Soft Tail-dropping for Adaptive Visual Tokenization
软尾降用于自适应视觉标记化
机构 * UC San Diego（UC圣迭戈大学） ； Adobe（Adobe公司）
AI总结 STAT通过自适应标记生成与因果AR模型兼容，提升视觉生成质量与扩展性。
高校专区
University of California, San Diego（加州大学圣迭戈分校）
LifeAgentBench: A Multi-dimensional Benchmark and Agent for Personal Health Assistants in Digital Health
LifeAgentBench: 一个多维基准和代理用于数字健康中的个人健康助手
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Google Research（谷歌研究）
AI总结 本文提出LifeAgentBench多维基准和代理，用于评估LLM在长周期、跨维度健康推理中的能力，并通过实验识别关键瓶颈，提出基线代理LifeAgent实现显著改进。
Simulated Ignorance Fails: A Systematic Study of LLM Behaviors on Forecasting Problems Before Model Knowledge Cutoff
模拟无知失败：在模型知识截止前的预测问题上的系统研究
机构 * University of Chicago（芝加哥大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文研究了在模型知识截止前的预测问题中，模拟无知方法的局限性，发现其无法有效近似真实无知，且推理链推理和优化模型在抑制先前知识方面存在缺陷。
Mathematical Framework for Custom Reward Functions in Job Application Evaluation using Reinforcement Learning
基于强化学习的作业申请评估中自定义奖励函数的数学框架
机构 * Department of Computer Science and Engineering, SRM Institute of Science and Technology（计算机科学与工程系，SRM科学与技术学院） ； Department of Computer Science and Engineering, Sastra University（计算机科学与工程系，萨斯特拉大学） ； Halıcıoğlu Data Science Institute, University of California San Diego（Halıcıoğlu数据科学研究所，加州大学圣地亚哥分校） ； O6AI LABS（O6AI实验室）
AI总结 本文提出基于强化学习的作业申请评估系统，通过两阶段微调流程优化小语言模型，实现高准确率和可靠性的候选人筛选。
Comments 13 pages, 4 figures, 2 equations, 3 Tables
Journal ref ICCCA 2025, pp. 1-6
When Benchmarks Age: Temporal Misalignment through Large Language Model Factuality Evaluation
当基准老化时：通过大型语言模型事实性评估进行时间错位
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文研究了评估基准随时间老化对LLM事实性评估的影响，通过分析五个基准和八种LLM，提出了一套新的指标和方法以量化基准老化问题。
Comments Accepted to EACL 2026 Main Conference
Network-Level Measures of Mobility from Aggregated Origin-Destination Data
从聚合的出行生成数据中提取网络层面的流动性度量
机构 * Department of Applied Mathematics, University of Washington（应用数学系，华盛顿大学） ； Department of Mathematics, University of California, San Diego（数学系，加州大学圣地亚哥分校）
AI总结 本文提出了一种从聚合出行数据中提取网络层面流动性度量的框架，通过合成数据验证了其在描述网络组织和流量约束方面的有效性，并应用于真实数据展示了其在城市尺度上的可解释性。
Comments 34 pages, 20 figures
GalaxyEdit: Large-Scale Image Editing Dataset with Enhanced Diffusion Adapter
GalaxyEdit: 大规模图像编辑数据集与增强扩散适配器
机构 * Samsung R&D Institute India（三星印度研发院） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 GalaxyEdit通过自动化数据生成和增强ControlNet-xs，提升大规模图像编辑任务的性能与效率。
Comments 10 pages, 6 figures
Contact-Aware Neural Dynamics
接触感知神经动力学
机构 * UC San Diego（圣迭戈大学） ； Amazon FAR (Frontier AI & Robotics)（亚马逊前沿人工智能与机器人实验室）
AI总结 本文提出了一种基于接触信息的神经动力学模型，通过利用现实数据改进仿真到现实的对齐，提升状态预测和策略优化的准确性。
Comments 8 pages
AEMA: Verifiable Evaluation Framework for Trustworthy and Controlled Agentic LLM Systems
AEMA：可验证评估框架用于可信和受控的代理LLM系统
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Center for Advanced AI, Accenture（Accenture高级人工智能中心） ； University of California, Irvine（加州大学伊拉斯姆斯分校）
AI总结 AEMA提出了一种可验证的评估框架，用于评估基于LLM的多代理系统，通过人类监督实现稳定、可追溯的自动化评估。
Comments Workshop on W51: How Can We Trust and Control Agentic AI? Toward Alignment, Robustness, and Verifiability in Autonomous LLM Agents at AAAI 2026
From Relative Entropy to Minimax: A Unified Framework for Coverage in MDPs
