerjee, Dhruv Hebbar, Siddhant Patel, Akshaj Gupta, Kan Jen Cheng, Hanjo Kim, Zeyi Austin Li, Martin Q. Ma, Tingle Li, Gopala Anumanchipalli, Jiachen Lian

机构 * Zhejiang University（浙江大学） ； University of California, Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出一种基于图的思维框架，通过建模对话行为的因果推断，实现全双工语音交互中的行为推理与可解释性。

Dreamcrafter: Immersive Editing of 3D Radiance Fields Through Flexible, Generative Inputs and Outputs

Dreamcrafter: 通过灵活、生成性输入和输出实现沉浸式3D辐射场编辑

Cyrus Vachha, Yixiao Kang, Zach Dive, Ashwat Chidambaram, Anik Gupta, Eunice Jun, Bjoern Hartmann

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 Dreamcrafter通过灵活的生成式输入和输出，实现实时沉浸式3D辐射场编辑，结合模块化架构和多层级控制提升创作效率与沉浸感。

Comments CHI 2025, Project page: https://dream-crafter.github.io/

Reasoning Relay: Evaluating Stability and Interchangeability of Large Language Models in Mathematical Reasoning

推理中继：评估大型语言模型在数学推理中的稳定性与可替换性

Leo Lu, Jonathan Zhang, Sean Chua, Spencer Kim, Kevin Zhu, Sean O'Brien, Vasu Sharma

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Binghamton University（宾夕法尼亚州立大学布林茅尔分校） ； University of Toronto（多伦多大学） ； UC Berkeley（加州大学伯克利分校） ； Algoverse 纠错

AI总结 本研究探讨大型语言模型在数学推理中的稳定性与可替换性，通过评估不同模型间推理链的延续性，揭示推理过程的可靠性和一致性。

Comments NeurIPS 2025 Workshop on Socially Responsible and Trustworthy Foundation Models (ResponsibleFM)

Alternating Gradient Flows: A Theory of Feature Learning in Two-layer Neural Networks

交替梯度流：两层神经网络中特征学习的理论

Daniel Kunin, Giovanni Luca Marchetti, Feng Chen, Dhruva Karkada, James B. Simon, Michael R. DeWeese, Surya Ganguli, Nina Miolane

机构 * Stanford University（斯坦福大学） ； KTH（皇家理工学院） ； UC Berkeley（加州大学伯克利分校） ； Imbue（Imbue公司） ； UC Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

AI总结 AGF理论框架揭示了两层神经网络中特征学习的动力学，通过交替梯度过程解释特征获取与损失下降的机制，并统一扩展了线性网络和注意力模型中的分析。

Comments 40 pages, 8 figures, NeurIPS 2025

Modeling Non-Ergodic Path Effects Using Conditional Generative Model for Fourier Amplitude Spectra

利用条件生成模型对非平衡路径效应进行建模：用于傅里叶振幅谱的条件生成模型

Maxime Lacour, Pu Ren, Rie Nakata, Nori Nakata, Michael Mahoney

机构 * Department of Civil Engineering, University of California, Berkeley（加州大学伯克利分校土木工程系） ； International Computer Science Institute, Berkeley, CA 94704, USA（伯克利计算机科学研究所） ； Scientific Data Division, Lawrence Berkeley National Lab, Berkeley, CA 94720, USA（劳伦斯伯克利国家实验室科学数据部） ； Energy Geosciences Division, Lawrence Berkeley National Lab, Berkeley, CA 94720, USA（劳伦斯伯克利国家实验室能源地球科学部） ； Earthquake Research Institute, University of Tokyo, Tokyo 113-0032, Japan（东京大学地震研究所） ； Department of Earth, Atmospheric and Planetary Sciences, MIT, Cambridge, MA 02139, USA（麻省理工学院地球、大气与行星科学系） ； Department of Statistics, University of California, Berkeley, CA 94720, USA（加州大学伯克利分校统计系） 纠错

AI总结 本研究提出基于条件生成模型的深度学习方法，用于建模非平衡路径效应，实现快速且高效的傅里叶振幅谱预测。

Zero-Overhead Introspection for Adaptive Test-Time Compute

无开销的适应性测试时间计算 introspection

Rohin Manvi, Joey Hong, Tim Seyde, Maxime Labonne, Mathias Lechner, Sergey Levine

