高校专区
TheoremGraph：连接形式化与非形式化数学
机构 * University of Washington Math AI Lab（华盛顿大学数学人工智能实验室）
AI总结 提出TheoremGraph，构建统一语句级依赖图，连接非形式化（arXiv论文）和形式化（Lean）数学，通过嵌入自然语言标语实现跨域链接，并验证了检索性能。
Comments 31 pages, 9 figures, 21 tables
OpenThoughts-Agent: 智能体模型的数据配方
机构 * UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； JSC（于利希超级计算中心） ； LAION ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Bespoke Labs ； Laude Institute ； UCLA（加州大学洛杉矶分校） ； Harvard University & Harvard Medical School（哈佛大学与哈佛医学院） ； TU Munich & Munich Center for Machine Learning（慕尼黑工业大学与慕尼黑机器学习中心） ； New York University（纽约大学） ； Medical University of South Carolina（南卡罗来纳医科大学） ； The LLM Data Company ； BenchFlow ； Independent Researcher（独立研究员） ； Northeastern University（东北大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学） ； TU Darmstadt（达姆施塔特工业大学） ； University of Southern California（南加州大学） ； UC San Diego（加州大学圣地亚哥分校） ； Amazon（亚马逊） ； Microsoft（微软） ； Korea University（高丽大学） ； Cornell Tech（康奈尔科技） ； University of Michigan（密歇根大学）
AI总结 提出全开放数据筛选流水线，通过100多次消融实验研究任务来源与多样性，构建10万样本训练集，在7个智能体基准上平均44.8%准确率，较最强开源模型提升3.9个百分点。
潜在桥：用于实时游戏智能体的连续慢-快通道
机构 * Pine AI ； University of Washington（华盛顿大学）
AI总结 针对实时游戏智能体，提出一种可学习的连续潜在桥（Latent Bridge），将慢速推理VLM的残差投影到快速反应VLM的输入嵌入空间，在7个Atari游戏和驾驶域中匹配或超越文本桥，且增益高度可预测。
从诗句预测诗人籍贯：全唐诗中地域语言指纹的计算分析
机构 * Harvard University（哈佛大学） ； University of Washington（华盛顿大学）
AI总结 通过全唐诗和CBDB数据，使用字符n-gram TF-IDF和领域特征，以多类分类预测诗人籍贯，发现语言距离随地理距离衰减、南北可分性随时间变化等历史意义。
使用无注意力变换器学习Koopman算子
机构 * Institute for Bioengineering, School of Engineering and Centre for Engineering Biology, University of Edinburgh（爱丁堡大学生物工程研究所、工程学院与工程生物学中心） ； Electrical and Computer Engineering and Applied Mathematics, University of Washington（华盛顿大学电气与计算机工程与应用数学系） ； Electrical and Computer Engineering and Computer Science & Engineering, University of Washington（华盛顿大学电气与计算机工程及计算机科学与工程系）
AI总结 针对Koopman自编码器长期预测中流形漂移导致误差累积的问题，提出无注意力潜在记忆块和动态重编码两种方法，在三个基准系统上显著降低长时域误差并保持低推理延迟。
Comments 28 pages, 10 figures, 9 tables. Code: https://github.com/MohammedNagdi/Attended-Koopman
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
共鸣心智：具备心智理论的闭环社交虚拟人
机构 * University of Washington（华盛顿大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Eastern Institute of Technology, Ningbo（宁波工程技术学院）
AI总结 提出一个闭环双智能体框架，通过整合感知、社会推理（基于心智理论）和多模态生成，实现具备社交智能的虚拟人，并在信息不对称数据集上取得优于全信息脚本模式的对话质量。
Comments Project page: https://resonantminds.github.io/
优化 Lean 中智能定理证明器的成本-质量权衡
机构 * University of Washington（华盛顿大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出一种包含数据平面和控制平面的动作路由智能体，通过观察失败轨迹并估计成功概率与成本来动态决定继续证明或重新分解，在 PutnamBench 子集上平均降低 25.8% 成本且保持性能。
区分变量选择中的遗忘模型与自适应模型