从相对熵到极小大：MDPs中覆盖的统一框架
机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of Southern California（南加州大学）
AI总结 本文提出了一种统一的覆盖框架，通过加权参数化的凹目标$U_ρ$，统一了多个MDP中的覆盖目标，并开发了基于梯度的算法以主动引导探索策略。
POLARIS: Typed Planning and Governed Execution for Agentic AI in Back-Office Automation
POLARIS：面向后台自动化代理AI的类型化规划与受控执行
机构 * University of California, Irvine（加州大学尔湾分校） ； Center for Advanced AI, Accenture（Accenture高级人工智能中心） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 POLARIS通过类型化规划和受控执行框架，提升后台自动化中代理AI的政策一致性与可预测性，实现高精度任务处理与审计追踪。
Comments Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks: AAAI 2026
PACEvolve: Enabling Long-Horizon Progress-Aware Consistent Evolution
PACEvolve: 促进长周期一致性演进
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind）
AI总结 PACEvolve通过分层上下文管理和自适应采样策略，解决进化搜索中的上下文污染、模式崩溃和弱协作问题，实现长周期一致性自我提升。
A Survey of Self-Evolving Agents: What, When, How, and Where to Evolve on the Path to Artificial Super Intelligence
自我进化代理的综述：何时、何地、如何进化以实现人工超级智能
机构 * Princeton University（普林斯顿大学） ； Princeton AI Lab（普林斯顿人工智能实验室） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Sydney（悉尼大学） ； Shanghai Jiao Tong University（上海交通大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of Michigan（密歇根大学） ； Oregon State University（俄勒冈州立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The University of Hong Kong（香港大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Edinburgh（爱丁堡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文综述了自我进化代理的现状，探讨了进化机制、适应方法及挑战，为实现人工超级智能提供路线图。
Comments 77 pages, 9 figures, Transactions on Machine Learning Research (01/2026)
Keep the beat going: Automatic drum transcription with momentum
保持节奏持续：自动鼓点转录与动量
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动量的投影梯度下降方法，用于自动鼓点转录，提高了部分固定NMF的准确性和收敛性。
Deriving Character Logic from Storyline as Codified Decision Trees
从故事线推导出角色逻辑作为编码决策树
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文提出CDT框架，通过大规模叙述数据诱导可执行且可解释的决策树结构，提升角色扮演代理行为的可靠性与可维护性。
An Exploratory Study to Repurpose LLMs to a Unified Architecture for Time Series Classification
一项探索性研究：将大语言模型重新利用到时间序列分类的统一架构中
机构 * Canyon Crest Academy（山崖顶学术院） ； UC San Diego（圣迭戈大学）
AI总结 本研究探索了将大语言模型与时间序列编码器结合的混合架构，发现Inception模型在提升性能方面表现突出。
OUTLINEFORGE: Hierarchical Reinforcement Learning with Explicit States for Scientific Writing
OUTLINEFORGE: 基于显式状态的分层强化学习用于科学写作
机构 * UC San Diego（圣迭戈大学） ； Ohio State University（俄亥俄州立大学）
AI总结 OUTLINEFORGE通过分层强化学习和显式状态管理，提升科学写作的全局结构和引用一致性，改进文档规划和事实准确性。
Geometric Algorithms for Neural Combinatorial Optimization with Constraints
带有约束条件的神经组合优化的几何算法
机构 * MIT（麻省理工学院） ； NYU（纽约大学） ； UCSD（加州大学圣迭戈分校） ； TUM（慕尼黑技术大学）
AI总结 本文提出了一种基于几何算法的神经组合优化方法，通过分解神经网络输出为凸组合，解决具有离散约束的优化问题，并在多种组合优化任务中取得优于基线的表现。
VICON: Vision In-Context Operator Networks for Multi-Physics Fluid Dynamics Prediction
VICON：基于多物理场流体动力学预测的上下文操作网络
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； National University of Singapore（新加坡国立大学）
AI总结 VICON通过整合视觉Transformer架构，高效处理2D数据并提升多物理场流体动力学预测的准确性与鲁棒性。
Comments update after TMLR accept
Ability Transfer and Recovery via Modularized Parameters Localization
通过模块化参数定位实现能力迁移与恢复
机构 * University of California San Diego（加州大学圣地亚哥分校）