机构 * UC Berkeley（加州大学伯克利分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Liquid AI 纠错

AI总结 ZIP-RC通过无开销的实时自我反省预测奖励和成本，提升推理效率和准确性。

FedReFT: Federated Representation Fine-Tuning with All-But-Me Aggregation

FedReFT: 带有All-But-Me聚合的联邦表示微调

Fatema Siddika, Md Anwar Hossen, J. Pablo Muñoz, Tanya Roosta, Anuj Sharma, Ali Jannesari

机构 * Iowa State University（爱荷华州立大学） ； Maro Systems（Maro系统） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 FedReFT通过All-But-Me聚合方法实现联邦环境下的高效表示微调，提升参数效率和任务适应性。

FrontierMath: A Benchmark for Evaluating Advanced Mathematical Reasoning in AI

FrontierMath: 一个评估人工智能高级数学推理能力的基准

Elliot Glazer, Ege Erdil, Tamay Besiroglu, Diego Chicharro, Evan Chen, Alex Gunning, Caroline Falkman Olsson, Jean-Stanislas Denain, Anson Ho, Emily de Oliveira Santos, Olli Järviniemi, Matthew Barnett, Robert Sandler, Matej Vrzala, Jaime Sevilla, Qiuyu Ren, Elizabeth Pratt, Lionel Levine, Grant Barkley, Natalie Stewart, Bogdan Grechuk, Tetiana Grechuk, Shreepranav Varma Enugandla, Mark Wildon

机构 * Epoch AI ； University of Leicester（利兹大学） ； RWTH Aachen University（亚琛工业大学） ； King’s College London（伦敦大学国王学院） ； University of Bristol（布里斯托大学） ； Iowa State University（爱荷华州立大学） ； MIT（麻省理工学院） ； University of North Carolina（北卡罗来纳大学） ； CNRS - Université Paris-Saclay（法国国家科学研究中心-巴黎-萨克雷大学） ； University of Siegen（锡根大学） ； Knox College at Charlotte（夏洛特克恩学院） ； James Madison University（詹姆斯麦迪逊大学） ； ICMC, USP（巴西圣保罗大学ICMC分校） ； Masaryk University（马萨里克大学） ； UC Berkeley（伯克利加州大学） ； Cornell University（康奈尔大学） ； Rutgers University（罗格斯大学） ； Harvard University（哈佛大学） ； ETH Zurich（苏黎世联邦理工学院） ； Independent（独立研究者） 纠错

AI总结 FrontierMath是一个由专家数学家设计的数学问题基准，用于评估AI在高级数学推理能力上的表现，揭示了当前AI与数学界能力之间的显著差距。

Structural Reinforcement Learning for Heterogeneous Agent Macroeconomics

异质主体宏观经济学的结构强化学习

Yucheng Yang, Chiyuan Wang, Andreas Schaab, Benjamin Moll

机构 * University of Zurich and SFI（苏黎世大学和SFI） ； Peking University, School of Computer Science and BIGAI（北京大学计算机学院和BIGAI） ； UC Berkeley（加州大学伯克利分校） ； London School of Economics（伦敦经济学院） 纠错

AI总结 本文提出结构强化学习方法，用于高效求解异质主体宏观经济学模型，克服传统方法限制，实现快速全局求解。

A Decision-Theoretic Approach for Managing Misalignment

一种用于管理偏差的决策理论方法

Daniel A. Herrmann, Abinav Chari, Isabelle Qian, Sree Sharvesh, B. A. Levinstein

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Amrita Vishwa Vidyapeetham（阿米特拉维瓦大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出了一种决策理论框架，用于在不确定情况下评估人工智能代理的偏差是否足够，以决定是否委托决策。

Comments Second Conference of the International Association for Safe and Ethical Artificial Intelligence (IASEAI '26)

