高校专区
UniTemp: 通过双向蒸馏实现任意时间顺序的视频生成
机构 * University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； Adobe Research（Adobe 研究院） ； University of California Los Angeles（加利福尼亚大学洛杉矶分校） ； University of California Davis（加利福尼亚大学戴维斯分校）
AI总结 提出UniTemp框架，通过双向蒸馏训练单个自回归模型，支持任意时间方向（前向、后向、中间插值）的视频生成，解决因果3D VAE在后向生成中的不连续性，提升可控性。
参与强度作为自适应AI伦理教学的学习者建模信号
机构 * University of California, Los Angeles (UCLA)（加州大学洛杉矶分校）
AI总结 本研究比较了三种学习者特征（使用频率、自评熟悉度、先前AI教育）与AI感知结果的关系，发现使用频率与所有五项结果显著相关，为自适应AI伦理教学提供了简单的入学者建模信号。
斯坦福EDGAR文件数据集：将美国公司及财务披露重建为布局忠实且令牌高效的预训练数据
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学）
AI总结 为解决长上下文文档稀缺问题，提出SEFD数据集，将SEC文件重建为布局忠实的MultiMarkdown格式，用于金融语言建模与评估，具有令牌高效、与Common Crawl重叠率低于0.1%的特点。
Comments Preprint. Includes appendix, tables, and figures
首次证明第二批
机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Harvard University（哈佛大学） ； Polish Academy of Sciences（波兰科学院） ； UC Berkeley（加州大学伯克利分校） ； Brown University（布朗大学） ； ETH Zürich（苏黎世联邦理工学院） ； MIT（麻省理工学院） ； Weierstrass Institute（魏尔斯特拉斯研究所） ； Duke University（杜克大学） ； Sorbonne Université（索邦大学） ； Boston College（波士顿学院） ； Université du Québec à Montréal（魁北克大学蒙特利尔分校） ； UCLA（加州大学洛杉矶分校） ； University of Michigan（密歇根大学） ； University of Maryland（马里兰大学）
AI总结 测试多个AI系统在十个数学研究问题上的解题能力，评估当前AI解决研究级数学问题的水平。
从令牌到策略：因果且可解释的异质性处理效应识别
机构 * ISTA ； UNICEF（联合国儿童基金会） ； UCLA（加州大学洛杉矶分校）
AI总结 提出NEXIS方法，利用多模态预处理表示将HTE识别转化为马尔可夫毯发现问题，实现因果可解释的异质性处理效应识别，并在非洲反贫困项目中验证。
SidewalkBench: 城市人行道视觉导航基准
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Coco Robotics
AI总结 针对城市人行道视觉导航缺乏统一基准的问题，提出SidewalkBench，基于NVIDIA Isaac Sim构建高保真仿真环境，评估9种模型，发现行人交互和长距离鲁棒性是关键瓶颈。
Comments Project Page: https://vail-ucla.github.io/SidewalkBench/
从平均奖励马尔可夫决策过程中的单条轨迹学习策略
机构 * Seoul National University（首尔国立大学） ； UCLA（加州大学洛杉矶分校） ； Purdue University（普渡大学）
AI总结 针对弱通信平均奖励MDP，首次从单条轨迹建立有限样本复杂度保证，提出无模型方法，值函数和策略方法分别达到$\widetilde{O}(1/\varepsilon^2)$和$\widetilde{O}(1/\varepsilon^4)$的样本复杂度。
通过无源衍射网络实现波长复用的二维光束偏转
机构 * Electrical and Computer Engineering Department, University of California, Los Angeles（加州大学洛杉矶分校电气与计算机工程系） ； Bioengineering Department, University of California, Los Angeles（加州大学洛杉矶分校生物医学工程系） ； California NanoSystems Institute (CNSI), University of California, Los Angeles（加州大学洛杉矶分校加州纳米系统研究所）
AI总结 提出一种无源衍射光学网络，利用波长作为控制参数实现任意二维光束偏转，通过深度学习优化级联衍射层，数值和实验验证了625个波长通道的25x25偏转阵列，具有亚波长精度和高信道保真度。
Comments 20 Pages, 4 Figures
视觉锚定思维
