Detecting Safety Violations Across Many Agent Traces
在大量智能体轨迹中检测安全违规
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出Meerkat方法，通过聚类与智能体搜索结合，有效发现自然语言指定的安全违规，提升检测效率并发现广泛开发者作弊和奖励黑客行为。
Comments 35 pages, 17 figures
高校专区
University of Pennsylvania（宾夕法尼亚大学）
LitPivot: Developing Well-Situated Research Ideas Through Dynamic Contextualization and Critique within the Literature Landscape
LitPivot：通过文献景观中的动态情境化和批判发展良好的研究想法
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Allen Institute for AI（艾伦人工智能研究所） ； Google（谷歌）
AI总结 本文提出LitPivot，通过动态情境化和批判在文献景观中发展研究想法，通过文献检索和反馈提升想法质量。
When Verification Fails: How Compositionally Infeasible Claims Escape Rejection
当验证失败时：如何组成不可行的主张逃避拒绝
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文探讨了现有验证基准无法区分严格验证与简单显著约束依赖的问题，通过构造组成不可行的主张，揭示了模型在验证中的固有瓶颈。
Comments 25 pages, 9 figures
AI Patents in the United States and China: Measurement, Organization, and Knowledge Flows
美国和中国的人工智能专利：测量、组织与知识流动
机构 * University of Pennsylvania（宾夕法尼亚大学） ； NBER（美国国家经济研究局） ； Durham University（杜伦大学） ； Tsinghua University（清华大学）
AI总结 研究通过高精度分类器测量AI专利，发现中美专利增长迅速且领域趋同，但组织模式差异显著，且中国在专利数量上超越美国。
Shuffling the Data, Stretching the Step-size: Sharper Bias in constant step-size SGD
打乱数据，扩大步长：在固定步长SGD中更精确的偏倚
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Archimedes Research Unit（阿基米德研究单位）
AI总结 本文研究了在有限和最小-最大优化问题中，通过随机重洗数据和Richardson-Romberg外推的组合，提升固定步长SGD的收敛性，提供理论保证和实验验证。
Comments Accepted in ICLR 2026 Conference
SBAMP: Sampling Based Adaptive Motion Planning
基于采样的自适应运动规划：SBAMP
机构 * General Robotics, Automation, Sensing and Perception (GRASP) Laboratory, University of Pennsylvania（宾夕法尼亚大学通用机器人、自动化、感知与感知（GRASP）实验室）
AI总结 SBAMP结合RRT*全局规划与在线Lyapunov稳定的SEDS控制器，实现动态环境下的稳定实时适应与全局路径保持。
VGGT-HPE: Reframing Head Pose Estimation as Relative Pose Prediction
VGGT-HPE：将头部姿态估计重新表述为相对姿态预测
机构 * Archimedes, Athena Research Center（雅典娜研究中心阿基米德实验室） ； HERON – Hellenic Robotics Center of Excellence（HERON – 希腊机器人卓越中心） ； Robotics Institute, Athena Research Center（雅典娜研究中心机器人研究所） ； School of ECE, National Technical University of Athens（雅典国家技术大学电子与计算机工程学院） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出VGGT-HPE，通过相对姿态预测方法提升头部姿态估计的鲁棒性和准确性，在无真实数据训练的情况下，在BIWI基准上取得最佳成绩。
Comments CVPRW 2026
Transformers Learn the Optimal DDPM Denoiser for Multi-Token GMMs
Transformer 学习多令牌高斯混合分布的最优 DDPM 去噪器
机构 * Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系）
AI总结 本文研究了Transformer基于扩散模型在多令牌高斯混合分布数据去噪中的收敛性，理论分析了去噪目标的最优解与训练迭代次数的关系，揭示了自注意力机制在去噪中的作用。
Towards symbolic regression for interpretable clinical decision scores
迈向可解释临床决策评分的符号回归
机构 * Federal University of ABC（ABC联邦大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Institute for Biomedical Informatics, University of Pennsylvania（宾夕法尼亚大学生物医学信息学研究所） ； Boston Children's Hospital, Harvard Medical School（哈佛医学院波士顿儿童医院）
AI总结 本文提出Brush算法，结合决策树分裂与非线性常数优化，实现规则逻辑与符号回归的融合，提升临床评分的可解释性与预测性能。
Comments 15 pages, 5 figures. Accepted for publication in Philosophical Transactions A. Autor Accepted Manuscript version
Relative Entropy Pathwise Policy Optimization
相对熵路径策略优化
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； TU Wien（维也纳工业大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Warsaw（华沙大学） ； UC Berkeley（加州大学伯克利分校） ； Polytechnique Montréal（蒙特利尔综合理工学院） ； Mila – Quebec AI Institute（Mila – 魁北克人工智能研究所）
AI总结 本文提出REPPO算法，通过路径策略梯度结合在线学习，提升训练稳定性与效率，展现优越的样本效率和内存表现。
