University of California, San Diego（加州大学圣迭戈分校）

$\nabla$-Reasoner: LLM Reasoning via Test-Time Gradient Descent in Latent Space

∇-Reasoner: 通过潜在空间中的测试时间梯度下降进行LLM推理

Peihao Wang, Ruisi Cai, Zhen Wang, Hongyuan Mei, Qiang Liu, Pan Li, Zhangyang Wang

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UC San Diego（圣地亚哥大学） ； TTIC ； Georgia Tech（佐治亚理工学院） 纠错

AI总结 ∇-Reasoner通过潜在空间中的测试时间梯度下降提升LLM推理能力，实现20%以上的准确率提升并减少模型调用次数。

Comments ICLR 2026

Spinverse: Differentiable Physics for Permeability-Aware Microstructure Reconstruction from Diffusion MRI

Spinverse: 可微物理用于从扩散MRI中感知渗透性的微结构重建

Prathamesh Pradeep Khole, Mario M. Brenes, Zahra Kais Petiwala, Ehsan Mirafzali, Utkarsh Gupta, Jing-Rebecca Li, Andrada Ianus, Razvan Marinescu

机构 * University of California Santa Cruz（加州大学圣克鲁兹分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Inria-Saclay（Inria-萨克莱实验室） ； Kings College London（伦敦国王学院） 纠错

AI总结 Spinverse通过可微物理方法从扩散MRI中感知渗透性，重建微结构并优化渗透性参数以提高边界准确性和结构有效性。

Comments 10 Pages, 5 Figures, 2 Tables

Give Users the Wheel: Towards Promptable Recommendation Paradigm

让用户掌控方向：迈向可提示的推荐范式

Fuyuan Lyu, Chenglin Luo, Qiyuan Zhang, Yupeng Hou, Haolun Wu, Xing Tang, Xue Liu, Jin L. C. Guo, Xiuqiang He

机构 * McGill \& Mila - Quebec AI Institute Montreal Canada ； Shenzhen Technological University Shenzhen China ； University of California San Diego San Diego US ； McGill University Montreal Canada ； McGill \& Mila - Quebec AI Institute ； Shenzhen Technological University ； University of California San Diego ； McGill University 纠错

AI总结 本文提出DPR模型，通过解耦的可提示顺序推荐框架，使传统推荐模型能够动态利用自然语言提示优化检索过程，提升推荐效果。

In-Hand Manipulation of Articulated Tools with Dexterous Robot Hands with Sim-to-Real Transfer

手持灵活工具的灵活机器人手操作与仿真到现实迁移

Soofiyan Atar, Daniel Huang, Florian Richter, Michael Yip

机构 * Electrical and Computer Engineering Department, University of California, San Diego（加州大学圣地亚哥分校电气与计算机工程系） 纠错

AI总结 本文提出了一种通过传感器驱动改进和交叉注意机制，实现灵活机器人手在现实中的关节工具操作，提高了仿真到现实迁移的鲁棒性和泛化能力。

Variational Formulation of Particle Flow

粒子流的变分公式

Yinzhuang Yi, Jorge Cortés, Nikolay Atanasov

机构 * Contextual Robotics Institute University of California, San Diego（情境机器人研究所 加州大学圣地亚哥分校） 纠错

AI总结 本文提出了一种基于变分推断的粒子流公式，通过高斯近似和混合模型提升了模型的表达能力，并在不同维度的估计问题中验证了其有效性。

Towards a Fairer Non-negative Matrix Factorization

迈向更公平的非负矩阵分解

Lara Kassab, Erin George, Deanna Needell, Haowen Geng, Nika Jafar Nia, Aoxi Li

机构 * Department of Mathematics, California State University, Fullerton（数学系，加州州立大学，弗里蒙特分校） ； Department of Mathematics, University of California, San Diego（数学系，加州大学圣地亚哥分校） ； Department of Mathematics, University of California, Los Angeles（数学系，加州大学洛杉矶分校） ； McCormick School of Engineering Northwestern University（工程学院，西北大学） ； Department of Mathematics Amherst College（数学系，阿默斯特学院） ； Department of Industrial Engineering and Operations Research Univ. of California, Berkeley（工业工程与运筹学系，加州大学伯克利分校） 纠错

AI总结 本文提出了一种改进的非负矩阵分解方法，通过min-max公式优化公平性，同时指出公平性并非绝对，方法选择需根据具体应用调整。