When Distance Distracts: Representation Distance Bias in BT-Loss for Reward Models
当距离干扰：BT损失中表示距离偏差对奖励模型的影响
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 分析BT损失中表示距离导致的梯度偏差，提出NormBT自适应归一化方案，提升奖励模型在细粒度区分上的性能。
Comments ICML 2026
高校专区
University of California, Berkeley（加州大学伯克利分校）
MMD Guidance: Training-Free Distribution Adaptation for Diffusion Models via Maximum Mean Discrepancy Guidance
MMD Guidance: 基于最大均值差异引导的无训练分布适应扩散模型
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出MMD Guidance，一种无训练方法，通过最大均值差异梯度引导扩散模型采样，实现与参考数据分布对齐，无需重新训练。
How can we assess human-agent interactions? Case studies in software agent design
如何评估人机交互？软件代理设计案例研究
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出PULSE框架，通过用户反馈和模型预测结合评估人机交互，在15k用户实验中验证其能减少40%置信区间，并揭示基准测试与真实结果的差异。
Comments ICML 2026
TruthRL: Incentivizing Truthful LLMs via Reinforcement Learning
TruthRL: 通过强化学习激励诚实的LLM
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出TruthRL框架，使用GRPO和三值奖励直接优化LLM的诚实性，减少幻觉并允许不确定时弃权，在知识密集型基准上显著提升诚实性。
Comments ICML 2026. Code: https://github.com/facebookresearch/TruthRL
Attacks on Machine-Text Detectors Retain Stylistic Fingerprints
对机器文本检测器的攻击保留风格指纹
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 研究机器文本检测器对抗攻击的局限性，提出一种同时优化不可检测性和特定人类风格的 paraphrasing 方法，发现单文档检测不可靠，需多文档分析。
Risk Comparisons in Linear Regression: Implicit Regularization Dominates Explicit Regularization
线性回归中的风险比较：隐式正则化主导显式正则化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Alphabetical order ； Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文通过实例比较线性回归中梯度下降、岭回归和随机梯度下降的有限样本风险，发现梯度下降优于岭回归，但与随机梯度下降不可比，且在某些问题中梯度下降可能更差。
Comments Accepted for presentation at the Conference on Learning Theory (COLT) 2026
FG-Attn: Leveraging Fine-Grained Sparse Attention in Video Diffusion Models
FG-Attn：在视频扩散模型中利用细粒度稀疏注意力
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对视频扩散模型中注意力层计算开销大的问题，提出FG-Attn，一种低开销的细粒度稀疏注意力机制，在MxN块粒度上跳过分数计算，实现最高2.45倍加速。
CAST: Counterfactual Labels Improve Instruction Following in Vision-Language-Action Models
CAST: 反事实标签提升视觉-语言-动作模型中的指令跟随能力
机构 * University of California Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学）
AI总结 针对VLA模型难以遵循细粒度指令的问题，提出利用视觉语言模型生成反事实标签增强数据集，提升语言基础多样性，实验表明该方法在导航和操作任务中显著提升指令跟随成功率。
Geometric Formulation of Unified Force-Impedance Control on SE(3) for Robotic Manipulators
基于SE(3)的机器人统一力-阻抗控制的几何公式化
机构 * University of California, Berkeley, USA（加州大学伯克利分校）
AI总结 提出一种在SE(3)流形上的阻抗控制框架，通过能量罐增强实现力跟踪与无源性，并解决非因果实现问题，继承SE(3)不变性以提高学习效率。
Position: The ML Community Must Build an AI-Augmented Peer-Review Ecosystem
立场：机器学习社区必须构建AI增强的同行评审生态系统
机构 * University of Amsterdam（阿姆斯特丹大学） ； University of Cambridge（剑桥大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对ML领域稿件激增导致同行评审危机，本文主张将AI辅助评审作为优先研究课题，提出利用大语言模型作为协作工具，增强事实核查、评审指导、作者改进和决策支持，并强调需要更细粒度的评审数据。
Comments 18 pages, 3 figures. Accepted (Oral) at the ICML 2026 Position Paper Track
Standard Language Ideology in AI-Generated Language
AI生成语言中的标准语言意识形态
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出一个分类法，揭示大型语言模型如何强化标准语言意识形态，导致语言变体的边缘化，并讨论其社会影响及应对建议。
Comments To appear in the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26)
Self-Mined Hardness for Safety Fine-Tuning
自我挖掘的难度用于安全微调
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出通过模型自身生成结果评估提示难度，对最难的提示进行安全微调，在Llama-3模型上将攻击成功率降至1-3%，但增加了拒绝率，通过混合良性提示可平衡性能。