AI总结 ACT通过激活差异局部化能力相关通道，实现能力迁移与恢复，提升多语言数学和科学推理性能。
FusID: Modality-Fused Semantic IDs for Generative Music Recommendation
FusID: 多模态融合的语义ID用于生成音乐推荐
机构 * University of California San Diego（加州大学圣地亚哥分校）
AI总结 FusID通过多模态融合、表示学习和产品量化技术，解决生成音乐推荐中跨模态交互和ID冲突问题，提升推荐准确率。
Memory in the Age of AI Agents
人工智能代理时代的记忆
机构 * Core Supervisors. 0.5em Affiliations: National University of Singapore, Renmin University of China, Fudan University, Peking University, Nanyang Technological University, Tongji University, University of California San Diego, Hong Kong University of Science ； Technology (Guangzhou), Griffith University, Georgia Institute of Technology, OPPO, Oxford University
AI总结 本文系统梳理了人工智能代理记忆的现状与分类，提出了记忆的三种形式、功能分类及动态分析，为未来智能设计提供理论基础。
Bayesian Multiobject Tracking With Neural-Enhanced Motion and Measurement Models
基于神经网络的贝叶斯多目标跟踪
机构 * Department of Electrical and Computer Engineering, University of California San Diego（电气与计算机工程系，加州大学圣地亚哥分校） ； Scripps Institution of Oceanography（斯克里普斯海洋研究所）
AI总结 本文提出一种结合神经网络与贝叶斯方法的多目标跟踪框架，通过增强统计模型提升预测和更新性能，实现在自动驾驶数据集上的最佳表现。
Arctic-Text2SQL-R1: Simple Rewards, Strong Reasoning in Text-to-SQL
Arctic-Text2SQL-R1: 简单奖励，强推理的文本到SQL
机构 * Snowflake AI Research（Snowflake AI研究院） ； University of Maryland（马里兰大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 Arctic-Text2SQL-R1通过简单奖励机制和强化学习框架，在文本到SQL任务中实现高准确率和高效性，优于现有大型模型。
Comments 22 pages, 2 figures
Codified Foreshadowing-Payoff Text Generation
编码的预兆-回报文本生成
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文提出CFPG框架，通过编码预兆-回报机制，提升LLM的叙事生成能力，实现情节逻辑的准确兑现。
LLMs Can't Play Hangman: On the Necessity of a Private Working Memory for Language Agents
LLMs无法玩井字游戏：关于语言代理所需私人工作记忆的必要性
机构 * Mila – Quebec AI Institute（魁北克人工智能研究所） ； Polytechnique Montréal（蒙特利尔大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； LAMA-WeST Lab（LAMA-WeST实验室） ； Chandar Research Lab（Chandar研究实验室）
AI总结 本文提出私人状态交互任务（PSITs）并证明标准LLMs无法在交互任务中保持秘密和一致性，提出包含显式私人工作记忆的架构以恢复一致性。
Stable Minima of ReLU Neural Networks Suffer from the Curse of Dimensionality: The Neural Shattering Phenomenon
ReLU神经网络的稳定极小值遭受维度诅咒：神经碎裂现象
机构 * UC San Diego（UC圣地亚哥大学）
AI总结 本文研究了ReLU神经网络中稳定极小值的泛化能力问题，揭示了平坦解在高维情况下因维度诅咒而表现不佳的机制。
Comments Camera Ready Version. Accepted by Neurips 2025 (Spotlight)
Certifying Stability of Reinforcement Learning Policies using Generalized Lyapunov Functions
利用广义李雅普诺夫函数验证强化学习策略的稳定性
机构 * Contextual Robotics Institute University of California San Diego（情境机器人研究所 卡罗来纳大学圣地亚哥分校）
AI总结 本文提出利用广义李雅普诺夫函数验证强化学习策略稳定性，通过结合价值函数与神经网络残差项，提升稳定性认证效率。
Comments NeurIPS 2025
Gecko: An Efficient Neural Architecture Inherently Processing Sequences with Arbitrary Lengths
Gecko：一种高效神经架构，能够处理任意长度的序列
机构 * University of Southern California（美国南加州大学） ； Meta AI Research（Meta人工智能研究） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 Gecko通过改进的神经架构实现高效长序列处理，优于现有模型在效率和长上下文扩展性上的表现。
Comments 13 pages, 5 figure and 3 tables
The Subtle Art of Defection: Understanding Uncooperative Behaviors in LLM based Multi-Agent Systems
缺陷的微妙艺术：理解基于大语言模型的多智能体系统中的不合作行为
机构 * AWS AI Labs（AWS人工智能实验室） ； UC San Diego（大学圣地亚哥）
AI总结 本文提出了一种用于分析基于大语言模型的多智能体系统中不合作行为的框架，通过实验发现不合作行为会迅速导致系统崩溃，同时指出现有防御方法存在检测不足的问题。
