高校专区
TactX: 跨不同传感器的共享触觉表示学习
机构 * UC San Diego（加州大学圣地亚哥分校） ； Seoul National University（首尔大学） ； Amazon FAR（亚马逊FAR）
AI总结 提出TactX框架，通过配对接触数据训练模态特定编码器，将电阻、磁和视觉三种触觉传感器的观测映射到共享潜空间，实现零样本策略迁移，平均成功率从27.5%提升至45.9%。
Comments Submitted to CoRL 2026. 16 pages, 8 figures
基于预测可微渲染的视频动态学习
机构 * Dartmouth College（达特茅斯学院） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Westlake University（西湖大学） ； Tsinghua University（清华大学） ； Ant Group（蚂蚁集团）
AI总结 提出预测可微渲染（PDR）框架，通过2D高斯表示的轻量适配器PredGS和CUDA加速渲染器predgsplat，结合L1和SSIM损失优化，在离散像素与连续表示间架桥，显著提升视频预测的细节保真度和准确性。
Comments Accepted by ECCV 2026. 18 pages, 5 figures, 11 tables
超越编译：评估从自然语言到Lean的忠实语句形式化
机构 * University of California, Riverside（加州大学河滨分校） ； University of Arizona（亚利桑那大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 提出忠实语句形式化评估方法，结合Lean编译、跨模型语义判断和人类专家校准，发现编译通过但语义不忠实的29.0%差距，并分解形式化流程中的关键干预因素。
Comments 25 pages, 5 figures
通过局部分支路由实现高效且可训练的语言模型测试时扩展
机构 * Northwestern University（西北大学） ； Rutgers University（罗格斯大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； LMSYS Org（LMSYS组织） ； Tilde Research（Tilde研究） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； University of Toronto（多伦多大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of California, San Diego（加州大学圣迭戈分校）
AI总结 提出局部分支路由（LBR）框架，通过轻量级路由器选择局部前瞻树中的深度-1子路径，实现令牌级测试时扩展，在数学推理基准上优于链式思维和软令牌分支基线。
INFUSER: 影响力引导的自我进化提升推理能力
机构 * Yale University（耶鲁大学） ； Stanford University（斯坦福大学） ； University of Chicago（芝加哥大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； University of California, San Diego（圣地亚哥大学）
AI总结 提出INFUSER框架，通过生成器与求解器的协同进化，利用影响力分数和DuGRPO优化，从文档池中自适应生成训练数据，显著提升模型推理性能。
Comments 67 pages, 17 figures
BayesEvolve：自主科学发现的显式信念状态
机构 * Pfizer（辉瑞公司） ； Independent Researcher（独立研究员） ； University of California San Diego（加州大学圣地亚哥分校） ； Institute of Humanities and Social Science Data, Fudan University（复旦大学人文社会科学数据研究院）
AI总结 提出BayesEvolve框架，通过显式不确定性感知信念状态指导实验，在BBOB黑箱优化任务上比记忆引导基线更高效。
Comments 7 pages, 2 diagrams
各向异性决定文本嵌入的余弦度量与排序度量
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 通过19个编码器和7个数据集的实验，发现嵌入空间的各向异性决定余弦相似度与其他度量（如基于排序的度量）的相对性能，各向异性时排序度量平均提升约20%。
MOSAIC: 通过层次语义对齐编排协作知识追踪
机构 * Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； School of Information Systems and Management, Carnegie Mellon University（信息系统与管理学院，卡内基梅隆大学） ； Department of Mathematics, University of Southern California（数学系，南加州大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Computer Science Department, UC San Diego（计算机科学系，UCSD）
AI总结 提出MOSAIC框架，利用冻结LLM生成动态嵌入和层次预测提示，结合跨粒度一致性目标，在协作知识追踪中实现多粒度掌握估计，在多个数据集上取得SOTA。
RGLD: 用于表格异常检测的随机全局-局部密度估计
机构 * Computer Science and Engineering, University of California San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； Intel Corporation（英特尔公司）
AI总结 提出RGLD方法，结合全局随机特征密度分支和局部邻居分支，在特征袋随机视图上检测异常，在47个表格数据集上取得最优AUROC性能，速度比深度检测器快50-580倍。
构建面向空间生命科学、航空航天医学和深空探测的AI就绪数据系统
