高校专区
代理AI与下一次智能爆炸
机构 * Paradigms of Intelligence Team, Google（谷歌智能范式团队） ； University of Chicago（芝加哥大学） ； Santa Fe Institute（圣菲研究所） ； Antikythera, Berggruen Institute（安提基特拉与伯格格林研究所） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文探讨代理AI如何通过模拟内部思想社会解决复杂任务，提出智能爆炸将不再是单一硅基脑，而是复杂社会结构。
Comments 4 pages
分布式梯度下降与局部步骤在过参数化模型中的有效性
机构 * Halicioğlu Data Science Institute（哈利奇奥卢数据科学研究所） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文分析了局部梯度下降在过参数化模型中收敛到零训练损失的隐含偏置，揭示了其在异构数据中仍能保持性能的原因，并扩展至局部随机梯度下降和非分离数据。
利用并行随机优化实现高置信度推断几乎是免费的
机构 * Department of Statistics, University of California, Irvine（加州大学 Irvine 分校统计系） ； Department of Mathematics, University of California, San Diego（加州大学圣地亚哥分校数学系） ； Department of Statistics, University of Chicago（芝加哥大学统计系）
AI总结 本文提出一种高效构建置信区间的方法，通过少量独立多轮运行获取分布信息，实现快速收敛和高置信度推断，无需额外计算资源。
OpenResearcher: 一个完全开放的长 horizon 深度研究轨迹合成管道
机构 * Texas A&M University（德克萨斯大学） ； University of Waterloo（滑铁卢大学） ； UC San Diego（圣地亚哥大学） ； Verdent AI ； NetMind AI ； Lambda Code Demo Data Model
AI总结 OpenResearcher 提出了一种可重复的管道，通过解耦一次性语料库初始化与多轮轨迹合成，利用浏览器原语在1500万文档语料库上进行离线搜索和浏览循环，合成97000条轨迹并提升浏览任务准确率。
EgoForge：面向目标的自体世界模拟器
机构 * University of Illinois 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）
AI总结 EgoForge通过最小静态输入生成连贯的第一人称视频，结合VideoDiffusionNFT提升意图对齐和时间一致性，实现在动态环境模拟中的优越性能。
利用部分标签和自适应最近邻的学习
机构 * Basque Center for Applied Mathematics（巴斯克应用数学中心） ； Ikerbasque, Basque Foundation for Science（Ikerbasque，巴斯克科学基金会） ； University of the Basque Country, Spain（巴斯克国家大学，西班牙） ； University of California San Diego, USA（加州大学圣地亚哥分校，美国）
AI总结 本文研究了部分标签学习的可行性条件，提出了一种适用于一般场景的自适应最近邻算法PL A-$k$NN，并通过实验验证其在部分标签学习中的优越性能。
通过多尺度采样和一步蒸馏加速扩散解码器
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出多尺度采样和一步蒸馏方法，显著降低扩散解码器的解码时间，同时保持高质量图像重建，为高效图像分词提供新路径。
超越桌面：AI辅助科学家进行具身物理任务的障碍与未来机遇
机构 * UC San Diego（加州大学圣地亚哥分校）
AI总结 研究探讨科学家在实验室和现场进行具身物理任务时使用AI的障碍及未来机遇，发现AI在高风险实验环境中的应用受限，提出未来AI助手需支持任务监控、知识组织等功能。
Comments 16 pages, 4 figures, 1 table. Accepted to CHI 2026 (preprint)
StealthRL：面向多检测器规避的强化学习对抗攻击
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 StealthRL通过强化学习框架在真实对抗条件下测试AI文本检测器的鲁棒性，通过GRPO和LoRA适配器训练句法替换策略，平衡检测规避与语义保持，成功在多个检测器上实现高逃逸率。
Comments Expanded version of a workshop submission. Code available
通过测试时策略学习实现自适应解码
机构 * UC San Diego（加州大学圣地亚哥分校） ； Plastic Labs ； IBM Research（IBM研究院）
AI总结 本文提出基于强化学习的解码器采样器，通过在测试时调整采样参数提升生成质量，实验表明其在多个数据集上优于传统方法，且能稳定提升生成效果。
大语言模型如何扭曲我们的书面语言
机构 * UC Berkeley（加州大学伯克利分校） ； UC San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； Zaytuna College（扎亚图纳学院） ； Google DeepMind（谷歌DeepMind）
