高校专区
野生的AI小说
机构 * University of Washington（华盛顿大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校）
AI总结 分析50万条ChatGPT用户对话，发现超三分之一涉及小说生成，包括原创故事、角色扮演、同人和色情文学，用户倾向于同人、色情及重复叙事，提出“唯我读者-作者”概念。
Comments Presented at the MFS Cultural AI Conference, Purdue University, September 19, 2025. This essay is provisionally forthcoming in MFS: Modern Fiction Studies
FedSteer: 通过校正投影和缓存驯服联邦学习中的极端梯度陈旧性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Avignon（阿维尼昂大学） ； Singapore University of Technology and Design（新加坡科技与设计大学） ； University of Washington（华盛顿大学）
AI总结 针对联邦学习中客户端参与不均导致的梯度陈旧问题，提出FedSteer方法，利用客户端梯度缓存构建子空间，通过投影和缓存策略校正陈旧梯度，显著提升训练稳定性与精度。
Comments UAI 2026
可扩展贝叶斯加性模型：通过摊销高斯过程推理和隐马尔可夫模型进行恒星耀斑检测
机构 * Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系） ； Data Sciences Institute, University of Toronto（多伦多大学数据科学研究院） ； School of the Environment, University of Toronto（多伦多大学环境学院） ； David A. Dunlap Department of Astronomy and Astrophysics, University of Toronto（多伦多大学大卫·A·邓拉普天文与天体物理系） ； School of Public Health, Imperial College London（伦敦帝国学院公共卫生学院） ； Department of Astronomy, University of Washington（华盛顿大学天文学系）
AI总结 提出生成式代理框架，利用变分自编码器压缩Celerite先验，避免精确协方差运算，结合隐马尔可夫模型实现恒星耀斑的高效检测。
Comments Main paper: 19 pages, full paper: 34 pages. 4 appendices. 9 main figures, 21 figures in total. 4 tables. Poster Presenter, SSC 2026 (Statistical Society of Canada Annual Meeting) and ISBA 2026 (International Society for Bayesian Analysis World Meeting)
Concordia: 用于容错LLM推理的即时编译持久内核检查点
机构 * University of California Santa Cruz（加州大学圣克ruz分校） ； University of California, Davis（加州大学戴维斯分校） ； University of Washington（华盛顿大学）
AI总结 针对LLM推理中GPU状态丢失问题，提出Concordia运行时，利用设备驻留持久内核实现JIT编译的增量检查点，支持PTX/SASS级插桩，无需修改应用代码。
Tmax: 终端智能体的简单配方
机构 * Allen Institute for AI（人工智能研究院） ； University of Washington（华盛顿大学）
AI总结 提出Tmax配方，通过新颖分类法生成数据并结合结果奖励的强化学习，在9B参数下达到27%的Terminal-Bench 2.0性能，超越先前更大模型。
Comments preprint
神经共轭聚合：异构传感器偏差下可识别的无监督多传感器回归
机构 * Istanbul Technical University（伊斯坦布尔理工大学） ； University of Washington（华盛顿大学）
AI总结 提出神经共轭聚合模型（NCAM），一种结合神经网络与共轭高斯推理的无监督多源融合框架，通过传感器锚定和方差正则化解决非可识别性，并集成自适应蒙特卡洛共形预测提供有限样本保证。
Comments 10 pages
标签之前：数据集构建如何塑造临床文本中的自杀检测
机构 * University of Washington（华盛顿大学）
AI总结 通过ScAN数据集案例研究，揭示EHR自杀数据集编码特定操作化定义，受数据作者、事件边界和歧义处理影响，并展示相同标签涵盖异质性临床框架。
Comments To appear in the Proceedings of the 11th Workshop on Computational Linguistics and Clinical Psychology (CLPsych 2026)
大规模手语数据集：资源、基准和标注标准的综合调查
机构 * Tacoma School of Engineering & Technology, University of Washington（华盛顿大学塔科马工程与技术学院）
AI总结 本文调查了35种手语的120个数据集，分析了模态不平衡、标注粒度和手语者偏差等挑战，并提出了24字段手语数据表以支持标准化文档和可复现评估。
Comments Accepted to ACL 2026 Main. 27 pages, 5 figures
HEPTv2：用于带电粒子重建的端到端高效点变换器
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） ； Department of Physics and Astronomy, Purdue University（普渡大学物理与天文学系） ； Department of Physics, University of California San Diego（加州大学圣地亚哥分校物理系） ； Department of Physics, University of Washington（华盛顿大学物理系）