Let the Barbarians In: How AI Can Accelerate Systems Performance Research

让野蛮人进来：AI如何加速系统性能研究

Audrey Cheng, Shu Liu, Melissa Pan, Zhifei Li, Shubham Agarwal, Mert Cemri, Bowen Wang, Alexander Krentsel, Tian Xia, Jongseok Park, Shuo Yang, Jeff Chen, Lakshya Agrawal, Ashwin Naren, Shulu Li, Ruiying Ma, Aditya Desai, Jiarong Xing, Koushik Sen, Matei Zaharia, Ion Stoica

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出AI驱动的系统研究（ADRS）方法，通过自动化生成和评估解决方案，提升系统性能研究效率，展示其在多个案例中的有效性。

Comments arXiv admin note: substantial text overlap with arXiv:2510.06189

Selfi: Self Improving Reconstruction Engine via 3D Geometric Feature Alignment

Selfi: 通过3D几何特征对齐实现自改进的重建引擎

Youming Deng, Songyou Peng, Junyi Zhang, Kathryn Heal, Tiancheng Sun, John Flynn, Steve Marschner, Lucy Chai

机构 * Cornell University（康奈尔大学） ； Google（谷歌） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 Selfi通过特征对齐提升3D重建精度，利用VGGT输出作为伪地面真实值，实现NVS和姿态估计的高性能表现。

Comments Project Page: https://denghilbert.github.io/selfi/

AutoAdv: Automated Adversarial Prompting for Multi-Turn Jailbreaking of Large Language Models

AutoAdv：面向大语言模型多轮对抗性提示的自动化 jailbreaking

Aashray Reddy, Andrew Zagula, Nicholas Saban

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

AI总结 AutoAdv通过多轮自适应机制实现高成功率的对抗性提示攻击，揭示当前安全机制在多轮对话中的脆弱性。

Comments Presented at NeurIPS 2025 Lock-LLM Workshop. Code is available at https://github.com/AAN-AutoAdv/AutoAdv

Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization

通过粒子群优化进行非线性软执行器的分数阶建模

Wu-Te Yang, Masayoshi Tomizuka

机构 * Department of Mechanical Engineering, University of California, Berkeley, MSC Lab（机械工程系，加州大学伯克利分校，MSC实验室） 纠错

AI总结 本文提出基于分数阶微分方程和粒子群优化的软执行器建模方法，实现高精度动态行为建模，提升预测性能和系统设计的适应性。

Comments 6 pages, 4 figures

Long-range electrostatics for machine learning interatomic potentials is easier than we thought

长程静电学用于机器学习的原子间势能更简单

Dongjin Kim, 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） ； Chemical Sciences Division, Lawrence Berkeley National Laboratory, Berkeley, California, 94720, United States（伯克利国家实验室化学科学部） ； Bakar Institute of Digital Materials for the Planet, UC Berkeley, California 94720, United States（为地球数字化材料研究所） ； The Institute of Science and Technology Austria, Am Campus 1, 3400 Klosterneuburg, Austria（奥地利科学与技术研究所） 纠错

AI总结 本文提出通过两个设计原则简化长程静电学在机器学习原子间势能中的应用，表明其比传统认知更简单且更具普遍性。

mimic-video: Video-Action Models for Generalizable Robot Control Beyond VLAs

mimic-video: 用于超越VLAs的通用机器人控制的视频-动作模型

Jonas Pai, Liam Achenbach, Victoriano Montesinos, Benedek Forrai, Oier Mees, Elvis Nava

机构 * mimic robotics ； Microsoft Zurich（微软瑞士分公司） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； UC Berkeley（伯克利大学） 纠错

AI总结 mimic-video通过结合预训练的视频模型和基于流匹配的动作解码器，实现了更有效的机器人控制，提升了样本效率和收敛速度。

Comments Revised Introduction, Related Work, and Appendix. Additional minor notational and grammatical fixes

Targeted Learning for Variable Importance

针对变量重要性的学习

Xiaohan Wang, Yunzhe Zhou, Giles Hooker

机构 * Department of Statistics and Data Science（统计与数据科学系） ； Cornell University（康奈尔大学） ； Department of Biostatistics（生物统计学系） ； University of California, Berkeley（加州大学伯克利分校） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出基于目标学习框架的方法，以提高变量重要性度量的稳健性，尤其在有限样本情况下表现更优。

