高校专区
多股票股价预测的通用方法结合新闻融合
机构 * Graduate Institute of Electrical Engineering, National Taiwan University（国立台湾大学电子工程研究所） ； Institute of Information Science, Academia Sinica（学术院信息科学研究所） ； United Link Co., Ltd.（联合链接公司） ； University of Washington（华盛顿大学） ； National Tsing Hua University（国立清华大学）
AI总结 本文提出一种结合新闻融合的多股票股价预测方法，利用预训练语言模型和注意力机制处理新闻数据，提升预测精度。
Comments Accepted to Journal of Information Science and Engineering (JISE)
TAU-R1：用于交通异常理解的视觉语言模型
机构 * University of Bath（巴斯大学） ； University of Washington（华盛顿大学） ； City of Carmel, Indiana（印第安纳州卡迈尔市） ； Starwit GmbH
AI总结 本文提出TAU-R1模型，通过两层框架提升交通异常识别与推理能力，结合定制化训练策略与数据集，实现高效部署。
SINDy-KANs：通过Kolmogorov-Arnold网络进行非线性动力学的稀疏识别
机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） ； University of Washington（华盛顿大学）
AI总结 本文提出SINDy-KANs方法，结合KAN和SINDy，通过每个激活函数层面的应用提升KAN的可解释性，同时保持深度KAN的功能组合能力，用于符号回归任务中的方程发现。
计数电路：大视觉-语言模型中视觉推理的机制可解释性
机构 * Rutgers University（罗格斯大学） ； UC Santa Barbara（加州大学圣巴巴拉分校） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院）
AI总结 本文研究了大视觉-语言模型在计数任务中的机制，提出两种新方法揭示计数电路结构，并通过干预策略提升模型计数精度和视觉推理能力。
大语言模型如何扭曲我们的书面语言
机构 * UC Berkeley（加州大学伯克利分校） ； UC San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； Zaytuna College（扎亚图纳学院） ； Google DeepMind（谷歌DeepMind）
AI总结 研究揭示大语言模型不仅改变写作语气，还持续改变写作本意，通过用户研究和数据集分析发现，即使在专家反馈下，LLM仍会显著改变文本语义，影响科学机构和文化。
有偏见的AI会影响政治决策
机构 * Department of Statistics, University of Washington（华盛顿大学统计学系） ； Department of Computer Science, University of Washington（华盛顿大学计算机科学系） ； Dallas, Texas（德克萨斯州达拉斯） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Psychiatry and Behavioral Science, University of Washington（华盛顿大学精神病学与行为科学系） ； Department of Communication, Stanford University（斯坦福大学传播学系）
AI总结 本文通过两个互动实验研究了LLM偏见对政治观点和决策的影响，发现参与者更容易接受与模型偏见一致的观点，即使个人政治倾向相反，且AI知识水平与偏见影响减弱相关。
动态信息环境中的时间叙事监控
机构 * School of Information Science（信息科学学院） ； University of Washington（华盛顿大学） ； Whiting School of Engineering（工程学院） ； Johns Hopkins University（约翰霍普金斯大学） ； School of Computer Science（计算机科学学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Human Centered Design Engineering（以人为核心的设计工程）
AI总结 本文提出了一种系统框架，用于建模动态信息环境中随时间演变的语义结构，通过整合语义嵌入、密度聚类和滚动时间链接，实现对危机事件中叙事的持续适应性表示。
PAuth - 精确任务范围授权 for 代理
机构 * University of Washington（华盛顿大学） ； The Ohio State University（俄亥俄州立大学） ； Microsoft Research（微软研究院）
AI总结 PAuth通过隐式授权模型精确控制代理执行任务所需的操作权限，通过NL切片和信封结构确保操作合法性，实验表明其在安全和性能上均表现优异。
CircuitBuilder: 通过强化学习从多项式到电路
机构 * University of Washington（华盛顿大学）
AI总结 研究通过强化学习发现高效算术电路计算多项式的问题，比较PPO+MCTS和SAC方法，SAC在双变量目标上表现最佳，PPO+MCTS能扩展到三变量并提升更难实例性能。
Comments ICLR 2026 Workshop on AI with Recursive Self-Improvement
一种用于地震诱发道路中断建模的框架：对北美 Cascadia 地区应急响应和通行的启示