Front-to-Attractors: Modifying the Front-to-Front Heuristic in Bidirectional Search
Front-to-Attractors：修改双向搜索中的Front-to-Front启发式
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出Front-to-Attractors (F2A)启发式类，通过动态维护吸引子集替代完整前沿，在保持Front-to-Front信息性的同时大幅降低计算开销，实验显示相比F2F减少最多11.2倍成对评估，平均节点扩展比F2E少4.8倍。
Causal Longitudinal Prior-Fitted Networks for Counterfactual Outcome Prediction
因果纵向先验拟合网络用于反事实结果预测
机构 * Yale University（耶鲁大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出CausalLongPFN，一种基于先验拟合的上下文预测器，通过合成因果模型预训练实现无需梯度更新的纵向反事实结果预测，在多个基准上达到与领域训练模型竞争的性能。
Comments 31 pages, 10 tables
Should Demand Models Incorporate Competitor Prices? Oblivious Learning and Algorithmic Collusion
需求模型是否应包含竞争对手价格？无知学习与算法合谋
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 研究在竞争市场中，定价算法是否应显式建模竞争对手价格，通过对比无知与知情学习策略，发现知情策略是纳什均衡且价格收敛至竞争结果，而合谋模式不稳健。
Comments Preliminary version "Oblivious Learning, Price Exploration and Collusive Dynamics" accepted at EC 2026
Position: Deployed Reinforcement Learning should be Continual
立场：部署的强化学习应该是持续的
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文主张部署的强化学习系统应持续学习，分析了部署后非平稳性的四个来源，并展示了持续RL的优势和实现方法。
Comments Accepted to the ICML 2026 Position Paper Track. See https://icml.cc/virtual/2026/poster/67195
ReSkill: Reconciling Skill Creation with Policy Optimization in Agentic RL
ReSkill：在智能体强化学习中协调技能创建与策略优化
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ReSkill框架，通过GRPO的组结构嵌入断言驱动技能创建、组内轨迹采样和自适应汤普森采样，实现技能与策略的协同进化，在多个领域超越现有方法。
Flexible Online Representation Learning Based on Similarity Matching
基于相似性匹配的灵活在线表示学习
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种基于相似性匹配的在线生物合理学习算法，能够学习稀疏移位不变表示，适用于聚类、流形平铺或稀疏编码。
Comments 6 pages, 3 figures. Originally accepted to IJCNN 2023 but not presented owing to visa issues
Turning Back Without Forgetting: Selective Backward Refinement for Parameter-Efficient Continual Learning
在不遗忘的情况下回溯：面向参数高效持续学习的选择性反向精炼
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出SABER框架，通过基于提示梯度几何和损失分布相似性的任务相关性准则，在提示型参数高效持续学习中实现受控的正向反向知识迁移，无需重放。
Comments Accepted at ICML 2026
Robust Koopman Control Barrier Filters for Safe Actor-Critic Reinforcement Learning
鲁棒Koopman控制屏障滤波器用于安全演员-评论家强化学习
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出鲁棒Koopman-CBF SAC框架，通过数据驱动学习Koopman预测器、构建提升空间中的仿射CBF约束并利用二次规划安全层实施，同时通过投影残差裕度处理近似误差，实现零约束违反或减少违规。
Comments 17 pages, 7 figures
Latent Cache Flow: Model-to-Model Communication Without Text
潜在缓存流：无需文本的模型间通信
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 提出潜在缓存流（LCF）方法，通过联合翻译和压缩键值缓存实现高效模型间通信，在上下文不同场景下比基于文本的通信准确率提高23%、速度提升8.5倍。
Comments 6 pages, 5 figures
ForcingDAS: Unified and Robust Data Assimilation via Diffusion Forcing
通过扩散强迫实现统一且稳健的数据同化：ForcingDAS
机构 * University of Michigan（密歇根大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出ForcingDAS，一种基于扩散强迫的统一数据同化框架，能够捕捉长时序依赖并减少误差积累，同时在推理时无需重新训练即可实现滤波到平滑的全谱应用。
VideoGPA: Distilling Geometry Priors for 3D-Consistent Video Generation
VideoGPA: 通过几何先验知识蒸馏实现3D一致的视频生成
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 VideoGPA通过几何先验知识蒸馏提升视频生成的3D一致性，利用数据高效的自监督框架引导视频扩散模型，显著增强时间稳定性、几何合理性与运动一致性。
Comments 8 pages, 5 figures, ICML 2026
When Do Diffusion Models learn to Generate Multiple Objects?
