高校专区
FetalAgents：一种用于胎儿超声图像和视频分析的多智能体系统
机构 * Tsinghua University（清华大学） ； University of California San Diego（加州大学圣地亚哥分校） ； West China Second University Hospital, Sichuan University（四川大学华西第二医院）
AI总结 FetalAgents是一种多智能体系统，通过动态协调视觉专家，实现胎儿超声图像和视频的端到端分析与报告，提供高准确性和流程对齐的解决方案。
利用对称不变量发现符号微分方程
机构 * University of California, San Diego（加州大学圣迭戈分校） ； IBM Research（IBM研究院） ； Northeastern University（东北大学）
AI总结 本文提出利用对称不变量提升微分方程发现的准确性与效率，通过物理系统验证其能恢复符合物理定律的简洁方程。
沉睡以精确：通过睡眠样过程增强人工神经网络校准
机构 * Department of Computer Science \& Engineering, University of California, San Diego, La Jolla, California, USA ； ARTISAN, Georgia Institute of Technology, Atlanta, Georgia, USA ； Department of Medicine, University of California, San Diego, La Jolla, California, USA
AI总结 通过睡眠样过程提出SRC方法，有效提升神经网络校准，与温度缩放结合在AlexNet和VGG19上表现最佳。
ProgAgent：一种具有进度感知奖励的持续强化学习代理
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 ProgAgent通过进度感知奖励机制，结合PPO与coreset回放和突触智能，有效解决持续学习中的遗忘问题，提升学习效率。
UnSCAR：通用、可扩展、可控和适应的图像修复
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 UnSCAR提出一种统一的多分支混合专家架构，解决通用图像修复中退化干扰导致的扩展难题，实现可扩展、可控和适应的修复方法。
为AI训练调度并行光电路交换机
机构 * UC San Diego（UC圣地亚哥大学） ； Technion（技术学院） ； UC Berkeley（伯克利大学）
AI总结 Spectra通过分解、负载感知调度和受控排列分割，有效调度AI训练流量矩阵，显著降低调度时间并接近理论下限。
代理AI的适应：训练后、记忆和技能的综述
机构 * UIUC（伊利诺伊大学香槟分校） ； Stanford（斯坦福大学） ； Princeton（普林斯顿大学） ； Harvard（哈佛大学） ； UC Berkeley（加州大学伯克利分校） ； Caltech（加州理工学院） ； UCSD（加州大学圣地亚哥分校） ； Georgia Tech（佐治亚理工学院） ； Northwestern（西北大学） ； TAMU（德克萨斯大学奥斯汀分校） ； MGH（麻省总医院） ； Keiji AI ； Unity
AI总结 本文综述了代理AI在训练后、记忆和技能方面的适应方法，提出四范式框架，分析了代理与工具适应的技术细节及权衡，探讨了开放问题。
从几秒钟的示范中学习四足行走
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文提出了一种基于小数据的四足行走模仿学习方法，通过调节潜在空间与动作空间的变化对齐，实现高效离线训练。
控制屏障走廊：从安全函数到安全集
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）
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：面向全功能图像修复的球面层级专家路由
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）
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: 基于自回归的单视图场景重建
机构 * UC San Diego（加州大学圣地亚哥分校） ； Lambda, Inc.（Lambda公司）
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
迈向自主数学研究
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）
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: 作为推理的奖励建模
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）
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
∇-Reasoner: 通过潜在空间中的测试时间梯度下降进行LLM推理
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UC San Diego（圣地亚哥大学） ； TTIC ； Georgia Tech（佐治亚理工学院）
AI总结 ∇-Reasoner通过潜在空间中的测试时间梯度下降提升LLM推理能力，实现20%以上的准确率提升并减少模型调用次数。
Comments ICLR 2026
Spinverse: 可微物理用于从扩散MRI中感知渗透性的微结构重建
机构 * University of California Santa Cruz（加州大学圣克鲁兹分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Inria-Saclay（Inria-萨克莱实验室） ； Kings College London（伦敦国王学院）
AI总结 Spinverse通过可微物理方法从扩散MRI中感知渗透性，重建微结构并优化渗透性参数以提高边界准确性和结构有效性。
Comments 10 Pages, 5 Figures, 2 Tables
让用户掌控方向：迈向可提示的推荐范式
机构 * McGill \& Mila - Quebec AI Institute Montreal Canada ； Shenzhen Technological University Shenzhen China ； University of California San Diego San Diego US ； McGill University Montreal Canada ； McGill \& Mila - Quebec AI Institute ； Shenzhen Technological University ； University of California San Diego ； McGill University
AI总结 本文提出DPR模型，通过解耦的可提示顺序推荐框架，使传统推荐模型能够动态利用自然语言提示优化检索过程，提升推荐效果。
手持灵活工具的灵活机器人手操作与仿真到现实迁移
机构 * Electrical and Computer Engineering Department, University of California, San Diego（加州大学圣地亚哥分校电气与计算机工程系）
AI总结 本文提出了一种通过传感器驱动改进和交叉注意机制，实现灵活机器人手在现实中的关节工具操作，提高了仿真到现实迁移的鲁棒性和泛化能力。
