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

Spider 2.0-AIFunc: Extending Real-World Text-to-SQL to AI-Native SQL Workflows

Spider 2.0-AIFunc：将现实世界的文本到SQL扩展到人工智能原生SQL工作流程

Tianyang Liu, Canwen Xu, Fangyu Lei, Nikki Lijing Kuang, Jixuan Chen, Tao Yu, Julian McAuley, Zhewei Yao, Yuxiong He

机构 * UC San Diego（加州大学圣地亚哥分校） ； Snowflake AI Research（Snowflake人工智能研究院） ； University of Hong Kong（香港大学） 纠错

AI总结 研究针对现有文本到SQL基准无法评估模型生成人工智能原生SQL能力的问题，构建Spider 2.0-AIFunc基准，经特定管道和多轮验证，评估十个先进语言模型，发现准确率差距及传统代理框架转移无效等情况。

Comments 24 pages, 3 figures, 7 tables

RoboTALES: Learning Reasoning-Guided Robot Policies via Task-Aligned Simulated Futures

RoboTALES：通过任务对齐的模拟未来学习推理引导的机器人策略

Hanan Gani, Tejal Kulkarni, Madhoolika Chodavarapu, Nicklas Hansen, Manmohan Chandraker

机构 * University of California, San Diego（加利福尼亚大学圣地亚哥分校） 纠错

AI总结 针对预训练视频生成模型用于机器人策略规划的局限，提出RoboTALES框架，通过基于分层语言模型的规划器和基于视觉语言模型的评论家两大创新，学习任务对齐的模拟未来以训练机器人策略，在多样操纵任务中表现优于现有方法。

Comments Accepted at ECCV 2026

Plainbook: Data Science, in Plain Language

Plainbook：用通俗易懂的语言进行数据科学

Luca de Alfaro, Mathis Aubert, Ranjit Jhala, Eliana Pastor, Elena Baralis

机构 * University of California Santa Cruz（加州大学圣克ruz分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Politecnico di Torino（托里诺理工学院） 纠错

AI总结 为让更多不懂代码的科学家参与数据分析计算，提出Plainbook，以自然语言为中心，基于促进自然语言描述和验证值的原则，自动生成代码，采用线性执行语义并内置验证机制，由快照内核支持提升效率。

Comments 12 pages

Recovering Cloud Microstructures with Cascaded Diffusion Inversion

通过级联扩散反演恢复云微观结构

Hanan Gani, Guy Pulik, Daniel Rosenfeld, Duncan Watson-Parris, Salman Khan

机构 * Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； University of California, San Diego（加利福尼亚大学圣地亚哥分校） 纠错

AI总结 针对卫星云图像分辨率不足及现有方法不适用于此类图像的问题，提出基于扩散的两阶段超分辨率框架，能将云微观结构分辨率提高4倍，在精度和视觉质量上优于现有方法，为云微物理分析及利用AI促进气候和可持续性提供路径。

Comments Published at ML4RS Workshop ICLR 2026

Performance Optimization and Comparative Analysis of Generative AI Models on Advanced Accelerators

生成式人工智能模型在先进加速器上的性能优化与比较分析

Amitash Nanda, Javier Hernandez Nicolau, Madhusudan Gujral, Mahidhar Tatineni, Amitava Majumdar, Debashis Sahoo

机构 * University of California San Diego（加州大学圣地亚哥分校） ； San Diego Supercomputer Center（圣地亚哥超级计算机中心） 纠错

AI总结 针对生成式人工智能模型部署难题，开展系统研究，通过新颖的混合精度训练后量化评估等方法，对多种模型在不同下游任务及跨异构平台进行性能优化与比较分析。

Comments 6 pages, 3 figures

Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data

稳定性退火选择平滑符号下降的隐式偏差：可分数据上的速率索引障碍路径

Xiangwu Wang, Chengwei Cao, Yicheng Song, Ran Bi, Peilin Yu

机构 * The University of Hong Kong（香港大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） 纠错

AI总结 研究可分数据上全批量线性分类的速率控制情况，针对无记忆稳定性退火平滑符号下降，证明归一化迭代收敛特性，通过实验验证相关恒等式、展示预测图及缩放，还报告了多种情况的诊断，明确理论范围。

Comments 17 pages, 9 figures

Broken Ergodicity and the Violation of the Fluctuation-Dissipation Theorem Lead to Generalization Beyond Overfitting in Machine Learning

破缺遍历性与涨落耗散定理的违反导致机器学习中超越过拟合的泛化

Chan Li, Nigel Goldenfeld

机构 * Department of Physics, University of California San Diego（加州大学圣地亚哥分校物理系） ； Halıcıoğlu Data Science Institute, University of California San Diego（加州大学圣地亚哥分校Halıcıoğlu数据科学研究所） 纠错

AI总结 研究现代神经网络泛化能力随网络容量增加而提升的现象，用动态平均场理论表明‘双下降’行为是训练过程随机场理论中相变的结果，计算了临界指数等。

Comments 62 pages, 8 figures; includes Supplemental Material