高校专区
ATN3D：面向极端稀疏性的密度感知激光雷达-雷达早期3D目标检测
机构 * University of California, Berkeley（加州大学伯克利分校） ； Tsinghua University（清华大学）
AI总结 针对远距离稀疏感知下早期融合丢失信息、通道监督不均衡的问题，提出ATN3D框架，通过密度感知融合、占用门控邻域聚合、证据条件通道自注意力和距离感知损失，在VoD数据集上显著提升远距离检测性能。
基于语料库特征扩散的繁体中文家长会自动化个别化教育计划生成
机构 * National University of Singapore（新加坡国立大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 针对繁体中文个别化教育计划（IEP）生成中数据稀缺和隐私限制问题，提出基于语料库特征扩散（CGFD）的低资源微调流程，通过种子选择、特征扩散和语法约束解码（GCD）生成高质量样本，并发现GCD在繁体中文下适得其反，无GCD路径在可靠性和速度上更优。
Comments 12 pages, 5 figures
GD-MIL：用于前列腺癌多模态生化复发预测的等级解耦多实例学习
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对前列腺癌生化复发预测，提出GD-MIL方法，通过梯度反转等级对抗训练实现H&E全切片图像特征与Gleason等级解耦，融合临床变量后C-index达0.704，显著优于临床基线。
脑提示注入：BCI-LLM代理的路径安全审计
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出路径安全审计契约，通过分离定理和共形校准量化BCI-LLM代理中脑信号注入攻击的风险，实验证明确认通道可降低路由风险。
风险厌恶型多臂赌博机中汤普森采样的渐近最优性（次高斯奖励）
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文证明了一种无锚非参数汤普森采样算法在风险厌恶型多臂赌博机中达到实例依赖的渐近最优后悔界，适用于任意连续风险泛函，且仅需连续性条件，优于先前参数方法。
Comments 10 pages, 4 figures
从可靠到表达：面向遵循评分标准的安全评判员的课程学习
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种结合动态评分标准和从可靠到表达的课程学习策略，训练安全评判员在多种评分标准下稳定评估，12B模型准确率达94.12-94.88%，跨标准方差仅0.76。
Comments Accepted to ICML 2026 Workshop on AIWILDS
基于时空图神经网络与混合检索增强的作物推荐及农业问答系统
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 提出融合时空图神经网络（STGCN）与检索增强生成（RAG）的精准农业系统，实现30天天气预报、作物推荐及农业问答，在尼泊尔1359个地点数据上STGCN预测MSE达0.011。
Comments 11 pages, 8 figures
上下文碎片化解构攻击：利用工具使用LLM代理的工件来源鸿沟
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 针对工具使用LLM代理，提出上下文碎片化解构（CFD）攻击，利用跨上下文工件来源鸿沟实现多步越狱，成功率提升高达28.3个百分点。
REFLECT: 针对LLM智能体轨迹中静默失败的干预支持错误归因
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出REFLECT方法，通过诊断候选错误步骤、使用诊断特定补丁进行受控重放测试，并利用验证结果作为对比证据来细化归因，在四个基准上取得最高定位准确率。
Stage-1 控制熵状态，而非最终结果
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 本文通过小数据实验研究两阶段后训练中Stage-1（SFT或OPD）的作用，发现其主要影响策略熵状态，但对最终性能影响有限。
SafeRun：在跑步规划中实现LLM的确定性
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 针对LLM在跑步规划中因概率性导致安全违规的问题，提出SafeRun框架，通过解耦架构将LLM的软解释与确定性求解器的硬约束分离，实现100%安全评分。
Comments Workshop on Planning in the Era of LLMs (LM4Plan) at ICML 2026
理解量化感知训练：量化权重的梯度偏向低损失盆地
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 提出统一几何框架解释后训练量化失败与量化感知训练恢复机制，揭示量化感知训练通过梯度感知谷壁使量化点返回低损失盆地。
Comments 31 pages, 10 figures
需要多少反事实？通过电路和因果效应探究VLM幻觉
机构 * University of California, Berkeley（加州大学伯克利分校） ； DeepMind（深度思维）
AI总结 本文通过定义基于对数概率差异的因果影响度量，并利用电路发现技术，研究视觉语言模型幻觉输出的反事实鲁棒性，推导出检测不稳定所需的最小反事实样本数。
RadOT-Eval：用于放射学报告评估的可审计结构化证据传输
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出RadOT-Eval框架，通过最优传输对齐结构化临床证据，在独立测试集上实现与错误负担的高斯皮尔曼相关，优于标准指标和基于LLM的评估器。
Comments 10 pages, 1 figure, 13 tables
可审计的图引导的Kubernetes事件根因分析
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Graph Traversal Agent，结合LLM推理与确定性图操作，通过类型化证据图、有界搜索和独立验证实现可审计的根因分析，在ITBench上F1从0.6087提升至0.9130。
Comments 8 pages, 1 figure. Preprint
Titans-as-a-Layer：对话语音情感识别的测试时记忆
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Memory-as-a-Layer (MAL)适配器，利用测试时神经记忆为对话语音情感识别提供上下文，在不修改大型音频语言模型的前提下提升性能。
Comments ICML 2026 Workshop on Machine Learning for Audio
用于诊断推理模型中未知未知的结构化无知证书的校准
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出结构化无知证书（SICs）输出格式，通过GRPO微调14B模型，使模型在无法回答时明确承认知识缺失并生成检索查询，在未知未知问题上实现99.46%的JSON有效性和0.967的证书特异性分数。