AI总结 研究揭示大语言模型不仅改变写作语气，还持续改变写作本意，通过用户研究和数据集分析发现，即使在专家反馈下，LLM仍会显著改变文本语义，影响科学机构和文化。
物理准确的可微逆渲染用于射频数字孪生
机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of Colorado Denver（科罗拉多大学丹佛分校） ； University College London（伦敦大学学院）
AI总结 本文提出RFDT框架，通过物理基础的可微射频仿真解决传统射频模拟非可微问题，实现虚拟与现实世界的梯度交互，提升数字孪生重建精度及下游应用能力。
改进的凸分解与集成及负原语
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Leibniz Universität Hannover（汉诺威莱本大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出一种结合负原语和集成的方法，提升凸分解的精度与鲁棒性，在NYUv2数据集上验证了其在深度表示和分割上的显著改进。
Comments 3DV 2026 25 pages, 15 figures, 9 tables
基于密集智能手机GPS轨迹和Transformer模型的交通模式检测
机构 * University of California San Diego（加州大学圣地亚哥分校） ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； University of Pennsylvania（宾夕法尼亚大学） ； Duke Kunshan University（杜克昆山大学）
AI总结 本文提出SpeedTransformer模型，利用速度输入从密集GPS轨迹中检测交通模式，实验表明其优于传统深度学习模型，并在不同地理区域表现出良好的迁移学习能力。
Comments Accepted for publication in the International Journal of Geographical Information Science, February 2026. This is the accepted manuscript. The final version of record will appear in IJGIS (Taylor and Francis)
Journal ref International Journal of Geographical Information Science (2026)
在行动中捕捉理性化：通过激活探测检测推理前后的动机推理
机构 * UC San Diego（加州大学圣迭戈分校）
AI总结 研究通过激活探测检测LLM在Cot中的动机推理现象，证明内部表示比CoT监控更可靠，且预生成探测能早期发现动机行为。
SoilX：通过对比跨组件学习实现无需校准的综合土壤传感
机构 * University of California, Merced（加州大学梅尔塞德分校） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 SoilX通过对比跨组件学习实现无需校准的综合土壤传感，有效分离跨组件干扰，提升土壤水分和养分的测量精度。
ManiTwin：将数据生成-ready的数字对象数据集扩展到10万
机构 * The University of Hong Kong（香港大学） ； Xspark AI ； Deemos Tech ； Shanghai Jiao Tong University（上海交通大学） ； ShanghaiTech University（上海交通大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； D-Robotics ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Shenzhen University（深圳大学）
AI总结 本文提出ManiTwin，一种高效生成数据生成-ready数字对象双胞胎的自动化流程，构建了包含10万高质量标注3D资产的ManiTwin-100K数据集，为大规模仿真数据合成和策略学习提供基础。
Comments Website: https://manitwin.github.io/
从反思经验中内化代理性
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Nanjing University（南京大学）
AI总结 本文提出LEAFE框架，通过反思经验内化恢复代理性，提升长周期任务中的问题解决能力，实验显示在Pass@k任务中优于传统方法。
Comments 17 pages, 5 figures; Submitted to ICML 2026
超越极性：多维LLM情感信号用于WTI原油期货收益率预测
机构 * University of California San Diego（加州大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院） ； New York University（纽约大学） ； Tulane University（路易斯安那州立大学） ； Southern Methodist University（南方 Methodist 大学）