粒子流的变分公式
机构 * Contextual Robotics Institute University of California, San Diego（情境机器人研究所 加州大学圣地亚哥分校）
AI总结 本文提出了一种基于变分推断的粒子流公式，通过高斯近似和混合模型提升了模型的表达能力，并在不同维度的估计问题中验证了其有效性。
迈向更公平的非负矩阵分解
机构 * Department of Mathematics, California State University, Fullerton（数学系，加州州立大学，弗里蒙特分校） ； Department of Mathematics, University of California, San Diego（数学系，加州大学圣地亚哥分校） ； Department of Mathematics, University of California, Los Angeles（数学系，加州大学洛杉矶分校） ； McCormick School of Engineering Northwestern University（工程学院，西北大学） ； Department of Mathematics Amherst College（数学系，阿默斯特学院） ； Department of Industrial Engineering and Operations Research Univ. of California, Berkeley（工业工程与运筹学系，加州大学伯克利分校）
AI总结 本文提出了一种改进的非负矩阵分解方法，通过min-max公式优化公平性，同时指出公平性并非绝对，方法选择需根据具体应用调整。
从窄视场到全景视觉：基于注意力的冷启动重塑多模态推理
机构 * Tsinghua University（清华大学） ； University of South California（南加州大学） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） ； University of California San Diego（南加州大学圣地亚哥分校） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出AVAR框架，通过视觉锚定与注意力引导提升多模态推理性能，实现7%的平均提升。
Comments ICLR 2026 Poster
继承性目标漂移：情境压力可能削弱代理目标
机构 * UC San Diego（加州大学圣地亚哥分校） ； Columbia University（哥伦比亚大学） ； Georgia Tech（佐治亚理工学院） ； MATS ； SPAR
AI总结 本文研究了语言模型在面对情境压力时目标漂移的继承性问题，发现模型在不同环境下表现出不一致的鲁棒性，强调了对训练后技术改进的必要性。
Comments 22 pages, 7 figures. Accepted at ICLR 2026 Lifelong Agents Workshop
Steer2Edit：从激活引导到组件级编辑
机构 * Department of Computer Science（计算机科学系） ； Halıcıoğlu Data Science Institute, UC San Diego（哈利奇奥卢数据科学研究所，加州大学圣迭戈分校）
AI总结 Steer2Edit通过将引导信号转化为可解释的参数更新，实现组件级权重编辑，提升模型的安全性、真实性和推理效率。
Kinematify: 高自由度可动物体的开放词汇合成
机构 * Deemos Corporation（德莫斯公司） ； ShanghaiTech University（上海科技大学） ； Contextual Robotics Institute（情境机器人研究所） ； UC San Diego（加州大学圣地亚哥分校）
AI总结 Kinematify通过自动化框架从RGB图像或文本描述合成高自由度可动物体，解决运动学拓扑推断和关节参数估计问题。
Comments Project Page: https://sites.google.com/deemos.com/kinematify
神经网络量化中的晶格几何 -- GPTQ与Babai算法的简短等价性证明
机构 * Department of Mathematics University of California San Diego（数学系 加州大学圣迭戈分校）
AI总结 本文通过几何方法证明了GPTQ算法与Babai算法的等价性，并探讨了晶格基底约简在量化中的潜在应用。
Comments 9 pages, 3 figures, accepted at ICLR 2026
PhysGraph: 基于物理的图变换策略用于双臂灵巧手工具物体操作
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 PhysGraph通过物理基础图变换策略提升双臂手工具物体操作的精度和成功率，仅用51%参数超越基线模型。
连续思维的涌现：揭示连续思维链的训练动态
机构 * UC Berkeley（加州大学伯克利分校） ； UCSD（加州大学圣地亚哥分校） ； Nvidia（英伟达） ； Meta AI
AI总结 本文通过分析两层Transformer在有向图可达性问题上的训练动态，揭示了连续思维链中叠加机制如何在训练过程中通过自回归扩展思维和预测阶段自然产生。
Comments 32 pages, 9 figures, accepted by ICLR 2026
在具有复杂潜在混杂网络的Hawkes过程中学习因果结构
机构 * University of California San Diego（加州大学圣地亚哥分校）
AI总结 本文提出了一种两阶段迭代算法，用于在具有复杂潜在混杂网络的Hawkes过程中学习因果结构，通过路径条件保证可识别性，并在合成和真实数据上验证了方法的有效性。
SymGPT：通过结合符号执行与大语言模型审计智能合约
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； University of Connecticut（康涅狄格大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Oxford（牛津大学） ； SKLP, Institute of Computing Technology, Chinese Academy of Sciences（SKLP，计算技术研究所，中国科学院）
AI总结 SymGPT结合符号执行与大语言模型，自动检测智能合约的ERC规则违规，识别出大量潜在安全漏洞。
Comments 34 pages. arXiv admin note: text overlap with arXiv:2404.04306
NERFIFY：一个将NeRF论文转化为代码的多智能体框架
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 NERFIFY通过多智能体框架将NeRF论文转化为可训练的代码，提升复现效率和质量。
Comments Accepted to CVPR 2026. Project page: https://seemandhar.github.io/NERFIFY/
基于AIoT的连续、情境化和可解释的老年人驾驶评估
机构 * Michigan State University（密歇根州立大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 本文提出AURA框架，利用AIoT实现对老年人驾驶安全的连续、情境化和可解释评估，通过多尺度行为建模和情境感知分析提升驾驶安全监测的可靠性。
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