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 提出视觉锚定思维方法，让视觉语言模型在推理时交替生成自然语言和视觉锚点（点或框），并通过合成数据管道和锚定感知强化学习训练，在计数和空间推理任务上显著提升性能。
通过动作令牌干预引导自回归视觉-语言-动作策略
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出Token Steering方法，在推理时通过干预动作令牌空间动态引导VLA模型轨迹生成，无需训练或微调，显著提升家务操作任务成功率。
Comments 9 pages, 5 figures
CREST：面向嵌入式传感系统的部署真实硬件在环神经网络架构搜索
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出CREST框架，通过硬件在环测量联合优化模型架构、目标平台、运行时调度和部署策略，在惯性里程计和音频分类任务上相比FLOPs选择降低中位推理能耗41.7%。
Comments 14 pages, 10 figures, 7 tables
用大型语言模型模拟学生的Java编程错误
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 探索用LLM模拟学生编程错误，评估五种模型在多样性和对齐性上的表现，发现Claude Sonnet 4平衡最佳，且合成错误与真实错误难以区分。
自演化视觉提问器
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Peking University（北京大学） ； Arena ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出自演化框架，让视觉语言模型作为提问器和过滤器，无需外部监督即可生成更难、更信息丰富、更视觉中心的问题，并保持探索多样性以避免训练崩溃，显著提升自主提问质量和难度边界。
Comments 21 pages, including references and appendix. Project Page is available at https://joliang17.github.io/SelfEvolvingVQG/
HarnessBridge: 用于LLM智能体框架的可学习双向控制器
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出HarnessBridge，一种轻量级可学习框架控制器，通过双向投影参数化智能体-环境接口，减少令牌使用和轨迹长度，并泛化到更大模型。
Sparse2Act: 学习跨域机器人操作的动作对齐稀疏3D表示
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣迭戈分校） ； University of Utah（犹他大学）
AI总结 提出Sparse2Act框架，通过动作对齐的掩码稀疏3D编码预训练，实现跨域机器人操作，在LIBERO-10上达86.9%成功率，并支持域迁移和sim-to-real。
从模仿到对齐：面向长距离人行道导航的人类偏好流策略
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出FlowPilot，一种仅使用单目RGB相机的无地图导航策略，通过锚定流匹配进行预训练，并引入人类偏好学习实现对齐，在长距离人行道导航中提升鲁棒性和社会合规性。
Gumbel-BEARD：低资源领域Whisper自监督自适应的自动层选择
机构 * University of California, Los Angeles, USA（加州大学洛杉矶分校）
AI总结 提出Gumbel-BEARD框架，通过可训练的Gumbel-Softmax选择器自动选择Whisper编码器层，结合BEST-RQ自监督目标实现低资源领域自适应，在儿童语音和方言数据集上取得最先进词错误率。
Comments Accepted by Interspeech 2026
TacCoRL: 通过仿真将触觉反馈集成到视觉-语言-动作模型中
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； University of Electronic Science and Technology of China（电子科技大学） ； Peking University（北京大学） ； University of Utah（犹他大学）
AI总结 提出TacCoRL框架，通过仿真与真实联合训练和强化学习，将触觉反馈注入视觉-语言-动作策略，在接触密集型任务中平均成功率提升22.5%。
APEX: 具有动态数据选择的自动提示工程专家
机构 * Google（谷歌） ； UCLA（加州大学洛杉矶分校）
AI总结 提出APEX框架，通过动态数据分层（易、难、混合）优先选择高杠杆子集，在固定预算下提升提示优化效率，在三个基准上平均提升11.2%和6.8%。
熵感知域路由混合专家语音-大语言模型框架：多领域儿童-成人ASR案例研究
机构 * University of California, Los Angeles, USA（加州大学洛杉矶分校）
AI总结 提出一种混合专家语音-大语言模型，通过分类器域路由、混合投影器和混合LoRA模块以及熵感知路由机制，实现跨不同环境和年龄组的统一儿童-成人ASR，在公共儿童语料库上取得一致改进。