机构 * Dept. of Civil and Environmental Engineering, University of Washington（华盛顿大学土木与环境工程系） ； Dept. of Civil and Environmental Engineering, University of Auckland（奥克兰大学土木与环境工程系）
AI总结 本文提出一种基于力学和数据驱动的框架，用于估算地震诱发的道路关闭和服务减少，重点分析 Cascadia 地区的交通影响及应急响应需求。
具有自我反思的元强化学习用于代理搜索
机构 * Allen Institute for AI（Allen人工智能研究所） ； University of Washington（华盛顿大学） ； Independent（独立）
AI总结 本文提出MR-Search，一种基于上下文的元强化学习框架，通过自我反思优化搜索策略，提升测试时探索效率，实验显示其在多个基准上表现优异。
Comments 23 pages, Preprint
条件分布治疗效应：双重鲁棒估计与检验
机构 * Department of Statistics, University of Washington, Seattle, USA（华盛顿大学统计系，美国西雅图） ； Departments of Health Care Policy and Statistics, Harvard University, USA（哈佛大学健康政策与统计系，美国）
AI总结 本文提出捕捉条件分布治疗效应的新估计量，开发了局部渐近最优的双重鲁棒估计器，并设计了检验条件潜在结果分布全局同质性的测试方法，具有严格的一阶误差控制和一致性。
TurnWise: 单轮与多轮语言模型能力之间的差距
机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院）
AI总结 本文提出TurnWiseEval基准测试和TurnWiseData数据生成流程，通过对比单轮与多轮对话能力，验证多轮训练对提升多轮对话性能的关键作用。
基于新颖性的目标空间发现：自动化电子显微镜与扫描探针显微镜中的发现方法
机构 * Department of Materials Science and Engineering, University of Tennessee, Knoxville（田纳西大学材料科学与工程系） ； Department of Chemistry, University of Washington, Seattle（华盛顿大学化学系） ； Pacific Northwest National Laboratory, Richland（太平洋西北国家实验室）
AI总结 本文提出了一种基于新颖性的深度核学习框架，用于在自动化电子显微镜和扫描探针显微镜中主动探索目标空间，通过学习结构-性质关系来发现新的响应区域。
解释性界面：为AI中介的阅读实践和知识公共领域进行设计
机构 * University of Washington（华盛顿大学）
AI总结 本文探讨通过设计解释性界面促进用户与AI模型的交互，使非专家用户能干预语言模型的表示空间，通过直接操作观察和注释模型内部表示的变化，从而推动AI解释性作为交互设计而非纯技术问题。
Comments Accepted at the Proceedings of the CHI 2026 Workshop: Ethics at the Front-End
生成任意场景：基于场景图的数据合成用于视觉生成训练
机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
AI总结 本文提出Generate Any Scene，通过系统生成场景图来合成高质量数据，用于提升视觉生成模型的合成能力与语义对齐。
Comments ICLR 2026
引导冻结的大型语言模型：通过在线提示路由实现适应性社会对齐
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Washington（华盛顿大学）
AI总结 本文提出CCLUB框架，通过系统提示路由实现适应性社会对齐，解决部署时静态策略无法应对动态安全规范的问题，实验显示其在累积奖励和子最优差距上优于基线方法。
代理工作流程通过选择性沉淀从复杂原料中回收关键材料
机构 * Physical and Computational Sciences Directorate, Pacific Northwest National Laboratory（太平洋西北国家实验室物理与计算科学部门） ； Department of Chemical Engineering, University of Washington（华盛顿大学化学工程系）
AI总结 本文提出一种多代理工作流程，利用AI代理和自动化仪器从生产水和磁性浸出液中高效回收关键材料，通过简单化学品实现选择性沉淀，加快了分离技术的发展周期。
可信的Koopman算子学习：不变性诊断与误差界
机构 * Centre for Mathematical Sciences, University of Cambridge, UK（剑桥大学数学科学中心，英国） ； Department of Mathematics, Imperial College London, UK（伦敦帝国理工学院数学系，英国） ； Department of Mechanical Engineering, University of Washington, USA（美国华盛顿大学机械工程系）
AI总结 本文提出了一种统一的后验方法，用于验证Koopman近似的可信度并改进其性能，通过主角度分解和多步误差界，提供可靠的谱分析和预测保障。
消除干扰（RI）：解耦模型以提升模型合并
机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院） ； MIT（麻省理工学院） ； IBM Research（IBM研究院） ； University of California, Irvine（加州大学 Irvine 分校）
