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

Control Barrier Corridors: From Safety Functions to Safe Sets

控制屏障走廊：从安全函数到安全集

Ömür Arslan, Nikolay Atanasov

机构 * Department of Mechanical Engineering, Eindhoven University of Technology（埃因霍温理工大学机械工程系） ； Department of Electrical and Computer Engineering, 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 本文提出控制屏障走廊概念，通过统一控制屏障函数与安全运动走廊方法，实现安全目标选择与持续路径跟随。

Comments 12 pages, 6 figures, an extended preprint version of a conference paper

SLER-IR: Spherical Layer-wise Expert Routing for All-in-One Image Restoration

SLER-IR：面向全功能图像修复的球面层级专家路由

Peng Shurui, Xin Lin, Shi Luo, Jincen Ou, Dizhe Zhang, Lu Qi, Truong Nguyen, Chao Ren

机构 * Sichuan University（四川大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Insta360 Research（Insta360研究） 纠错

AI总结 SLER-IR通过球面层级专家路由和全局-局部粒度融合模块，在图像修复中提升退化处理的准确性和一致性。

PixARMesh: Autoregressive Mesh-Native Single-View Scene Reconstruction

PixARMesh: 基于自回归的单视图场景重建

Xiang Zhang, Sohyun Yoo, Hongrui Wu, Chuan Li, Jianwen Xie, Zhuowen Tu

机构 * UC San Diego（加州大学圣地亚哥分校） ； Lambda, Inc.（Lambda公司） 纠错

AI总结 PixARMesh通过自回归方法从单张图像生成高质量3D场景网格，实现统一模型中的布局与几何联合预测，提升重建精度与实用性。

Comments CVPR 2026. Project Page: https://mlpc-ucsd.github.io/PixARMesh

Towards Autonomous Mathematics Research

迈向自主数学研究

Tony Feng, Trieu H. Trinh, Garrett Bingham, Dawsen Hwang, Yuri Chervonyi, Junehyuk Jung, Joonkyung Lee, Carlo Pagano, Sang-hyun Kim, Federico Pasqualotto, Sergei Gukov, Jonathan N. Lee, Junsu Kim, Kaiying Hou, Golnaz Ghiasi, Yi Tay, YaGuang Li, Chenkai Kuang, Yuan Liu, Hanzhao Lin, Evan Zheran Liu, Nigamaa Nayakanti, Xiaomeng Yang, Heng-Tze Cheng, Demis Hassabis, Koray Kavukcuoglu, Quoc V. Le, Thang Luong

机构 * UC Berkeley（伯克利大学） ； Brown University（布朗大学） ； Yonsei University（延世大学） ； Concordia University（Concordia 大学） ； Korea Institute for Advanced Study（韩国高级研究院） ； UC San Diego（圣地亚哥大学） ； Caltech（加州理工学院） 纠错

AI总结 Aletheia是一个能够自主生成、验证和修订数学解决方案的代理，展示了AI在数学研究中的应用，包括生成研究论文和解决开放问题。

Comments 42 pages, updated with summary of FirstProof results. Accompanied blog post https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/

RM-R1: Reward Modeling as Reasoning

RM-R1: 作为推理的奖励建模

Xiusi Chen, Gaotang Li, Ziqi Wang, Bowen Jin, Cheng Qian, Yu Wang, Hongru Wang, Yu Zhang, Denghui Zhang, Tong Zhang, Hanghang Tong, Heng Ji

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； Texas A&M University（德克萨斯A&M大学） ； Stevens Institute of Technology（史蒂文斯理工学院） 纠错

AI总结 RM-R1通过将奖励建模作为推理任务，提升模型的可解释性和性能，实验证明其在多个基准测试中表现优于现有模型。

Comments ICLR 2026