高校专区
通过秩上的反射扩散学习排列分布
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出Soft-Rank Diffusion框架，通过将排列松弛为软秩实现平滑扩散，并引入上下文广义Plackett-Luce去噪器，在排序和组合优化任务上优于现有扩散方法。
Comments 18 pages including the appendix, 7 figures, 9 tables, Accepted at ICML 2026
SkillsBench: 基准测试智能体技能在不同任务中的有效性
机构 * BenchFlow ； OSU ； Amazon ； UC Berkeley ； UC Santa Cruz ； UC Davis ； Dartmouth ； RLWRLD ； Independent ； Princeton University ； Oxford University ； Stanford University ； USC ； CMU ； Foxconn ； Zenity ； UNSW ； UT Austin ； MSU ； Duke University ； ByteDance ； UT Dallas ； UC San Diego ； Columbia University ； University of Rochester ； Cornell Tech ； Georgia Tech ； Cornell University ； NEU ； UCLA ； Snap Inc. ； Fanshawe College ； University of Science and Technology of China ； HKUST(GZ) ； Anyscale
AI总结 提出SkillsBench基准，包含8领域87个任务，通过配对评估证明技能提升平均通过率16.6个百分点，小模型配备技能可匹敌大模型。
SorryDB: AI证明者能完成现实世界的Lean定理吗？
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出动态更新的基准SorryDB，包含78个GitHub上的现实形式化项目，评估AI证明者在复杂依赖下的能力，发现当前方法互补，基于Gemini Flash的智能体方法表现最佳。
检测孟加拉语模因中的仇恨和煽动性内容：一个新的多模态数据集和共注意力框架
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
AI总结 针对孟加拉语模因中仇恨和煽动性内容检测的研究空白，构建了首个区分煽动性内容与直接仇恨言论的数据集Bn-HIB，并提出多模态共注意力融合模型MCFM，通过联合分析视觉和文本特征实现更准确分类。
Comments Added public link to dataset and fixed typo in abstract
ToaSt: 面向高效ViT的令牌通道选择与结构化剪枝
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出ToaSt框架，对多头自注意力模块进行耦合头结构化剪枝，对前馈网络采用训练无关的令牌通道选择方法，在多种ViT模型上实现精度与效率的优越平衡。
Comments Accepted at ICML 2026
用于四肢瘫痪用户居家移动操作的双侧高密度肌电控制
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
AI总结 针对颈椎脊髓损伤用户，提出双侧高密度肌电（HDEMG）前臂袖套，结合共享自主框架实现实时手势控制移动操作器，经12天居家研究验证日常任务有效性。
Comments 17 pages, 20 figures
幻觉的统一定义：是世界模型的问题，笨蛋！
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出幻觉的统一定义，即用户可观察到的错误内部世界建模，并连接至HalluWorld基准测试，以区分真实幻觉与规划或奖励错误。
Comments ICML 2026. HalluWorld benchmark at https://github.com/DegenAI-Labs/HalluWorld
用于可微优化的全一阶层
机构 * University of California, Berkeley（加州大学伯克利分校） ； DeepMind（深度思维）
AI总结 提出一种仅使用一阶信息计算梯度的算法，通过将可微优化重写为双层优化并引入活动集拉格朗日超梯度方法，避免Hessian计算，实现高效近似。
Comments ICML 2026
INFER：学习受限汽车座舱的隐式神经频率响应场
机构 * Harvard University（哈佛大学） ； University of Cambridge（剑桥大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出INFER框架，通过频域神经隐式模型联合学习源和接收器位置、方向下的复值频率响应场，引入端到端前向模型、感知谱监督和Kramers-Kronig约束，在汽车座舱数据上显著降低幅度和相位重建误差。
耦合随机微分方程的语义编辑
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出耦合随机微分方程（coupled SDEs）引导预训练生成模型的采样过程，无需重新训练即可实现高提示保真度和近像素级一致性的语义编辑。
DAL：一种面向分段平稳赌博机的实用无先验黑盒框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出检测增强学习（DAL）框架，无需非平稳性先验知识，将任意最优静态赌博机算法与变化检测器结合，在多种非平稳场景下超越现有方法。
Comments 28 pages, 12 figures
银河系中心过量辐射源的能谱分布
机构 * Department of Astrophysics, University of Vienna（维也纳大学天体物理系） ； Theory Group, Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室理论组） ； Berkeley Center for Theoretical Physics, University of California（加州大学伯克利分校理论物理中心） ； University of California, Berkeley（加州大学伯克利分校） ； Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室）
AI总结 利用基于神经网络模拟的推理方法联合分析空间和能谱数据，发现银河系中心过量辐射若由点源贡献，所需源数量比之前估计高两个数量级，支持其可能为暗物质湮灭产生的弥散辐射。
Comments 7+22 pages, 2+22 figures; v2: journal version
CLoVE: 通过损失向量嵌入聚类的个性化联邦学习
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出CLoVE算法，利用客户端损失向量嵌入进行聚类，实现个性化联邦学习，具有简单、适用监督和无监督任务、无需最优模型初始化等优点，理论证明可高概率准确恢复聚类并指数收敛。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026); 35 pages, 7 figures