Comments Accepted in ICML 2026 Workshop: Epistemic Intelligence in Machine Learning
测试黑箱：面向消费者的健康大语言模型独立评估的结构性障碍
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Berkeley（加州大学伯克利分校） ； Toronto General Hospital, University Health Network（多伦多综合医院，大学健康网络） ； McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） ； Independent Researcher（独立研究者） ； Rutgers University（罗格斯大学） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）
AI总结 本研究通过模拟用户档案，测试面向消费者的健康大语言模型在响应变异和谄媚行为方面的表现，发现五大结构性障碍阻碍独立评估。
Comments 6 pages, 1 figure. Preprint submitted for review
隐藏在普通浮点数中：用于间接提示和内容注入的隐写载体
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 研究结构化浮点参数作为隐写载体绕过文本检测器实现LLM间接提示/内容注入，实验显示在最强防御下泄露ASR达94.3%。
Comments Accepted as a poster at FAGEN@ICML 2026. 14 pages, 3 figures
张量化Engram：在N-gram嵌入中共享潜在变量对大型语言模型有益
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学）
AI总结 提出张量化Engram（TN-gram），通过CP分解共享因子压缩n-gram嵌入，减少参数并避免哈希冲突，在多个任务上匹配或超越现有方法。
网格图神经网络框架加速任意几何形状的有限元仿真
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 提出网格图网络（MGN）预测任意孔洞几何2D结构的von Mises应力场，通过编码节点类型、相对边特征和全局特征实现平移和旋转不变性，在未见几何和载荷下R²≥0.97，优于传统模型。
Comments 10 pages, 6 figures, to be published. Code available at https://github.com/Josiah-Kunz/MGN-Public
基于大语言模型的时间序列预测的因果语义对齐
机构 * University of Science and Technology of China（中国科学技术大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出CVAformer框架，通过因果干预解耦变量中的动态和不变成分，消除对齐中的混杂偏差，在多种预测场景下达到或超越最先进性能。
LogNEO：基于GPT-Neo的强化学习框架用于精确实时日志异常检测
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LogNEO，利用GPT-Neo模型和基于位置感知奖励的PPO微调，在HDFS、BGL和Thunderbird基准上达到F1分数0.927、0.913和0.984，召回率比LogGPT提升6%，并在生产部署中实现45ms端到端延迟。
Comments 8 pages, 5 figures, 6 tables
变分近端策略优化
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出变分近端策略优化（VP₂O），利用粒子变分推理和专家混合架构，通过几何近端控制机制解决强化学习中的策略模式崩溃和分布漂移问题，在复杂推理任务上取得显著提升。
投票协议作为角色约束的多智能体辅导系统的协调机制
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 研究投票协议如何塑造四个角色约束的教学智能体之间的协调，通过比较四种投票协议在模拟辅导环境中的效果，发现协议选择显著影响集体决策和协调行为。
Comments Accepted to ICML 2026 Workshop on AI4Good
学习语义校准网络用于开放词汇语义分割
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出语义校准网络(SCN)，通过类消歧和logits融合模块显式建模类间语义相关性，在保持CLIP泛化能力的同时提升分割性能。
Comments Paper accepted by 11th International Conference on Intelligent Computing and Signal Processing (ICSP 2026)
PRISM：世界模型中基于先验引导的想象采样
机构 * Northeastern University（东北大学） ； University of California, Berkeley（加州大学伯克利分校） ； Qiyuan Lab（启元实验室） ； University of Florida（佛罗里达大学）
AI总结 提出PRISM框架，通过从世界模型编码器提取状态条件高斯先验，并利用精度加权高斯乘积更新规划器的采样分布，在不增加架构复杂度的情况下显著提升基于模型的连续控制性能。
X-OP: 基于MPC重定向的跨形态全身遥操作
机构 * Amazon（亚马逊） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种基于单个XR设备的层次化全身遥操作框架，通过MPC重定向联合优化操作者意图与机器人动态可行性，无需针对特定机器人重新训练策略，在仿真和实物实验中显著提升任务成功率。
Comments 9 pages, 4 figures
ROSUM-MCTS：基于蒙特卡洛树搜索的HDL代码摘要生成与结构奖励
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ROSUM-MCTS方法，利用蒙特卡洛树搜索引导大语言模型，通过分层候选扩展和复合奖励函数优化硬件描述语言代码摘要，在VHDL和Verilog数据集上优于基线方法。
Comments 7 pages
Journal ref ICLAD'2025
模因捕获：治理AI驱动的文化去权能的多元政策框架
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 提出“模因捕获”概念，指AI通过文化影响削弱人类自主性，并构建四层文化多元治理框架（CPGF），强调多元主义是结构性必需。
Comments Paper accepted in Pluralistic Alignment Workshop 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