University of California, Los Angeles（加州大学洛杉矶分校）

Generative Inversion of Spectroscopic Data for Amorphous Structure Elucidation

光谱数据生成性反演以阐明非晶结构

Jiawei Guo, Daniel Schwalbe-Koda

机构 * Department of Materials Science and Engineering, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校材料科学与工程系） 纠错

AI总结 本文提出GLASS框架，通过多模态光谱测量反推原子结构，利用得分模型学习结构先验，展示PDFs在非晶材料研究中的有效性，并解决三个争议性实验问题。

Comments 10 pages; SI: 51 pages

Transformers Trained via Gradient Descent Can Provably Learn a Class of Teacher Models

通过梯度下降训练的Transformer可以证明性地学习某一类教师模型

Chenyang Zhang, Qingyue Zhao, Quanquan Gu, Yuan Cao

机构 * The University of Hong Kong（香港大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文研究了通过Transformer学习各类教师模型的理论基础，证明单层Transformer能恢复教师模型的所有参数块并达到最优损失，同时展示其在分布外数据上的泛化能力。

Comments 64 pages, 9 figures

Pretext Matters: An Empirical Study of SSL Methods in Medical Imaging

预设信息重要性：医学影像中SSL方法的实证研究

Vedrana Ivezić, Mara Pleasure, Ashwath Radhachandran, Saarang Panchavati, Shreeram Athreya, Vivek Sant, Benjamin Emert, Gregory Fishbein, Corey Arnold, William Speier

机构 * Biomedical AI Research Lab, University of California, Los Angeles, Los Angeles, CA, USA（生物医学人工智能研究实验室，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Radiology, University of California, Los Angeles, Los Angeles, CA, USA（放射学系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Division of Endocrine Surgery, University of Texas Southwestern Medical Center, Dallas, TX, USA（内分泌外科 division，德克萨斯西南医学中心，达拉斯，TX，USA） ； Department of Pathology, University of California, Los Angeles, Los Angeles, CA, USA（病理学系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Computational Medicine, University of California, Los Angeles, Los Angeles, CA, USA（计算医学系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Bioengineering, University of California, Los Angeles, Los Angeles, CA, USA（生物工程系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Electrical and Computer Engineering, University of California, Los Angeles, Los Angeles, CA, USA（电气与计算机工程系，加州大学洛杉矶分校，洛杉矶，CA，USA） 纠错

AI总结 本文通过实证研究探讨SSL方法在医学影像中的影响，发现不同SSL目标在处理不同噪声特性影像时表现各异，为选择合适SSL方法提供了框架。

Learning Sidewalk Autopilot from Multi-Scale Imitation with Corrective Behavior Expansion

从多尺度模仿中学习人行道自动驾驶：带有纠正行为扩展

Honglin He, Yukai Ma, Brad Squicciarini, Wayne Wu, Bolei Zhou

机构 * Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） ； Coco Robotics（Coco机器人） 纠错

AI总结 本文提出通过纠正行为扩展和多尺度模仿学习提升人行道微出行的鲁棒性和泛化能力，通过数据和模型双重改进解决传统模仿学习的局限。

MKA: Memory-Keyed Attention for Efficient Long-Context Reasoning

MKA：用于高效长上下文推理的内存键注意

Dong Liu, Yanxuan Yu, Ben Lengerich, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出MKA机制，通过多级KV缓存和动态路由提升长上下文推理效率，FastMKA在保持准确率的同时显著提升训练速度和评估效率。

Comments Accepted to the ACM Computing Frontiers 2026 Conference (Oral Presentation) and the ICML 2025 Long Context Modeling Workshop

Inverting Neural Networks: New Methods to Generate Neural Network Inputs from Prescribed Outputs

神经网络反向：生成神经网络输入的新方法

Rebecca Pattichis, Sebastian Janampa, Constantinos S. Pattichis, Marios S. Pattichis

机构 * Department of Electrical Engineering, University of California, Los Angeles（电气工程系，加州大学洛杉矶分校） ； Department of Electrical and Computer Engineering, University of New Mexico（电气与计算机工程系，新墨西哥大学） ； Department of Computer Science, University of Cyprus（计算机科学系，塞浦路斯大学） 纠错

AI总结 本文提出两种新方法，通过反向计算生成与指定分类对应的输入图像，揭示了神经网络的潜在漏洞。

Comments Accepted at 2026 IEEE Southwest Symposium on Image Analysis and Interpretation (SSIAI)

T-MAP: Red-Teaming LLM Agents with Trajectory-aware Evolutionary Search

T-MAP: 通过轨迹感知的进化搜索实现红队攻击LLM代理

Hyomin Lee, Sangwoo Park, Yumin Choi, Sohyun An, Seanie Lee, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文提出T-MAP方法，通过轨迹感知的进化搜索发现对抗性提示，有效突破安全防护并实现有害目标，实验显示其在攻击实现率上优于基线方法，适用于多步骤工具执行的LLM代理安全测试。