机构 * University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文研究ℓ∞稀疏恢复的统计与计算复杂性，证明遗忘模型下最优误差可在近线性时间内以约k log d样本达到，而自适应模型至少需要k²样本，与ℓ₂设置形成对比。
Comments 40 pages, Extended abstract accepted for presentation at COLT 2026
CrossFusion: 一种用于癌症生存预测的多尺度交叉注意力卷积融合模型
机构 * University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出CrossFusion多尺度特征融合框架，通过交叉注意力机制整合不同放大倍数下的病理图像块，显著提升六种癌症的生存预测准确性。
Comments Accepted at MIDL 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
人在环路的群体：一种用于真实土壤测绘的仿生群体方法
机构 * New Jersey Institute of Technology（新泽西理工学院） ； University of Washington（华盛顿大学）
AI总结 提出Bionic Swarm系统，通过人类用户替代机器人难以实现的任务，结合蓝牙传感器和集中式服务器运行群体算法，并在真实户外环境中验证了Score-Biased-Search算法，降低了实地群体机器人研究的门槛。
Comments 27 pages, 15 figures. Submitted to Advanced Intelligent Systems
多臂老虎机和强化学习中分布后悔的统一框架
机构 * University of Washington（华盛顿大学） ； Seoul National University（首尔国立大学）
AI总结 本文提出一种统一框架，研究随机多臂老虎机和回合制强化学习中的分布后悔，通过简单的UCBVI型算法，推导出通用的分布后悔界，优化期望性能、尾风险和实例依赖行为的平衡。
Comments Conference of Learning Theory (COLT) 2026, camera-ready version
AI协同数据科学家：从可穿戴传感器数据中优先筛选候选生物标志物
机构 * Google Research（谷歌研究） ； Massachusetts Institute of Technology（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Seoul National University Hospital（首尔国立大学医院） ； Yonsei University College of Medicine（延世大学医学院） ； University of Washington（华盛顿大学） ； Korea University Guro Hospital（韩国大学Guro医院） ； Mass General Brigham（麻省总医院） ； Brigham and Women’s Hospital（哈佛医学院布莱尔妇女医院） ； Google Cloud AI（谷歌云AI）
AI总结 提出CoDaS系统，集成多智能体假设生成、统计分析和对抗验证，从可穿戴数据中优先筛选心理健康和代谢终点相关候选生物标志物，经临床验证与专家判断一致。
在有限噪声下实现双线性系统辨识的 $\widetilde{O}(1/ε)$ 样本复杂度
机构 * Department of Electrical and Computer Engineering, University of Washington（华盛顿大学电气与计算机工程系） ； Cornell University AI for Science Institute, Cornell University（康奈尔大学AI for Science研究所）
AI总结 针对有界对称对数凹扰动下的离散时间双线性系统，提出有限样本集成员辨识方法，证明可行参数集直径以 $\widetilde{\mathcal O}(1/\epsilon)$ 的样本复杂度收缩，并通过仿真验证了不确定性量化的优势。
Comments 14 pages, 2 figures. Accepted by IEEE Control Systems Letters
在线世界建模实现真实世界逆强化学习从观察中学习
机构 * University of Washington（华盛顿大学）
AI总结 提出MPAIL2方法，通过在线世界建模实现从观察中逆强化学习，首次在真实世界从零学习视觉操作任务，40分钟内达到82%成功率。
语言模型对道德无关干扰因素敏感吗？
机构 * University of Washington（华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本研究借鉴道德心理学中的“情境主义”观点，通过构建包含60种道德无关干扰因素的多模态数据集，发现这些干扰因素能使大语言模型的道德判断偏移超过30%，揭示了其道德判断的不稳定性。
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。
PTLD: 从仿真到现实的触觉潜在知识蒸馏用于灵巧操作
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学） ； FAIR at Meta（Meta的FAIR团队） ； UC Berkeley（伯克利大学）
AI总结 提出PTLD方法，通过真实世界触觉策略数据蒸馏鲁棒状态估计器，解决触觉仿真困难问题，在灵巧操作任务中相比纯本体感策略提升182%和57%。
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。
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