AI总结 本文提出RI方法，通过解耦专家模型以实现功能正交，减少跨任务干扰，提升模型合并性能和泛化能力。
神经符号生成与验证内存感知的形式函数规范
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Shanghai Innovation Institute（上海创新研究院） ； School of Computer Science and Engineering, University of Washington（华盛顿大学计算机科学与工程学院）
AI总结 本文提出神经符号框架，通过自然语言描述和函数签名生成内存感知的形式函数规范，结合符号证明器和验证工具链迭代优化，提升形式规范的正确性与语法有效性。
审视网络 vibe 编码中的设计同质化
机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院）
AI总结 本文探讨了生成式AI在复杂结构任务如网络设计中的同质化影响，分析了vibe编码生命周期中的风险阶段，并提出通过引入productive friction来缓解同质化问题的框架。
为何Softmax注意力优于线性注意力
机构 * The University of Washington（华盛顿大学） ； Adobe Research（Adobe研究） ； University of Bologna（博洛尼亚大学） ； University of Southern California（南加州大学）
AI总结 本文通过对比分析Softmax与线性注意力机制，揭示了Softmax在多数场景下性能更优的原因，探讨了两者在计算效率与性能间的权衡。
利用符合风险控制的人机交互安全概率规划
机构 * University of Washington, Department of Electrical and Computer Engineering（华盛顿大学电气与计算机工程系） ； University of Washington, Department of Aeronautics and Astronautics（华盛顿大学航空与航天系）
AI总结 本文提出结合控制屏障函数与符合风险控制的方法，以提高人机交互中的安全性和效率。
反应性写作：与AI共写如何改变我们对想法的参与方式
机构 * Paul G. Allen School of Computer Science, University of Washington（保罗·G·艾伦计算机科学学院，华盛顿大学） ； Center for Information Technology Policy, Princeton University（信息科技政策中心，普林斯顿大学） ； Cornell Tech（康奈尔科技） ； Bauhaus University（包豪斯大学）
AI总结 本文研究了与AI共写如何改变写作过程，发现反应性写作是一种以评估优先、建议引导的写作方式，作者在过程中未察觉AI影响，但容易受AI偏见影响。
Comments 21 pages, 8 figures, CHI 2026 : ACM CHI Conference on Human Factors in Computing Systems
非平稳线性老虎机中最佳臂识别的复杂性
机构 * University of Washington（华盛顿大学）
AI总结 本文提出Adjacent-BAI算法，通过建立依赖于臂集的下界，证明其在非平稳线性老虎机中最佳臂识别问题中的最优复杂性。
基于视频的计算机使用代理奖励建模
机构 * University of Southern California（南加州大学） ； University of Washington（华盛顿大学） ； MBZUAI（机器智能研究院） ； Amazon AGI（亚马逊人工通用智能）
AI总结 本研究提出基于视频的计算机使用代理奖励建模方法，通过ExeVR-53k数据集和对抗性指令翻译技术，实现高精度的任务成功预测。
多智能体交互中的责任分配学习：一种基于可微优化与控制屏障函数的方法
机构 * University of Washington, Department of Aeronautics and Astronautics（华盛顿大学航空航天系） ； University of Texas, Austin, Department of Aerospace Engineering and Engineering Mechanics（得克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； NVIDIA
AI总结 本文提出一种基于控制屏障函数和可微优化的方法，用于学习多智能体交互中的责任分配，通过数据驱动的方式实现对安全交互行为的可解释性分析。
Comments 8 pages, 7 figures
SynthWorlds: 用于语言模型中推理与知识分离的受控并行世界
机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； EPFL（苏黎世联邦理工学院） ； Google Research（谷歌研究）
AI总结 SynthWorlds通过构建两个结构相同的并行世界，分离语言模型的推理与知识能力，揭示了模型在仅依赖参数化知识和知识增强设置下的性能差异。
Comments ICLR 2026
Talking Together: 从音频流合成共处的3D对话
机构 * University of Washington（华盛顿大学） ； Google（谷歌） ； University of Rochester（罗切斯特大学）
AI总结 本文提出了一种双流架构，通过文本描述控制相对头部姿态，生成逼真且空间感知的双人3D对话动画。
Comments Accepted to CVPR 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