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

2605.08678 2026-07-07 cs.LG 版本更新

MLS-Bench: A Holistic and Rigorous Assessment of AI Systems on Building Better AI

MLS-Bench：对构建更好AI的AI系统的全面且严格评估

Bohan Lyu, Yucheng Yang, Siqiao Huang, Jiaru Zhang, Qixin Xu, Xinghan Li, Xinyang Han, Yicheng Zhang, Huaqing Zhang, Runhan Huang, Kaicheng Yang, Zitao Chen, Wentao Guo, Junlin Yang, Xinyue Ai, Wenhao Chai, Yadi Cao, Ziran Yang, Kun Wang, Dapeng Jiang, Huan-ang Gao, Shange Tang, Chengshuai Shi, Simon S. Du, Max Simchowitz, Jiantao Jiao, Dawn Song, Chi Jin

机构 * UC Berkeley（伯克利大学）； Princeton University（普林斯顿大学）； Tsinghua University（清华大学）； University of Washington（华盛顿大学）； Purdue University（Purdue 大学）； Harvard University（哈佛大学）； University of Pennsylvania（宾夕法尼亚大学）； Shanghai Jiao Tong University（上海交通大学）； UC San Diego（圣地亚哥大学）； Carnegie Mellon University（卡内基梅隆大学）

AI总结提出MLS-Bench基准，包含12个领域140个任务，评估AI系统能否发明通用且可扩展的机器学习方法，发现当前智能体在方法发明上仍远逊于人类，瓶颈在于科学洞察而非单纯搜索或计算。

2511.17812 2026-07-07 cs.CV cs.AI cs.LG 版本更新

Score-Regularized Joint Sampling with Importance Weights for Flow Matching

用于流匹配的带重要性权重的分数正则化联合采样

Xinshuang Liu, Runfa Blark Li, Shaoxiu Wei, Truong Nguyen

机构 * University of California San Diego（加州大学圣地亚哥分校）

AI总结针对流匹配模型在有限采样预算下估计函数期望难的问题，提出非IID采样框架，用分数正则化平衡多样性与质量，还开发非IID流样本重要性加权方法，提升了流匹配模型输出的可靠表征。