AI总结 本文研究多维情感信号对WTI原油期货收益率预测的提升作用，利用GPT-4o等模型提取五种情感维度，发现结合GPT-4o和FinBERT可获得最佳预测效果，证明情感信号超越单纯极性具有预测价值。
Comments 28 pages, 4 figures, 4 tables
Think3D: 基于空间的思考以实现空间推理
机构 * Dalian University of Technology（大连理工大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Oxford（牛津大学）
AI总结 Think3D通过引入交互式3D推理框架，提升多模态代理的空间推理能力，实现在BLINK Multi-view和MindCube上的7.8%性能提升，并通过Think3D-RL优化小模型性能。
Hilbert：通过非正式推理递归构建形式证明
机构 * UC San Diego（加州大学圣地亚哥分校） ； Apple（苹果公司）
AI总结 Hilbert结合非正式推理与形式验证，通过递归分解问题并利用反馈优化证明，显著提升在形式证明任务中的性能。
Zephyrus：一种用于气象科学的代理框架
机构 * UC San Diego（加州大学圣地亚哥分校）
AI总结 本文提出Zephyrus框架，结合大语言模型与天气数据交互，解决传统模型缺乏语言推理的问题，通过新基准测试展示其在天气任务中的优越性能。
快速3D人体SAM：加速3D人体SAM用于实时完整人体网格恢复
机构 * USC Physical Superintelligence (PSI) Lab（USC物理超智能实验室） ； University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA（英伟达） ； Meta Reality Labs（元宇宙现实实验室）
AI总结 本文提出Fast SAM 3D Body，通过解耦空间依赖性和架构感知剪枝，实现并行多作物特征提取和流式Transformer解码，提升3D人体网格恢复速度达10.9倍，同时保持重建精度。
CyCLeGen：视觉基础模型中的循环一致布局预测与图像生成
机构 * UC San Diego（加州大学圣迭戈分校）
AI总结 CyCLeGen是一种统一的视觉-语言基础模型，通过单一自回归框架实现图像理解和生成，采用循环一致学习确保生成与布局之间的双向一致性，提升模型的自我反思能力和数据效率。
TAS-GNN：一种状态感知的有向图神经网络用于比特币信任系统中的异常检测
机构 * Yeshiva University（耶鲁大学） ； Yale University（耶鲁大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； North Carolina State University（北卡罗来纳州立大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出TAS-GNN，一种针对稀疏有向图的新型框架，通过递归的Web-of-Trust标签和双通道信息传递架构，有效处理信任与不信任信号，并通过状态感知注意力机制实现状态感知，显著提升比特币信任系统中的异常检测性能。
Comments 13 pages, 2 figures
RLM：一种用于雷达场景理解的视觉-语言模型方法
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Blue River Technology
AI总结 本文提出RadarVLM，通过结构化空间语言监督学习统一的场景表示，改进了雷达场景理解中的空间推理能力，实验显示其在生成描述和车辆分割任务中性能显著提升。
IsoCompute Playbook: 优化LLM RL中的采样计算规模
机构 * UC San Diego（UC圣地亚哥大学） ； MBZUAI-IFM ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了LLM RL中采样计算的最优分配，发现并行回放数随计算预算增加而增加并饱和，不同问题驱动机制不同，且增加并行回放可减少干扰，问题数影响训练稳定性。
Comments 29 pages, 27 figures. Under review
ResWM：基于视觉强化学习的残差动作世界模型
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Texas A&M University-Commerce（德克萨斯A&M大学-科摩斯）
AI总结 ResWM通过将控制变量从绝对动作转换为残差动作，提升了视觉强化学习中世界模型的预测能力和稳定性，实现了更高效的样本利用和更平滑的控制策略。
Comments Submit KDD2026
SteadyTray: 通过残差强化学习学习人形机器人餐盘运输中的物体平衡任务
机构 * UC San Diego（UC圣迭戈大学）
AI总结 SteadyTray通过残差强化学习实现人形机器人餐盘运输中的物体平衡任务，结合稳健的运动策略与动态残差模块，显著提升步态平滑度和姿态准确性，实现高鲁棒性的零样本泛化。
Comments Project website: https://steadytray.github.io/
混合自进化结构记忆用于GUI代理
机构 * University of California, San Diego（加州大学圣迭戈分校）
AI总结 HyMEM通过结合离散符号节点与连续轨迹嵌入，提升GUI代理的结构化记忆与自进化能力，使开源模型性能超越闭源模型。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