高校专区
扩展非线性优化：多问题单GPU
机构 * Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） ； Department of Biosystems Science and Engineering, ETH Zürich（苏黎世联邦理工学院生物系统科学与工程系）
AI总结 提出首个基于JAX的GPU批处理NLP求解器jaxipm，通过异构迭代融合和迭代级批处理实现多问题并发求解，在四旋翼控制任务中吞吐量提升达32.85倍。
Comments 8 pages, 6 figures, ieeeconf style, submission for RA-L
轮式四足机器人竞速：基于模型预测控制的主动载荷转移缓解
机构 * University of California, Berkeley（加州大学伯克利分校） ； Politecnico di Milano（米兰理工大学）
AI总结 提出一种结合模型预测控制与强化学习的层次控制框架，通过主动侧倾控制减少轮式四足机器人自主竞速中的横向载荷转移，实现最高44%的LTR降低、8.7%的圈速提升和21.3%的侧向加速度增强。
Comments Accepted to the 17th International Symposium on Advanced Vehicle Control (AVEC 2026), 7-11 September 2026, Tsukuba, Japan
基准测试饱和之后：CORE-Bench 案例研究
机构 * Independent（独立机构） ； Princeton University（普林斯顿大学） ； UC Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院）
AI总结 针对基准测试准确率饱和问题，提出从构造效度、泛化性、效率、可靠性、模型与脚手架相对重要性及人机协作提升六个维度评估智能体，以CORE-Bench Hard为案例展示饱和后仍可获得有意义见解。
重建对齐改进统一多模态模型
机构 * UC Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； Duke University（杜克大学）
AI总结 提出重建对齐（RECA），一种资源高效的后训练方法，利用视觉理解编码器嵌入作为密集文本提示，通过自监督重建损失对齐理解与生成，显著提升多种统一多模态模型的生成和编辑性能。
Comments 43 pages, 36 figures and 14 tables; accepted by ICLR 2026
OpenThoughts-Agent: 智能体模型的数据配方
机构 * UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； JSC（于利希超级计算中心） ； LAION ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Bespoke Labs ； Laude Institute ； UCLA（加州大学洛杉矶分校） ； Harvard University & Harvard Medical School（哈佛大学与哈佛医学院） ； TU Munich & Munich Center for Machine Learning（慕尼黑工业大学与慕尼黑机器学习中心） ； New York University（纽约大学） ； Medical University of South Carolina（南卡罗来纳医科大学） ； The LLM Data Company ； BenchFlow ； Independent Researcher（独立研究员） ； Northeastern University（东北大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学） ； TU Darmstadt（达姆施塔特工业大学） ； University of Southern California（南加州大学） ； UC San Diego（加州大学圣地亚哥分校） ； Amazon（亚马逊） ； Microsoft（微软） ； Korea University（高丽大学） ； Cornell Tech（康奈尔科技） ； University of Michigan（密歇根大学）
AI总结 提出全开放数据筛选流水线，通过100多次消融实验研究任务来源与多样性，构建10万样本训练集，在7个智能体基准上平均44.8%准确率，较最强开源模型提升3.9个百分点。
对话到发现：面向对话式产品搜索助手的属性感知偏好引导
机构 * Adobe Research（Adobe研究院） ； Microsoft Research（微软研究院） ； UC Berkeley（伯克利大学）
AI总结 提出属性导向的偏好引导框架D2D，动态利用产品属性结构高效引导对话，在模拟对话中目标发现准确率提升22.2-29.9%，放弃率降低6.6-16.1%，平均对话缩短27.5%。
AsyncOPD：同策略蒸馏可以有多陈旧？
机构 * FuriosaAI ； Ajou University（亚洲大学） ； UC Berkeley（加州大学伯克利分校） ； Microsoft Research（微软研究院） ； KRAFTON ； Ludo Robotics
AI总结 研究异步同策略蒸馏中陈旧数据的影响，发现前向KL对陈旧更鲁棒，反向KL脆弱但可通过重算信号缓解，并提出AsyncOPD框架实现1.6-3.8倍加速。
Comments Code: https://github.com/furiosa-ai/async-opd
通过约束流形控制实现安全且可泛化的分层多智能体强化学习
机构 * University of California, Berkeley（加州大学伯克利分校） ； The Alan Turing Institute（艾伦·图灵研究所）
