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

SchGen: PCB Schematic Generation with Semantic-Grounded Code Representations

SchGen: 基于语义接地代码表示的PCB原理图生成

Qinpei Luo, Ruichun Ma, Xinyu Zhang, Lili Qiu

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Microsoft Research Asia（微软亚洲研究院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出SchGen，首个从自然语言请求生成可编辑PCB原理图的大语言模型，通过语义接地代码表示将几何驱动问题转化为语义驱动匹配任务，并构建大规模数据集，在连线准确性和功能正确性上显著优于现有方法。

Comments 19 pages, 7 figures

Grounded 3D-Aware Spatial Vision-Language Modeling

基于三维感知的空间视觉语言建模

An-Chieh Cheng, Yang Fu, Yatai Ji, Ligeng Zhu, Guanqi Zhan, Zhuoyang Zhang, Zhaojing Yang, Song Han, Yao Lu, Pavlo Molchanov, Vidya Nariyambut Murali, Jan Kautz, Xiaolong Wang, Hongxu Yin, Sifei Liu

机构 * UCSD（加州大学圣迭戈分校） ； MIT（麻省理工学院） ； NVIDIA（英伟达） 纠错

AI总结 提出GR3D模型，通过显式2D定位、隐式2D定位和单目3D定位三种互补定位能力，在单一框架内实现空间链式推理，并在定位与非定位空间基准上取得一致提升。

Comments CVPR 2026 https://www.anjiecheng.me/gr3d

mcp-proto-okn: Natural-language access to open scientific knowledge graphs through the Model Context Protocol

mcp-proto-okn：通过模型上下文协议实现对开放科学知识图谱的自然语言访问

Peter W. Rose, Benjamin M. Good, Amanda M. Saravia-Butler, Charlotte A. Nelson, James P. Balhoff, Yaphet Kebede, Patricia L. Whetzel, Christopher Bizon, Andrew I. Su, Sergio E. Baranzini

机构 * San Diego Supercomputer Center, University of California San Diego（圣地亚哥超级计算机中心，加州大学圣地亚哥分校） ； The Scripps Research Institute（斯克里普斯研究所） ； Amentum, Space Biosciences Division, NASA Ames Research Center（Amentum空间生物学部门，NASA阿姆斯研究中心） ； Mate Bioservices（Mate生物服务） ； Renaissance Computing Institute, University of North Carolina at Chapel Hill（复兴计算研究所，北卡罗来纳大学夏洛特分校） ； Weill Institute for Neurosciences, Department of Neurology, University of California San Francisco（Weill神经科学研究所，神经病学系，加州大学旧金山分校） 纠错

AI总结 提出基于模型上下文协议的服务器mcp-proto-okn，使AI助手能通过自然语言发现、查询和集成科学知识图谱，降低跨领域知识图谱分析门槛。

Comments 9 pages, 1 figure

Size Transferability of Graph Transformers with Convolutional Positional Encodings

图Transformer的尺寸可迁移性与卷积位置编码

Javier Porras-Valenzuela, Zhiyang Wang, Xiaotao Shang, Yusu Wang, Alejandro Ribeiro

机构 * Department of Electrical and Systems Engineering（电气与系统工程系） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California San Diego（圣地亚哥大学） 纠错

AI总结 通过图神经网络位置编码建立图Transformer与流形神经网络的联系，证明其在小图上训练后可泛化到大图，并在标准基准和实际地形最短路径估计任务中验证可扩展性。

ESAM++: Efficient Online 3D Perception on the Edge

ESAM++：边缘上的高效在线3D感知

Qin Liu, Lavisha Aggarwal, Saptarashmi Bandyopadhyay, Vikas Bahirwani, Marc Niethammer, Ehsan Adeli, Andrea Colaco

机构 * Stanford University（斯坦福大学） ； Google（谷歌） ； UC San Diego（圣地亚哥大学） 纠错

AI总结 提出ESAM++，一种轻量级可扩展的在线3D场景感知方法，通过3D稀疏特征金字塔网络（SFPN）在边缘设备上实现高效、准确的3D实例分割。

SkillBrew: Multi-Objective Curation of Skill Banks for LLM Agents

SkillBrew: LLM智能体技能库的多目标策展

Wentao Hu, Zhendong Chu, Yiming Zhang, Junda Wu, Ming Jin, Xiangyu Zhao, Yilei Shao, Yanfeng Wang, Qingsong Wen

机构 * City University of Hong Kong（香港城市大学） ； Squirrel Ai Learning ； University of Science and Technology of China（中国科学技术大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Griffith University（格里菲斯大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出SkillBrew框架，将技能库策展建模为带效用约束的帕累托优化问题，通过双层提议-验证循环实现技能库的精简与多样性。

Comments 16 pages. Preprint. Under review

Unveiling Multi-regime Patterns in SciML: Distinct Failure Modes and Regime-specific Optimization

揭示科学机器学习中的多机制模式：不同的失败模式与机制特定优化

Yuxin Wang, Yuanzhe Hu, Xiaokun Zhong, Xiaopeng Wang, Haiquan Lu, Tianyu Pang, Michael W. Mahoney, Yujun Yan, Pu Ren, Yaoqing Yang

机构 * Dartmouth College（达特茅斯学院） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Berkeley（加州大学伯克利分校） ； National University of Singapore（新加坡国立大学） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； International Computer Science Institute（国际计算机科学研究所） 纠错

AI总结 通过机制感知诊断框架，研究科学机器学习模型在不同超参数设置下的多机制行为，发现三种一致机制结构、优化效果的机制特异性以及精细失败模式，为提升鲁棒性提供指导。

Comments Accepted by ICML 2026