AI总结 提出HEPTv2，一种端到端点变换器架构，通过局部敏感哈希编码和扇区化解码，无需图构建即可从探测器击中点直接重建粒子轨迹，在TrackML上以0.8%假率实现98.6%追踪效率，延迟仅15ms。
BCL：面向信息抽取的贝叶斯上下文学习框架
机构 * HiThink Research（海天瑞声研究） ； University College London（伦敦大学学院） ； University of Edinburgh（爱丁堡大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； East China Normal University（华东师范大学） ； Shanghai Medical Image Insights（上海医学影像洞察） ； University of Waterloo（滑铁卢大学） ； University of Washington（华盛顿大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出BCL框架，利用贝叶斯更新和粒子滤波优化信息抽取中的上下文学习，在序列标注和关系分类任务上取得显著提升。
Comments ACL 2026 Findings
基于导纳的表面对齐用于人在环机器人视觉检测
机构 * University of Washington（华盛顿大学）
AI总结 提出一种基于导纳的实时闭环控制框架，融合操作员输入与感知驱动，实现机器人末端执行器与局部表面的精确对齐，在6自由度机械臂上验证了稳定法向跟踪和0.4°的平均定向误差。
Splaxel：通过像素级通信实现大规模场景重建的高效分布式3D高斯泼溅训练
机构 * Independent Researcher（独立研究者） ； Rice University（里士满大学） ； University of Georgia（佐治亚大学） ； University of Houston（休斯顿大学） ； University of Washington（华盛顿大学） ； Argonne National Labs（阿贡国家实验室）
AI总结 提出Splaxel框架，通过像素级局部渲染与全局组合替代高斯同步，在保持数学一致性的同时稳定通信开销，结合可见性预测和冲突消除策略，实现大规模3DGS分布式训练加速7.6倍。
Comments 17 pages, 25 figures
MolmoMotion: 基于语言指令的3D点轨迹预测
机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 提出一种基于语言指令的3D点运动预测方法，通过构建大规模数据集和基准，实现类无关、视角稳定的运动轨迹预测，并在机器人操作和视频生成中验证其有效性。
入乡随俗：从异构智能体学习通用行为
机构 * University of Washington（华盛顿大学） ； NVIDIA（英伟达）
AI总结 提出GRID方法，从追求不同目标的异构示范者中提取通用奖励，训练通用智能体以学习环境通用能力，避免模式平均偏差，提升下游任务微调效率。
EvoArena: 追踪记忆演化以构建动态环境中的鲁棒LLM智能体
机构 * National University of Singapore（新加坡国立大学） ； Singapore Management University（新加坡管理大学） ； University of Washington（华盛顿大学） ； University College London（伦敦大学学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Nanyang Technological University（南洋理工大学） ； Recursive ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出EvoArena基准套件模拟终端、软件和社交领域的渐进环境变化，并设计基于补丁的记忆范式EvoMem记录结构化更新历史，使智能体能通过记忆变化推理环境演化，实验表明当前智能体在动态环境中表现不佳，EvoMem可稳定提升性能。
Visored: 一种面向LLM生成数学的受控自然语言证明器
机构 * University of Washington（华盛顿大学） ； University of Innsbruck（因斯布鲁克大学）
AI总结 提出一种基于依赖类型的证明器，其表面模仿数学自然语言，并通过规则驱动的自动化层填补常规步骤，使LLM无需专用训练数据即可在miniF2F基准上有效使用，并输出可检查的Lean文件。
ProCUA-SFT 技术报告
机构 * NVIDIA（英伟达） ； University of Washington（华盛顿大学） ； Allen Institute for AI（艾伦人工智能研究所）
AI总结 提出 ProCUA-SFT 数据集，通过自动化管道从 2484 个应用组合的合成轨迹中蒸馏出 310 万步级 SFT 样本，微调 UI-TARS 7B 在 OSWorld 上达到 45.0% 的成功率，比基线提升 18.7 个百分点。
Comments 15 pages, 5 figures
嵌入式竞技场：通过硬件反馈的迭代优化
机构 * University of Washington（华盛顿大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Northeastern University（东北大学）
AI总结 提出硬件在环智能体框架，通过迭代编译、烧录和测量真实硬件，实现模型与固件的闭环优化，在嵌入式设备上达到250倍压缩且精度损失<3.3%。
Comments Code: https://github.com/ubicomplab/embedded-arena
多保真度SINDy：基于保真度加权测量的非线性动力系统稀疏发现
机构 * Politecnico di Milano（米兰理工大学） ； University of Washington（华盛顿大学）
AI总结 针对异质噪声数据，提出多保真度SINDy方法，通过加权回归融合集成SINDy和弱SINDy，从不同保真度测量中稀疏识别非线性动力系统，理论证明加权策略的统计合理性，在常微分和偏微分方程基准系统及双摆预测中验证了其抑制异方差噪声、利用低成本低质量数据提升模型恢复的效果。
Comments 27 pages, 6 figures, 2 tables
Spokes: 优化多样化预训练数据选择
机构 * DSO National Laboratories（DSO国家实验室） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学）
AI总结 提出基于G-Vendi分数的概率多样化框架，通过指数梯度下降直接优化数据多样性，在FineWeb和DCLM上提升下游性能1.5和1.4个点。