机构 * Blue Marble Space ； Computational and Systems Biology（计算与系统生物学） ； Trivedi Institute for Space and Global Biomedicine（Trivedi空间与全球医学研究所） ； Wellcome Sanger Institute（Wellcome桑格研究所） ； University of Cambridge（剑桥大学） ； Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Amentum, Space Biosciences Division, NASA Ames Research Center（Amentum空间生物学 division, NASA Ames研究中心） ； Massachusetts Institute of Technology（麻省理工学院） ； Crown Point Technologies, Inc（Crown Point Technologies公司） ； BiosView Labs ； Directorate of Human and Robotic Exploration, European Space Agency（欧洲航天局人类和机器人探索部门） ； Texas State University（德克萨斯州立大学） ； McGowan Institute for Regenerative Medicine, Department of Surgery, University of Pittsburgh School of Medicine（McGowan再生医学研究所，匹兹堡大学医学院外科系） ； Center for Space Biomedicine, Trivedi Institute for Space and Global Biomedicine（空间生物医学中心，Trivedi空间与全球医学研究所） ； Department of Bioengineering, University of Pittsburgh（匹兹堡大学生物工程系） ； Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard（Stanley精神医学研究中心，MIT和哈佛Broad研究所） ； Department of Systems and Computational Biomedicine and WorldQuant Initiative, Weill Cornell Medicine（系统与计算生物医学系及WorldQuant计划，Weill Cornell医学院） ； San Diego Supercomputer Center, University of California San Diego（圣地亚哥超级计算机中心，加州大学圣地亚哥分校） ； Weill Institute for Neurosciences, Department of Neurology, University of California San Francisco（Weill神经科学研究所，加州大学旧金山分校神经病学系） ； Science for Life Laboratory, Department of Gene Technology, KTH Royal Institute of Technology（Science for Life实验室，基因技术系，皇家理工学院） ； European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI)（欧洲分子生物学实验室，欧洲生物信息研究所（EMBL-EBI））
AI总结 针对空间生物学数据异构性阻碍AI应用的问题，提出从FAIR到AI就绪再到空间就绪的三层数据架构，并建议建立国际协调机构以支持深空生物学研究。
Comments 26 pages, 3 figures, 1 table, 1 supplementary table
基于解剖学的合成冠状动脉造影用于几何感知的多视图匹配
机构 * Medipixel, Inc.（Medipixel公司） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 提出物理基础数据生成框架，从3D CCTA合成高保真DRR，结合几何信息匹配模块GIMM，实现无人工标注的2D对应点学习。
Comments Accepted at MICCAI 2026. Code and dataset: http://github.com/medipixel/GIMM
SafeGEO：理解推荐代理中的生成引擎优化风险
机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Mechanical & Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系） ； Faculty of Information, University of Toronto（多伦多大学信息学院） ； University of California, San Diego（圣地亚哥大学） ； ZBot Technology（ZBot技术） ； Coolwei AI Lab（Coolwei人工智能实验室）
AI总结 研究GEO攻击如何使推荐代理推广有缺陷产品，提出SafeGEO评估套件，发现攻击使缺陷产品入选率提升83.2%，简单防御可降低39.2%但无法完全消除风险。
Comments 41 pages,23 figures
通过MIMO-OFDM语义通信连接神经网络与无线系统
机构 * School of Integrated Technology, Yonsei University（延世大学整合技术学院） ； 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 本文研究MIMO-OFDM语义通信系统中功率放大器非线性和PAPR变化对性能的影响，提出针对性缓解策略，推动语义通信在实际无线环境中的发展。
Comments 7 pages, 5 figures
Journal ref IEEE Wireless Communications, vol. 32, no. 5, pp. 48-55, 2025
通过增量多轮交互评估LLM代理的记忆能力
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 本文提出MemoryAgentBench，通过多轮交互模拟记忆代理的信息积累过程，评估准确检索、测试时学习、长程理解与选择性遗忘四项核心能力。
Comments Y. Hu and Y. Wang contribute equally
基于实时渲染的手术器械追踪：通过进化优化
机构 * Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣迭戈分校电子与计算机工程系）
AI总结 本文提出一种基于进化优化的实时渲染手术器械追踪方法，通过高效评估多个姿态候选，提升追踪精度与收敛鲁棒性，适用于视觉反馈控制和在线手术视频校准。
Comments Accepted by IROS 2026
通用且高效的扩散模型操控
机构 * Halıcıoğlu Data Science Institute, University of California San Diego（哈利奇奥格数据科学研究所，加州大学圣地亚哥分校）
AI总结 本文提出NA-RFM方法，通过噪声对齐和递归特征机激活操控实现无需梯度指导的高效扩散模型操控，提升生成速度和准确性。
Comments ICML 2026
通过拉普拉斯特征向量梯度正交化实现鲁棒切触空间估计
