Polynomial-Time Robust Multiclass Linear Classification under Gaussian Marginals
多项式时间鲁棒多类线性分类下的高斯边缘分布
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 研究在高斯分布下多类线性分类器的无偏学习任务，提出了一种多项式时间鲁棒学习算法，解决了多类分类中误差保证的问题，特别是在k≥3的情况下。
高校专区
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
Agent Security is a Systems Problem
智能体安全是系统问题
机构 * Google（谷歌） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； EmbraceTheRed ； Gray Swan AI ； Cornell University（康奈尔大学）
AI总结 本文提出智能体安全应作为系统问题来解决，强调通过系统层面的安全不变量来保障AI模型的安全性，而非仅仅依赖模型鲁棒性。文章基于系统安全领域的技术，提出了设计可预测安全保证的智能体系统的核心原则，并分析了实际攻击案例和实现这些原则面临的挑战。
Activation-Free Backbones for Image Recognition: Polynomial Alternatives within MetaFormer-Style Vision Models
无需激活的图像识别回骨：在MetaFormer风格视觉模型中的多项式替代方案
机构 * University of Wisconsin--Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出无需激活函数的多项式替代方法，用于在MetaFormer风格的视觉模型中实现图像识别，展示了多项式模块在多个数据集上的优越性能。
Comments Accepted to ICML 2026
Inference Time Policy Optimization for Offline RL with Differentiable World Models
基于可微世界模型的离线强化学习推理时间策略优化
机构 * Siebel School of Computing and Data Science（计算与数据科学学院） ； Department of Computer Sciences（计算机科学系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出了一种在推理时间利用可微世界模型优化策略参数的方法，通过端到端的梯度计算提升离线强化学习的性能，同时探讨了推理时间适应的计算开销与收益的权衡。
Open-World Evaluations for Measuring Frontier AI Capabilities
面向前沿AI能力的开放世界评估
机构 * Princeton University（普林斯顿大学） ； Cornflower Labs（Cornflower实验室） ； Meridian Labs（Meridian实验室） ； Stanford University（斯坦福大学） ； UK AI Security Institute（英国人工智能安全研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； Adaption Labs（Adaption实验室） ； Australian National University（澳大利亚国立大学） ； Golden Gate Institute for AI（金门人工智能研究所） ； UW Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） ； AI Digest（AI摘要） ； Georgetown University (CSET)（乔治城大学（CSET））
AI总结 本文提出开放世界评估作为一种补充方法，通过小样本定性分析来评估长期、复杂、现实世界任务，以更准确地衡量AI能力，并介绍了CRUX项目作为定期进行此类评估的尝试。
TorchUMM: A Unified Multimodal Model Codebase for Evaluation, Analysis, and Post-training
TorchUMM: 一个用于评估、分析和训练后处理的统一多模态模型代码库
机构 * Carnegie Mellon University（卡内基梅隆大学） ； William & Mary（威廉与玛丽学院） ； Auburn University（阿肯色大学欧文分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出TorchUMM，一个统一的多模态模型代码库，用于评估、分析和训练后处理，涵盖多种多模态模型架构、任务和数据集，通过统一接口和标准化评估协议，促进异构模型的公平比较和深入理解，推动更强大的统一多模态系统的发展。
Comments Technical Report
Task-conditioned probing of instruction-tuned multimodal LLMs: Region-specific brain alignment patterns under naturalistic stimuli
基于任务的指令调制多模态大语言模型探测：在自然主义刺激下的区域特定大脑对齐模式
机构 * Technische Universität Berlin（柏林技术大学） ； Rice University（Rice 大学） ； AWS AI Labs, Amazon（Amazon 人工智能实验室） ； IIT Delhi（德里理工学院） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； Spector Inc（Spector 公司） ； IIIT-Hyderabad（海得拉巴理工学院） ； Microsoft（微软）
AI总结 本研究探讨了指令调制多模态大语言模型在自然主义刺激下的大脑对齐模式，通过比较不同模型在视频和音频任务中的表现，揭示了指令调制对模型表示能力的影响。
Comments 57 pages, 39 figures