Comments 9 pages, 4 figures
分而除噪：一种公平组合扩散模型的博弈论方法
机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Washington（华盛顿大学） ； University of Cambridge（剑桥大学）
AI总结 提出Divide-and-Denoise方法，通过公平分配博弈协调多个预训练扩散模型，在采样时划分区域并引导各模型去噪，解决模型主导或冲突问题，在条件图像生成中优于基线。
Comments Accepted as spotlight at ICML 2026
Flex4DHuman：面向4D人体重建的灵活多视角视频扩散模型
机构 * University of Washington（华盛顿大学） ； World Labs
AI总结 提出Flex4DHuman，一种基于相对相机位姿条件化的多视角视频扩散模型，无需显式几何先验即可将单目或稀疏多视角视频转换为密集多视角视频，并用于4D高斯溅射重建。
Comments Project Page: https://andy-cheng.github.io/Flex4DHuman/
AgentBeats：面向开放性、标准化和可复现性的智能体评估代理化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Purdue University（普渡大学） ； University of Ljubljana（卢布尔雅那大学） ； University of Washington（华盛顿大学） ； Oasis Labs ； University of Maryland（马里兰大学） ； IBM Research（IBM研究院） ； Mila ； McGill University（麦吉尔大学） ； ServiceNow Research（ServiceNow研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； National Institute of Standards and Technology（美国国家标准与技术研究院） ； The Ohio State University（俄亥俄州立大学） ； University of Cambridge（剑桥大学） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 提出代理化智能体评估（AAA）框架，通过标准化协议（A2A和MCP）统一评估接口，实现开放、可复现的多智能体评估，并基于AgentBeats系统通过大规模竞赛和案例研究验证其覆盖性、实用性和保真度。
M*: 一个模块化、可扩展的多模态模型服务系统
机构 * Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出M*系统，通过将模型表示为数据流图并引入Walk Graph抽象，支持多模态复合模型的高效服务，在多个任务上降低延迟并提升吞吐量。
Comments The codebase is available at https://github.com/mstar-project/mstar
测量大语言模型在误导性医疗上下文下的认知韧性
机构 * University of Oxford（牛津大学） ； University of Washington（华盛顿大学） ； University College London（伦敦大学学院） ； University of Waterloo（滑铁卢大学）
AI总结 本研究提出MedMisBench基准，通过注入误导性上下文测试大语言模型在医疗场景中的认知韧性，发现模型准确率从71.1%降至38.0%，权威性虚假信息攻击成功率达69.5%。
AgentSpec: 通过受控组合理解具身智能体脚手架
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出AgentSpec模块化规范框架，将具身智能体表示为可复用策略组件的类型化组合，通过标准化接口实现受控组件替换与重组，揭示脚手架兼容性和交互效应对性能的主导作用。
HierSVA：面向LLM驱动的层次化硬件形式化验证的数据合成流水线、数据集与基准
机构 * University of Washington（华盛顿大学）
AI总结 提出HierSVA套件，包含数据合成流水线、数据集和基准，用于LLM驱动的层次化硬件形式化验证；通过RTL预处理与LLM在环流程生成SystemVerilog断言，并构建342模块数据集；设计六轴指标评估断言质量，揭示LLM在层次化验证中的性能与局限。
病毒蛋白质揭示蛋白质语言模型的几何结构
机构 * University of Washington（华盛顿大学） ； DeepMind（深度思维）
AI总结 研究蛋白质语言模型在不平衡数据下对病毒蛋白的表示，发现嵌入空间中存在主导的“天然性”轴，该轴按模型困惑度排序序列，且缩放效果因病毒家族而异，但嵌入仍保留病毒特异性信号。
Comments Accepted at ICML 2026 GenBio Workshop and FM4LS Workshop. Code available at https://github.com/MisteFr/viral-proteins-plms
通过上下文工程创建和评估K-12生成式AI评分器
机构 * University of Washington（华盛顿大学） ； Colleague AI
AI总结 本研究通过上下文工程利用商用基础模型构建LLM评分器，基于MCAS数据评估其在数学、科学和ELA上的评分一致性，发现大参数模型在数学和科学上表现良好，而ELA上差异较大，表明AI更适合作为形成性工具。
Comments Published on the Proceedings of NCME 2026 Conference (https://www.xcdsystem.com/proceedings/ncme/8DbqHwv/presentation/28064.cfm?uuid=3EC982ED-A989-8E53-B42BC86334206028)
基于频繁方向的高效多项式逻辑斯蒂老虎机
机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院）
AI总结 针对多项式逻辑斯蒂老虎机的高维计算瓶颈，提出集成频繁方向矩阵素描的EOFD-MLogB算法，将每轮复杂度降至O(Kd(m+K)^2)时间和O(Kd(m+K))空间，并证明其遗憾界接近原算法。
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