机构 * Program in Applied and Computational Mathematics, Princeton University（普林斯顿大学应用与计算数学项目） ； Department of Mathematics, UC San Diego（加州大学圣地亚哥分校数学系） ； Halicioğlu Data Science Institute, UC San Diego（加州大学圣地亚哥分校Halicioğlu数据科学研究所） ； Department of Mathematics and Halicioğlu Data Science Institute, UC San Diego（加州大学圣地亚哥分校数学系与Halicioğlu数据科学研究所）
AI总结 本文提出LEGO方法，利用数据全局结构指导局部切触空间估计，通过正交化图拉普拉斯算子低频特征向量梯度，提升噪声下的鲁棒性，改进流形学习等下游任务。
主动学习半空间而无需合成数据
机构 * Baruch College, CUNY（纽约市立大学巴鲁克学院） ； Aarhus University（奥胡斯大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文研究在无合成数据情况下主动学习半空间的问题，提出基于正常向量集合的高效算法，解决了点合成下不可行的Ω(n)下界问题，并在轴对齐半空间中取得最优结果。
Comments Published in COLT 2026
通过非适应性子集查询进行聚类
机构 * CUNY Baruch College（纽约市立大学巴鲁克学院） ； UC San Diego（加州大学圣迭戈分校） ； University of Michigan（密歇根大学）
AI总结 本文提出首个非适应性子集查询聚类算法，通过O(n log k·(log k + log log n)^2)次查询实现改进，同时考虑查询规模限制和平衡聚类情况。
Comments Minor fixes
VGB用于掩码扩散模型：面向奖励满足和样本编辑的高效测试时扩展
机构 * Georgia Tech（佐治亚理工学院） ； UCSD（加州大学圣地亚哥分校）
AI总结 提出MDM-VGB，一种结合奖励引导重掩码的离散扩散采样器，通过扩展回溯随机游走到掩码状态图，实现高效高奖励生成和低奖励样本修复，理论上具有二次复杂度且对过程验证器噪声鲁棒。
Comments 72 pages
拥抱开放科学：十年AI研究与56 800篇会议论文的分析
机构 * Norwegian University of Science and Technology（挪威科技大学） ； University of California San Diego（加州大学圣迭戈分校） ； RWTH Aachen University（亚琛工业大学） ； Leiden University（莱顿大学）
AI总结 分析2014-2024年五大AI会议56,800篇论文，发现文档实践改善，代码和数据共享率从11%升至64%，可重复性估计从28%升至64%，且改善早于可重复性检查清单的引入，反映开放科学运动。
SIGA: 用于科学模拟的自演化编码智能体适配器
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 提出SIGA适配器，通过检索、程序记忆、轨迹内验证和验证强制终止，将通用编码智能体转化为科学模拟软件操作员，在GEOS上实现36倍加速，并支持自演化提升性能。
即时表达性高斯头部虚拟化身，帧率超过100 FPS
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA（英伟达）
AI总结 提出一种前馈编码器流水线，将单张野外图像转换为3D一致、快速且富有表现力的可动画化表示，通过轻量级局部融合策略实现高动画表现力，运行速度达107.31 FPS。
Comments Project website is https://research.nvidia.com/labs/amri/projects/instant4d
无需真实解即可改进大语言模型的强化学习
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Snowflake AI Research
AI总结 提出RiVER框架，通过校准的连续奖励信号，在无真实解的任务上训练LLM，在AtCoder和精确解基准上均取得提升。
世界模型中的幻觉是可预测且可预防的
机构 * UC San Diego（加州大学圣迭戈分校）
AI总结 本文发现世界模型中的幻觉源于状态-动作空间的低覆盖区域，提出三种可预测幻觉的信号，并开发覆盖感知采样和好奇心奖励方法，仅需50条真实轨迹即可微调模型适应新环境。
Comments Interactive paper, live demo, code, dataset, and models: https://www.nicklashansen.com/mmbench2
科学发现作为元优化：一个组合优化案例研究
机构 * University of California San Diego（加州大学圣迭戈分校）
AI总结 提出将科学研究形式化为元优化，通过共识目标聚合方法，在3-SAT算法发现中实现从O(N^2.51)到O(N^1.33)的规模改进，最大实例加速约67倍。
Comments 35 pages, 6 figures
编译器驱动的超维计算近似调优
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（加州大学圣迭戈分校）
AI总结 提出ApproxHDC框架，通过编译器自动识别和应用超维计算中的领域特定近似，结合高效搜索与多硬件后端支持，实现性能大幅提升且精度损失极小。
JetFlow: 通过并行树草稿突破推测解码的缩放上限
机构 * UC San Diego（加州大学圣地亚哥分校） ； Zhejiang University（浙江大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Nanjing University（南京大学） ； StepFun（阶跃星辰）
AI总结 提出JetFlow框架，通过因果并行草稿头结合树推测解码，将更大草稿预算转化为更长接受前缀和更高端到端加速，在Qwen3模型上实现最高9.64倍加速。
基于Transformer的终身上下文学习需要注意力的参数化形式
机构 * UC San Diego（加州大学圣地亚哥分校）
AI总结 本文提出将上下文学习扩展到终身设置是AI代理持续学习的实用方案，并论证需要参数化注意力机制来在固定硬件预算下理解终身上下文。
打破数据对称性是特征学习核泛化所必需的
机构 * CFIS UPC（UPC 计算机科学与信息系） ； UC San Diego（加州大学圣地亚哥分校）
AI总结 研究特征学习核在代数任务中的“grokking”现象，发现泛化仅在训练集对称性被打破时发生，并通过恢复数据中的不变群作用实现泛化。
Comments Accepted to the 29th International Conference on Artificial Intelligence and Statistics (AISTATS 2026)
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