AI总结 提出分层多智能体强化学习框架，低层通过约束流形强制执行硬安全约束，高层学习协调策略，实现理论安全保证、稳定训练和高效泛化。
Comments 10 pages
KLip-PPO：基于逐样本KL视角的PPO-Clip
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文通过逐样本KL散度惩罚重新表述PPO-Clip，证明其梯度与KL惩罚等价，并揭示了裁剪替代目标中隐含的逐样本惩罚系数结构，为算法泛化提供了新设计方向。
自我识别微调可以预防和逆转突现性失调
机构 * George Washington University（乔治·华盛顿大学） ； Google（谷歌） ； UC Berkeley（伯克利大学）
AI总结 通过自我生成文本识别微调作为角色定向干预，在GPT-4.1等模型上实验发现，该方法能有效预防和逆转突现性失调，且预防效果优于其他干预。
Comments 18 pages, 11 figures
TEXEDO：面向控制器感知的语言条件人形运动生成的测试时缩放
机构 * Nanjing University（南京大学） ； University of California, Berkeley（加州大学伯克利分校） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出TEXEDO框架，在测试时从预训练生成器中采样多个候选运动，通过动态可行性验证和语义对齐验证选择可执行且任务对齐的最佳运动，提升人形机器人运动生成质量。
优化 Lean 中智能定理证明器的成本-质量权衡
机构 * University of Washington（华盛顿大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种包含数据平面和控制平面的动作路由智能体，通过观察失败轨迹并估计成功概率与成本来动态决定继续证明或重新分解，在 PutnamBench 子集上平均降低 25.8% 成本且保持性能。
生成式规划模型的高效测试时推理
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 本文提出一种改进的开放-封闭列表搜索算法，结合生成模型和启发式模型，在测试时高效推理，提升生成式规划模型的解质量和计算效率。
深度非线性网络中的鞍点逃逸理论
机构 * Department of Physics（物理系） ； University of California, Berkeley（加州大学伯克利分校） ； Department of Neuroscience（神经科学系） ； Redwood Center（红木中心）
AI总结 本文提出深度非线性网络中鞍点逃逸的理论，通过分析权重矩阵的Frobenius范数不平衡性，将激活函数分为四类，并推导出关键深度逃逸时间规律。
连接语言与行动：语言引导的机器人操作综述
机构 * Technical University of Munich（慕尼黑技术大学） ； Corporate Research, Robert Bosch GmbH（罗伯特·博世集团企业研究部） ； University of California Berkeley（加州大学伯克利分校） ； Microsoft（微软） ； Google DeepMind（谷歌DeepMind） ； Carnegie Mellon University（卡内基梅隆大学） ； Imperial College London（伦敦帝国理工学院） ； Princeton University（普林斯顿大学） ； University of Southern California（南加州大学） ； Sun Yat-sen University（中山大学） ； University of Michigan（密歇根大学） ； Institute for Artificial Intelligence, University of Stuttgart（斯图加特大学人工智能研究所） ； The State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室）
AI总结 本文综述了语言引导的机器人操作领域，探讨了语言如何与机器人系统整合，分析了现有方法的分类及最新进展，指出关键争议和未来研究方向。
一种快速有效的欧几里得反聚类方法：基于分配的反聚类算法
机构 * Department of Business Administration, University of Bern（伯尔尼大学商学院） ； Riverside County Office of Education（河滨县教育局） ； Industrial Engineering and Operations Research Department, University of California, Berkeley（加州大学伯克利分校工业工程与运筹学系）
AI总结 提出基于分配的反聚类算法（ABA），通过将反聚类转化为分配问题，实现百万级数据点、数十万反聚类的快速求解，在解质量和运行时间上均优于现有方法。
ParallelBench: 理解扩散大语言模型中并行解码的权衡
机构 * FuriosaAI ； UW-Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） ； UC Berkeley（加州大学伯克利分校） ； Seoul National University（首尔国立大学） ； KRAFTON ； Ludo Robotics Project（Ludo机器人项目）
AI总结 针对扩散LLM并行解码导致生成质量下降的问题，通过信息论分析和合成实验揭示其根本限制，并提出首个专门基准ParallelBench，系统评估发现并行解码在现实任务中质量损失严重，且现有策略无法根据任务难度调整并行度。
Comments Accepted at ICLR 2026. Project Page: https://parallelbench.github.io