Comments Published in UAI '25

Posterior Behavioral Cloning: Pretraining BC Policies for Efficient RL Finetuning

后验行为克隆：为高效强化学习微调预训练BC策略

Andrew Wagenmaker, Perry Dong, Raymond Tsao, Chelsea Finn, Sergey Levine

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

AI总结 本文提出后验行为克隆策略，通过建模示范者行为的后验分布来提升强化学习微调效果。

Optimization with Access to Auxiliary Information

利用辅助信息进行优化

El Mahdi Chayti, Sai Praneeth Karimireddy

机构 * EPFL（苏黎世联邦理工学院） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出两种通用算法，利用辅助信息优化目标函数，在Hessian相似性假设下提升优化效率。

Comments Published in Transactions on Machine Learning Research (02/2024)

Journal ref Transactions on Machine Learning Research (2024)

Open Ad-hoc Categorization with Contextualized Feature Learning

开放性即需分类与上下文化特征学习

Zilin Wang, Sangwoo Mo, Stella X. Yu, Sima Behpour, Liu Ren

机构 * University of Michigan（密歇根大学） ； UC Berkeley（加州大学伯克利分校） ； Bosch Center for AI（博世人工智能中心） 纠错

AI总结 OAK通过引入上下文标记和结合CLIP与GCD目标，实现了开放性即需分类的高准确率和可解释性。

Comments 26 pages, 17 figures

Journal ref CVPR 2025

TurboDiffusion: Accelerating Video Diffusion Models by 100-200 Times

TurboDiffusion：通过100-200倍加速视频扩散模型

Jintao Zhang, Kaiwen Zheng, Kai Jiang, Haoxu Wang, Ion Stoica, Joseph E. Gonzalez, Jianfei Chen, Jun Zhu

机构 * Tsinghua University（清华大学） ； Shengshu Technology（盛舒科技） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 TurboDiffusion通过低比特注意力、步骤蒸馏和W8A8量化等技术，实现视频扩散模型100-200倍加速并保持视频质量。

DiscoverDCP: A Data-Driven Approach for Construction of Disciplined Convex Programs via Symbolic Regression

DiscoverDCP: 一种基于数据的构造 disciplined convex programs 方法 via 符号回归

Sveinung Myhre

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） 纠错

AI总结 DiscoverDCP 通过符号回归与 DCP 规则结合，构建可验证的凸模型，用于系统辨识和安全关键任务。

Comments 6 pages, 2 figures. Code available at https://github.com/svemyh/DiscoverDCP

Models That Prove Their Own Correctness

能证明自身正确性的模型

Noga Amit, Shafi Goldwasser, Orr Paradise, Guy Rothblum

机构 * UC Berkeley（伯克利大学） ； Apple（苹果公司） 纠错

AI总结 本文提出Self-Proving模型，通过交互证明技术确保模型输出的正确性，并设计了两种学习方法。

Comments NeurIPS 2025

FrontierCS: Evolving Challenges for Evolving Intelligence

FrontierCS: 蒸馏智能面临的挑战

Qiuyang Mang, Wenhao Chai, Zhifei Li, Huanzhi Mao, Shang Zhou, Alexander Du, Hanchen Li, Shu Liu, Edwin Chen, Yichuan Wang, Xieting Chu, Zerui Cheng, Yuan Xu, Tian Xia, Zirui Wang, Tianneng Shi, Jianzhu Yao, Yilong Zhao, Qizheng Zhang, Charlie Ruan, Zeyu Shen, Kaiyuan Liu, Runyuan He, Dong Xing, Zerui Li, Zirong Zeng, Yige Jiang, Lufeng Cheng, Ziyi Zhao, Youran Sun, Wesley Zheng, Meiyuwang Zhang, Ruyi Ji, Xuechang Tu, Zihan Zheng, Zexing Chen, Kangyang Zhou, Zhaozi Wang, Jingbang Chen, Aleksandra Korolova, Peter Henderson, Pramod Viswanath, Vijay Ganesh, Saining Xie, Zhuang Liu, Dawn Song, Sewon Min, Ion Stoica, Joseph E. Gonzalez, Jingbo Shang, Alvin Cheung

