University of Texas at Austin（得克萨斯大学奥斯汀分校）

Real-Time Decoding of Movement Onset and Offset for Brain-Controlled Rehabilitation Exoskeleton

脑控康复外骨骼运动起始与终止的实时解码

Kanishka Mitra, Satyam Kumar, Frigyes Samuel Racz, Deland Liu, Ashish D. Deshpande, José del R. Millán

机构 * Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电气工程与计算机科学系） ； Chandra Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校查兰电气与计算机工程系） ； Department of Neurology, The University of Texas at Austin（德克萨斯大学奥斯汀分校神经病学系） ； Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程系） ； Meta Reality Labs Research, Redmond, WA, USA（微软现实实验室，华盛顿州雷德蒙德） 纠错

AI总结 本文提出基于EEG的实时双状态运动想象控制方法，实现上肢外骨骼的起止控制，提升解码可靠性并减少偏差，为神经可塑性导向的康复提供技术支持。

Comments Accepted to ICRA 2026. 8 pages, 5 figures. Project page available at https://mitrakanishka.github.io/projects/startstop-bci/

Agnostic Tomography of Stabilizer Product States

对稳定子积态的无偏成像

Sabee Grewal, Vishnu Iyer, William Kretschmer, Daniel Liang

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Simons Institute for the Theory of Computing（计算理论学院） ； Portland State University（波特兰州立大学） ； Rice University（里奇大学） 纠错

AI总结 本文提出无偏成像任务，针对任意态ρ和量子态类C，输出近似ρ的简洁描述，优于C中任意态。针对n-量子比特稳定子积态类，提出高效算法，时间复杂度为n^{O(log(2/τ))}/ε²。

Comments 20 pages. V2: minor corrections. V3: addition of new references. V4: reworked the algorithm and presentation. V5: accepted to Quantum

Journal ref Quantum 10, 2027 (2026)

Characterizing Delusional Spirals through Human-LLM Chat Logs

通过人类-大语言模型聊天日志表征妄想螺旋

Jared Moore, Ashish Mehta, William Agnew, Jacy Reese Anthis, Ryan Louie, Yifan Mai, Peggy Yin, Myra Cheng, Samuel J Paech, Kevin Klyman, Stevie Chancellor, Eric Lin, Nick Haber, Desmond C. Ong

机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Chicago（芝加哥大学） ； Independent Researcher（独立研究者） ； Harvard Belfer Center（哈佛贝尔弗中心） ； University of Minnesota（明尼苏达大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文通过分析19名受聊天机器人影响用户的历史对话日志，揭示了妄想螺旋中用户与聊天机器人互动模式及心理危害，提出28项代码用于评估对话中的妄想、自伤和AI拟人化现象。

Comments To appear at ACM FAccT 2026

The Importance of Being Smoothly Calibrated

平稳校准的重要性

Parikshit Gopalan, Konstantinos Stavropoulos, Kunal Talwar, Pranay Tankala

机构 * Apple（苹果公司） ； UT Austin（得克萨斯大学奥斯汀分校） ； Harvard（哈佛大学） 纠错

AI总结 本文探讨了平稳校准在鲁棒性校准误差中的核心作用，提出新的平稳预测保证，统一并扩展了以往基于平稳校准的预测结果，同时揭示了校准距离与地球移动距离的关系。

Regularized Latent Dynamics Prediction is a Strong Baseline For Behavioral Foundation Models

正则化潜在动态预测是行为基础模型的强基线

Pranaya Jajoo, Harshit Sikchi, Siddhant Agarwal, Amy Zhang, Scott Niekum, Martha White

机构 * Department of Computing Science, University of Alberta, Canada（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能 chair） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 本文探讨零样本强化学习中复杂表征学习目标的必要性，提出正则化潜在动态预测方法，通过正则化保持特征多样性，优于现有方法，并在低覆盖场景中表现优异。

Comments ICLR 2026

The PokeAgent Challenge: Competitive and Long-Context Learning at Scale

PokeAgent挑战：在大规模中实现竞争性和长上下文学习

Seth Karten, Jake Grigsby, Tersoo Upaa, Junik Bae, Seonghun Hong, Hyunyoung Jeong, Jaeyoon Jung, Kun Kerdthaisong, Gyungbo Kim, Hyeokgi Kim, Yujin Kim, Eunju Kwon, Dongyu Liu, Patrick Mariglia, Sangyeon Park, Benedikt Schink, Xianwei Shi, Anthony Sistilli, Joseph Twin, Arian Urdu, Matin Urdu, Qiao Wang, Ling Wu, Wenli Zhang, Kunsheng Zhou, Stephanie Milani, Kiran Vodrahalli, Amy Zhang, Fei Fang, Yuke Zhu, Chi Jin

机构 * Princeton（普林斯顿大学） ； UT-Austin（得克萨斯大学奥斯汀分校） ； CMU（卡内基梅隆大学） ； NYU（纽约大学） ； Google DeepMind（谷歌DeepMind） ； Team Heatz（团队Heatz） ； Team PA-Agent（团队PA-Agent） ； Team FoulPlay（团队FoulPlay） ； Team 4thLesson（团队4thLesson） ； Team Q（团队Q） ； Team Anthonys（团队Anthonys） ； Team Hamburg（团队Hamburg） ； Team Porygon2AI（团队Porygon2AI） ； Team Deepest（团队Deepest） ； Team August（团队August） 纠错

AI总结 PokeAgent挑战通过两个互补赛道，解决部分可观测性、博弈推理和长周期规划问题，提供大规模基准测试和首个RPG速run评估框架，揭示通用（LLM）、专业（RL）和精英人类表现间的差距。

Comments 41 pages, 26 figures, 5 tables. NeurIPS 2025 Competition Track

Functional Stochastic Localization

功能随机定位

Anming Gu, Bobby Shi, Kevin Tian

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种功能随机定位方法，通过将高斯正则化替换为任意正整数倍的对数拉普拉斯变换正则化，改进了非欧几里得几何下的采样算法，并在差分隐私凸优化中取得了更好的查询复杂度。

Comments Comments welcome! v2 adds citations and fixes typos

GLANCE: Gaze-Led Attention Network for Compressed Edge-inference

GLANCE：基于目光的注意力网络用于压缩边缘推断

Neeraj Solanki, Hong Ding, Sepehr Tabrizchi, Ali Shafiee Sarvestani, Shaahin Angizi, David Z. Pan, Arman Roohi

机构 * Department of Electrical and Computer Engineering, University of Illinois Chicago（伊利诺伊大学芝加哥分校电子与计算机工程系） ； Department of Electrical and Computer Engineering, New Jersey Institute of Technology（新泽西理工学院电子与计算机工程系） ； Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校电子与计算机工程系） 纠错

AI总结 本文提出GLANCE网络，结合可微无权神经网络和注意力引导的感兴趣区域检测，实现低功耗下的实时目标检测，提升边缘设备的效率和精度。