高校专区
softmax自注意力层的训练动态：通过预条件实现快速全局收敛
机构 * Simons Institute, UC Berkeley（西蒙斯研究所，伯克利大学） ； Department of Electrical and Computer Engineering, University of Southern California（电气与计算机工程系，南加州大学）
AI总结 本文提出了一种结构感知的梯度下降算法，通过预条件和谱初始化实现softmax自注意力层在有限数据下的快速全局收敛。
D-REX：用于学习灵巧抓取的可微现实到仿真到现实引擎
机构 * Physical Superintelligence (PSI) Lab, University of Southern California（南加州大学物理超智能实验室） ； Viterbi School of Engineering, University of Southern California（南加州大学韦伯尔工程学院） ； Department of EECS, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系）
AI总结 D-REX通过可微引擎实现现实到仿真到现实的抓取学习，利用高斯点表示自动构建数字双胞胎并优化质量识别，从而提升抓取策略的力感知性能。
Comments ICLR 2026 Poster
V-MORALS: 基于视觉莫尔斯图的学得潜在空间中吸引区域估计
机构 * Viterbi School of Engineering, University of Southern California（美国南加州大学维特比工程学院） ； Automatic Control Laboratory, ETH Zürich（瑞士苏黎世联邦理工学院自动控制实验室）
AI总结 V-MORALS通过学习潜在空间生成莫尔斯图，实现无需全状态信息的吸引区域估计，适用于仅使用传感器数据的机器人系统分析。
混合引导图优化用于终身多智能体路径寻找中的边缘方向和权重优化
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Thomas Lord Department of Computer Science, University of Southern California（南加州大学计算机科学系托马斯·劳德部门） ； Lila Sciences
AI总结 本文提出混合引导图优化方法，通过优化边方向和权重提升终身多智能体路径寻找的引导效果。
理解训练数据在测试时扩展中的作用
机构 * University of Southern California（南加州大学） ； Google Research（谷歌研究） ； University of California Los Angeles（加州大学洛杉矶分校）
AI总结 本文研究了训练数据对测试时扩展性能的影响，发现增加计算量可减少上下文长度并提升模型表现，但若训练数据缺乏必要技能则可能损害性能。
Comments 25 pages, 5 figures, accepted in ICLR 2026
Memba: 用于Mamba的膜驱动参数高效微调
机构 * Electrical and Computer Engineering, University of Southern California（南加州大学电气与计算机工程系） ； Electrical Engineering, Yale University（耶鲁大学电气工程系）
AI总结 Memba提出了一种针对Mamba的膜驱动PEFT方法，通过引入LIM神经元和LoRA结合跨层膜传输，提升时间建模能力，实现高效微调。
Comments ICLR 2026
SpinML：为私有训练定制合成数据生成专用机器学习模型
机构 * University of Southern California（美国南加州大学）
AI总结 SpinML通过生成定制合成数据，实现专用机器学习模型的私有训练，提升模型性能同时保护用户隐私。
Comments 17 pages (with appendix), 6 figures, Accepted at The 25th Privacy Enhancing Technologies Symposium (PETS2025)
优化基于大语言模型的自动评分的上下文演示
机构 * Michigan State University（密歇根州立大学） ； University of Southern California（南加州大学）
AI总结 GUIDE通过迭代设计示例优化自动评分，提升评分标准的符合性和边界处理能力。
MED-COPILOT：一种基于图RAG和相似患者案例检索的医疗助手
机构 * University of Southern California（南加州大学）
AI总结 MED-COPILOT通过结合图RAG和相似患者案例检索，提升临床决策支持系统的证据整合与推理准确性。
证明-感知：具有组合性符合保证的认证工具使用多模态推理
机构 * University of Southern California（南加州大学） ； Nuro
AI总结 Proof-of-Perception通过组合性符合保证实现多模态推理的可信工具使用，提升性能和可靠性，同时更高效地利用计算资源。
Journal ref CVPR 2026
基于前瞻树的rollouts用于增强强化学习中轨迹层面的探索
机构 * Nanjing University（南京大学） ； University of Southern California（南加州大学） ； Fudan University（复旦大学）
AI总结 基于前瞻树的rollouts通过促进轨迹多样性提升强化学习中策略学习效率
数字陪伴：AI陪伴与AI助手的重叠使用
机构 * Max Planck Institute for Human Cognitive and Brain Sciences（人类认知与脑科学研究所） ； Sentience Institute（意识研究所） ； University of Edinburgh（爱丁堡大学） ； University of Oxford（牛津大学） ； University of Southern California（南加州大学） ； Stanford University（斯坦福大学）
AI总结 本文探讨了AI陪伴与助手在社交和任务中的重叠使用，揭示了用户对人机关系的复杂态度及设计上的挑战。
Comments Final version with incorporated reviewer comments
HardcoreLogic: 用长尾逻辑谜题游戏挑战大型推理模型
机构 * Fudan University（复旦大学） ； University of Southern California（南加州大学） ； Huawei Technologies Ltd（华为技术有限公司） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 HardcoreLogic通过长尾逻辑谜题挑战大型推理模型，揭示其在复杂规则和非标准变体上的局限性。
LLM摘要推断的分层视角：LIDS
机构 * Department of Mathematics, University of Southern California（数学系，南加州大学） ； Data Sciences and Operations Department, Marshall School of Business, University of Southern California（数据科学与运营系，马歇尔商学院，南加州大学）
AI总结 LIDS是一种基于BERT-SVD方向度量和SOFARI的LLM摘要推断方法，通过可解释的关键字分析实现摘要准确性的评估，并通过实证研究验证其在大规模文本缩减中的有效性。
Comments 48 pages, 15 figures
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