CoorDex: 协调身体与手部先验以实现连续灵巧类人运动操作
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校）
AI总结 提出CoorDex学习框架，通过将高维身体和灵巧手控制转化为协调的潜在残差控制，实现类人机器人在运动中执行灵巧操作，如不停顿抓取瓶子、移动中开冰箱门等。
Comments Project page: https://skevinci.github.io/coordex/
通过成功访问匹配学习过程奖励以实现高效强化学习
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 针对稀疏奖励导致的信用分配难题，提出通过判别器区分成功/失败轨迹，生成密集过程奖励以匹配成功访问分布，在不改变最优策略下加速机器人控制策略微调。
RLVR 相对于 SFT 在推理模型中的可证明优势：学习高效回溯
机构 * Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文从理论上证明，在推理任务中，基于可验证奖励的强化学习（RLVR）相比监督微调（SFT）能学习高效回溯，从而在推理时计算上实现指数级优势。
Libretto：赋予LLM智能体音乐结构感
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出Libretto框架，通过LLM原生语法（显式起始槽、声部、小节组织）和基于语料库的统计评估（节奏、和声、旋律等），实现符号音乐的生成、诊断与迭代自修正，将符号音乐转化为可测量、可编辑的对象。
Any-Body Guard: 通过动作掩蔽实现操作策略的通用安全保障
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出X-Safe方法，在机器人配置空间中直接推理，提供碰撞避免的形式化概率保证，无需额外数据或工程适配即可跨实体迁移。
Revelio: 面向仓库级代码库的高性价比智能体内存安全漏洞检测
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出Revelio框架，通过生成可执行漏洞证明并用确定性消毒器验证，结合低成本LLM和轻量静态分析，在仓库级代码库中高效发现内存安全漏洞，7个项目中19个新漏洞，成本约300美元。
Mat-Pref: 可验证奖励训练提升无机材料中的组合推理能力
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学）
AI总结 提出Mat-Pref基准，通过可验证奖励强化学习（GRPO）提升无机材料组合推理，在结构泛化和属性迁移上超越大模型。
Comments 10 pages, 4 figures, Accepted at ICML AI4Physics 2026 Workshop
ChainWorld: 从原子OSWorld任务组合成长时桌面工作负载
机构 * Scale AI ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 提出ChainWorld，通过方向兼容性搜索将原子OSWorld任务组合成长时桌面工作负载，包含347条长度为2-4的任务链，评估四种智能体，最高完成率31%，揭示单轮与多轮评估的不同失败模式。
通过观测-动作规范化实现姿态无关的机器人功能性抓取
机构 * Tsinghua University（清华大学） ； Amazon（亚马逊） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出AnyMug框架，通过观测-动作规范化将深度观测和末端执行器动作转换到物体中心坐标系，训练单一闭环策略实现零样本迁移的功能性抓取，在模拟和真实机器人上均取得高成功率。
揭秘LLM推理中的数值不稳定性：使用HEAL实现关键任务的可复现推理
机构 * UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对LLM在关键任务中因16位精度导致输出不一致的问题，提出HEAL方法，通过INT16量化和代数误差补偿，在保持FP32精度的同时减少性能开销。
内在奖励何时对代码推理有效？一项全面研究
机构 * Purdue University（普渡大学） ； UC Berkeley（加州大学伯克利分校） ； UC Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 通过系统实验，发现基于确定性的内在奖励方法在代码生成中早期有效但最终导致模型崩溃，且作为RLVR预训练无显著优势，并给出实用建议。
Comments 18 pages, 45 figures
基于动态多智能体深度强化学习的多模式交通网络定价与激励方法
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Denmark（丹麦技术大学）
AI总结 提出多智能体深度强化学习框架，通过动态定价和激励策略协调公共交通与共享出行服务，平衡效率、公平与收益，实验表明可降低通勤成本20%、排放10%并提升公平性。
用于交换代数中稀疏奖励搜索的分层强化学习
机构 * California Institute of Technology（加州理工学院） ； Temple University（天普大学） ； University of Kansas（堪萨斯大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对数学猜想验证中的奖励稀疏问题，提出基于约束选项的分层强化学习框架，结合等变图神经网络策略，在交换代数问题中首次应用HRL并优于经典RL和贪心搜索。
Comments 21 pages, 15 figures, 3 tables. Accepted at ICML 2026
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