机构 * UC Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学） ； UCSD（加州大学圣迭戈分校） ； X-camp Academy（X-camp学院） ； Georgia Tech（佐治亚理工学院） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Nanyang Technological University（南洋理工大学） ； University of Toronto（多伦多大学） ； UIUC（伊利诺伊大学香槟分校） ； University of Michigan（密歇根大学） ； New York University（纽约大学） ； MIT（麻省理工学院） 纠错

AI总结 FrontierCS是一个针对未知最优解的计算机科学开放性问题基准测试，旨在评估模型在算法和研究任务中的推理能力，发现现有模型在复杂问题上仍需提升。

Comments Code with instruction: https://github.com/FrontierCS/Frontier-CS

A Gaussian Parameterization for Direct Atomic Structure Identification in Electron Tomography

一种高斯参数化方法用于电子断层扫描中直接原子结构识别

Nalini M. Singh, Tiffany Chien, Arthur R. C. McCray, Colin Ophus, Laura Waller

机构 * Department of Electrical Engineering and Computer Science, University of California, Berkeley（电气工程与计算机科学系，加州大学伯克利分校） ； Department of Materials Science, Stanford University（材料科学系，斯坦福大学） 纠错

AI总结 本文提出了一种基于高斯参数化的电子断层扫描方法，直接求解原子位置和属性，提升对实际成像伪影的鲁棒性，适用于材料表征和TEM分析。

Comments Published in ICCP 2025. 14 pages, 10 figures. Keywords: Atomic electron tomography, Gaussian splatting

EVICPRESS: Joint KV-Cache Compression and Eviction for Efficient LLM Serving

EVICPRESS: 多存储层级的KV缓存联合压缩与驱逐以提高LLM服务效率

Shaoting Feng, Yuhan Liu, Hanchen Li, Xiaokun Chen, Samuel Shen, Kuntai Du, Zhuohan Gu, Rui Zhang, Yuyang Huang, Yihua Cheng, Jiayi Yao, Qizheng Zhang, Ganesh Ananthanarayanan, Junchen Jiang

机构 * University of Chicago（芝加哥大学） ； UC Berkeley（伯克利大学） ； Tensormesh, Inc.（Tensormesh公司） ； MIT（麻省理工学院） ； UC Santa Cruz（圣克拉拉大学） ； Stanford（斯坦福大学） ； Microsoft（微软公司） 纠错

AI总结 EVICPRESS通过联合优化KV缓存压缩与驱逐策略，提高LLM服务效率，实现更低延迟和高质量生成。

Vibe Spaces for Creatively Connecting and Expressing Visual Concepts

通过 vibe 空间创造性连接和表达视觉概念

Huzheng Yang, Katherine Xu, Andrew Lu, Michael D. Grossberg, Yutong Bai, Jianbo Shi

机构 * UPenn（宾夕法尼亚大学） ； CUNY（纽约大学） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 Vibe Space 通过学习低维测地线实现视觉概念的创造性连接与表达，生成更具创造性和连贯性的混合体。

Comments Project page: https://huzeyann.github.io/VibeSpace-webpage/

Worth Their Weight: Randomized and Regularized Block Kaczmarz Algorithms without Preprocessing

值得其重量：无需预处理的随机化和正则化块Kaczmarz算法

Gil Goldshlager, Jiang Hu, Lin Lin

机构 * Department of Mathematics, UC Berkeley（数学系，加州大学伯克利分校） ； Applied Mathematics and Computational Research Division, Lawrence Berkeley National Laboratory（应用数学与计算研究部，劳伦斯伯克利国家实验室） 纠错

AI总结 本文提出ReBlocK算法，通过正则化改进随机块Kaczmarz方法，有效处理不一致问题并优于传统方法。

Comments 36 pages, 14 figures

Improving Slow Transfer Predictions: Generative Methods Compared

提升慢速传输预测：生成方法的比较

Jacob Taegon Kim, Alex Sim, Kesheng Wu, Jinoh Kim

机构 * University of California, Berkeley（加州大学伯克利分校） ； Texas A\&M University（德克萨斯农工大学） 纠错

AI总结 本研究通过比较生成方法与传统过采样技术，发现即使使用先进算法如CTGAN，也无法显著提升数据传输性能预测的准确性。