扩散模型何时学会生成多个物体？
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学）
AI总结 研究探讨了扩散模型在多物体生成中的局限性，发现场景复杂度比概念不平衡更关键，且低数据条件下计数任务更难学习。
Comments ICML2026
Advancing Ligand-based Virtual Screening and Molecular Generation with Pretrained Molecular Embedding Distance
通过预训练分子嵌入距离推进基于配体的虚拟筛选和分子生成
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 本文提出预训练嵌入距离作为高效替代方案，用于虚拟筛选和分子生成，展示其在结构信息捕捉和相似性测量方面的有效性。
Comments Accepted by ICML 2026 AI4Science (https://openreview.net/forum?id=HbfrCipfNl). Code and data are available
Reflection in the Dark: Exposing and Escaping the Black Box in Reflective Prompt Optimization
暗箱中的反射：在反射提示优化中揭示并逃离黑箱
机构 * University of California, Berkeley（加州大学伯克利分校） ； Huazhong University of Science and Technology（华中科技大学） ； Hefei University of Technology（合肥工业大学）
AI总结 本文提出VISTA框架，通过解耦假设生成与提示重写，实现可解释的提示优化，有效解决GEPA在缺陷种子下的性能下降问题。
Comments Accepted at ACL SRW 2026
ReTabSyn: Realistic Tabular Data Synthesis via Reinforcement Learning
ReTabSyn：通过强化学习实现真实表格数据合成
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 ReTabSyn通过强化学习优先学习条件分布，提升小数据下表格数据合成效率，优于现有基线方法。
Mobility-Embedded POIs: Learning What A Place Is and How It Is Used from Human Movement
移动性嵌入的POI：从人类移动中学习场所身份与使用方式
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ME-POIs框架，通过对比学习将大规模人类移动数据与语言模型嵌入结合，学习场所功能，并在五个地图丰富任务上超越文本或移动性单独基线。
CodeTaste: Can LLMs Generate Human-Level Code Refactorings?
CodeTaste：LLM能否生成人类级别的代码重构？
机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究LLM代理在代码重构中的能力，通过CodeTaste基准测试发现，代理在详细指定重构时表现良好，但难以自主发现人类选择的重构，提出“先提议后实现”分解可改善对齐。
NoRD: A Data-Efficient Vision-Language-Action Model that Drives without Reasoning
NoRD: 一种无需推理的高数据效率视觉-语言-动作模型
机构 * Applied Intuition ； Texas A&M University（德克萨斯大学A&M分校） ； UC Berkeley（伯克利加州大学）
AI总结 提出NoRD模型，通过无需推理标注和仅需<60%数据微调，结合Dr. GRPO算法克服难度偏差，实现与现有VLA模型相当的性能，显著降低数据与计算开销。
Comments Accepted to CVPR 2026. Code available at: https://github.com/Applied-Open-Source/nord