公海航行智能航行模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Munich（慕尼黑技术大学）
AI总结 提出首个智能航行模型（ISM），模拟遵守海上交通规则的船舶，结合模型预测控制实现航点跟踪，在交互仿真中达到约97%的目标到达率且无碰撞。
传统机器学习 vs. 深度学习在蛋白质三维折叠动态图表示中的蛋白质结构分类任务
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本研究比较了传统机器学习与深度学习在基于动态蛋白质结构网络进行蛋白质结构分类时的准确性和效率，发现两者准确性相近但深度学习慢10倍以上。
Comments Main paper: 16 pages, 4 figures, and 1 table; Supplementary information: 13 pages, 9 figures
FedRot-LoRA: 缓解联邦LoRA中的旋转偏移
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出FedRot-LoRA框架，通过正交变换对齐客户端更新以减少子空间不匹配，提升联邦LoRA在异质数据下的性能。
Comments ICML 2026
计划在哪里？通过轻量级机制干预定位语言模型中的潜在规划
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 通过押韵对句补全任务，使用线性探针和激活修补方法，研究语言模型在生成过程中是否形成并因果依赖未来约束的潜在规划，发现仅Gemma-3-27B模型存在因果依赖，并定位到五个注意力头。
Comments 13 pages, 20 figures, 3 tables. Accepted to Workshop on Mechanistic Interpretability @ ICML 2026
面向时间动作分割的边界中心剪辑预算主动学习
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出B-ACT框架，通过边界中心监督策略，在有限标注预算下优先标注动作边界帧，显著提升时间动作分割的标签效率，在多个数据集上超越现有方法。
NeST: 面向LLM安全的神经元选择性调优
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出NeST框架，通过激活探测识别安全相关前馈神经元并训练共享簇级更新，仅用普通恶意提示即可泛化防御多种越狱攻击，在14个模型上以极少参数实现接近全微调的鲁棒性。
泊松变分自编码器中信息处理的代谢成本
机构 * Redwood Center for Theoretical Neuroscience（理论神经科学红木中心） ； UC Berkeley（伯克利大学）
AI总结 通过泊松变分自编码器，发现KL散度项与先验发放率成正比，产生代谢成本项，从而在编码保真度和能量消耗之间实现权衡。
Comments Published in CCN 2026 Proceedings: https://doi.org/10.32470/6ff31r0
重新思考LLM强化学习中的信任区域
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学）
AI总结 针对PPO在LLM微调中因词表大导致的训练不稳定问题，提出基于策略散度直接约束的DPPO算法，并引入高效近似方法。
残差上下文扩散语言模型
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出残差上下文扩散（RCD）模块，通过回收丢弃令牌的上下文残差提高扩散语言模型的解码效率，在长/短CoT任务上以极少额外计算提升准确率4-11个百分点。
WOMBET：基于世界模型的经验迁移实现鲁棒且样本高效的强化学习
机构 * Hybrid Robotics, UC Berkeley（混合机器人技术，伯克利大学）
AI总结 提出WOMBET框架，通过源任务中学习世界模型并生成不确定性惩罚的离线数据，再结合自适应采样进行在线微调，实现鲁棒且样本高效的强化学习迁移。
Comments 13 pages, 6 figures, 8th Annual Learning for Dynamics & Control Conference (L4DC)
GLIDE：未知环境下的空地协同搜索与救援框架
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出GLIDE框架，通过两架无人机与一辆无人地面车协同，实现未知环境中的快速受害者定位和障碍物感知导航，利用角色分离和地形侦察提升救援效率。
CRAG: 3D生成模型能否辅助3D装配？
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出CRAG方法，将3D装配与形状生成联合优化，通过生成完整形状和预测部件姿态实现相互增强，在多种几何、部件数和缺失情况下达到最优性能。
Comments 15 pages, 8 figures
多轮交互中的安全隐患：工具使用智能体的多轮安全风险基准与防御
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 提出多轮工具使用安全基准MT-AgentRisk，发现多轮设置下攻击成功率平均增加16%，并设计无训练、与工具无关的自探索防御方法ToolShield，平均降低30%攻击成功率。
图上的广义薛定谔桥
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出GSBoG框架，通过似然优化学习图上可控连续时间马尔可夫链策略，满足端点边际分布并优化中间状态成本，实现可扩展的拓扑感知运输。
通过序贯蒙特卡洛实现高效随机优化
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对梯度难以计算的优化问题，提出用序贯蒙特卡洛（SMC）采样器替代昂贵的内采样循环，实现高效随机优化，并在能量模型奖励调优中验证有效性。
Comments Accepted to ICML 2026
批量校准的置信模糊集：样本外污染下的快速、可处理决策
机构 * University of Bristol（布里斯托大学） ； University of Cambridge（剑桥大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Oxford（牛津大学）
AI总结 提出批量校准置信模糊集，通过分离批量内污染和尾部贡献，得到闭式有限风险目标，转化为线性或二阶锥规划，实现高效鲁棒优化。
Comments Accepted for publication (spotlight) at ICML 2026
PLaID++: 一种用于定向无机材料设计的偏好对齐语言模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 提出PLaID++，通过对称性感知的Wyckoff文本表示和温度缩放熵正则化，结合可验证奖励的强化学习，实现稳定、新颖且满足空间群属性的晶体生成，比先前方法效率提高约50%。
Comments Code available at https://github.com/andaero/PLaID, model weights at https://huggingface.co/HOPE-Lab-HMC/PLaID
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