Comments Accepted to Interspeech 2026
通过目标分布设计审视监督微调的统一视角
机构 * University of California, Los Angeles (UCLA)（加州大学洛杉矶分校） ； Arena
AI总结 本文重新解读监督微调为目标分布设计，提出Q-target框架，将监督分解为对观测token的依赖强度与替代token的概率分配，并基于此提出Target-SFT方法，在多个推理任务中优于现有方法。
超越静态评估：对抗性游戏中LLM驱动策略演化的协同进化机制
机构 * Baidu Inc.（百度公司） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； University of Technology Sydney（悉尼科技大学）
AI总结 针对LLM驱动代码进化在对抗性多智能体游戏中因评估景观变化导致停滞的问题，提出评估器协同进化、层次深度评估和弱点压力三种机制，在MCTF任务中实现最优性能和泛化能力。
流控制：通过简单实时输入引导视觉-语言-动作模型
机构 * Departments of Electrical and Computer Engineering, Computer Science, and Neurobiology, University of California, Los Angeles（电气与计算机工程系、计算机科学系和神经生物学系，加州大学洛杉矶分校） ； Department of Computer Science University of California, Los Angeles（计算机科学系，加州大学洛杉矶分校）
AI总结 提出流控制方法，利用键盘等通用实时输入引导VLA模型动作，无需重新训练，能提升任务成功率和完成速度。
Comments 10 pages, 5 figures
你的模型已经知道：面向视觉-语言-动作模型的注意力引导安全过滤器
机构 * University of California Los Angeles（加州大学洛杉矶分校）
AI总结 本文发现VLA模型中的少数注意力头能可靠定位目标物体，利用这一特性提出无需训练的安全框架，结合控制障碍函数和实时目标跟踪器，实现动态障碍物下的碰撞避免，在动态场景中性能提升43%。
Comments Under review
ProbeAct: 视觉-语言-动作模型中的探针引导无训练故障恢复
机构 * University of California Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 提出ProbeAct框架，通过轻量级隐藏状态探针、运动学状态机和分层控制屏障函数，无需训练即可检测并恢复VLA模型的抓取与放置失败，在LIBERO-plus上将成功率从69.6%提升至74.1%。
Comments under review
FMplex: 用于服务可扩展基础模型的模型虚拟化
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of California Los Angeles（加州大学洛杉矶分校）
AI总结 提出FMplex系统，通过将基础模型作为虚拟化层实现多任务共享，结合批感知公平队列调度器，在7个基础模型和92个下游任务上降低延迟达80%，提升任务容量6倍。
密度之上的时间覆盖：机器学习气候降尺度的简约训练集设计
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Wyoming（怀俄明大学）
AI总结 针对机器学习气候降尺度中高分辨率模拟资源有限的问题，提出通过时间分布采样而非连续块状采样来分配训练年份，以更好地捕捉强迫气候响应和内部变率，实验表明时间分布采样在固定预算下性能最优。
Comments 22 pages, 8 figures
将遗留科学代码系统性地LLM翻译为可微分框架：以陆面模型为例
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； NASA Goddard Space Flight Center（国家航空航天局戈达德空间飞行中心）
AI总结 提出基于LLM的五阶段流水线，将遗留Fortran代码自动翻译为JAX可微分框架，在CLM-ml-v2模型上实现完整雅可比矩阵计算和24倍加速。
项目反应缩放定律：一种高效且可泛化的神经缩放估计的测量理论方法
机构 * Stanford University（斯坦福大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出项目反应缩放定律（IRSL），将项目反应理论融入缩放定律框架，通过Beta-IRT模型利用语言模型的概率响应，将参数复杂度从O(M×N)降至O(M+N)，在预训练和测试时缩放场景中仅用50个问题即可实现可靠估计。
尾部的捷径：通过微调更新的后验谱压缩进行去偏
机构 * UCLA（加州大学洛杉矶分校） ； Northeastern University（东北大学）
AI总结 提出对微调权重更新进行SVD截断尾部，无需重训练或组标签即可减少虚假关联，在多个模型和基准上以<2%的准确率损失将差距降低最多5倍。
Comments ICML Weight Space Symmetries Workshop 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