University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

MESA: Prioritizing Vulnerable Communication Channels for Securing Multi-Agent Systems

MESA：优先保护脆弱通信通道以保障多智能体系统安全

Kunyang Li, Kyle Domico, Jonathan Gregory, Patrick McDaniel

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 针对多智能体系统通信通道攻击面不均匀的问题，提出Mesa框架，结合图论指标和动态探测方法，无需攻击痕迹即可优先排序关键边缘，实验表明排名与攻击成功率强相关，可有效指导防御资源分配。

DiLaServe: High SLO Attainment Serving for Diffusion Language Models

DiLaServe: 扩散语言模型的高SLO达成服务

Tzu-Tao Chang, Benjamin Yuanyang Hong, Kiet Pham, Shivaram Venkataraman

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 针对扩散语言模型服务中吞吐与延迟SLO的权衡，提出DiLaServe系统，通过置信度阈值调整、质量感知优化和近似KV缓存建模，实现SLO达成率提升56.6个百分点，延迟降低46%。

ExploreVLA: Dense World Modeling and Exploration for End-to-End Autonomous Driving

ExploreVLA: 为端到端自动驾驶的密集世界建模与探索

Zihao Sheng, Xin Ye, Jingru Luo, Sikai Chen, Liu Ren

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出基于世界建模的统一理解与生成框架，通过密集监督和内在奖励提升自动驾驶策略探索能力，在NAVSIM和nuScenes基准上取得优异性能。

Comments Accepted to ECCV 2026. The code is available at https://zihaosheng.github.io/ExploreVLA/

DiscoGen: Procedural Generation of Algorithm Discovery Tasks in Machine Learning

DiscoGen：机器学习算法发现任务的程序生成

Alexander D. Goldie, Zilin Wang, Adrian Hayler, Deepak Nathani, Edan Toledo, Ken Thampiratwong, Aleksandra Kalisz, Michael Beukman, Hannah Erlebach, Alistair Letcher, Shashank Reddy, Clarisse Wibault, Theo Wolf, Charles O'Neill, Uljad Berdica, Nicholas Roberts, Saeed Rahmani, Roberta Raileanu, Shimon Whiteson, Jakob N. Foerster

机构 * University of Oxford（牛津大学） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； University College London（伦敦大学学院） ； University of Wisconsin--Madison（威斯康星大学麦迪逊分校） ； Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 DiscoGen通过程序生成技术创建大量机器学习算法发现任务，用于优化算法发现代理，提供固定子集用于评估，并推动新的研究方向。

Comments Accepted to ICML 2026

On the Relationship Between CoCoA and ADMM for Distributed Empirical Risk Minimization

关于CoCoA与ADMM在分布式经验风险最小化中的关系

Runxiong Wu, Andi Wang

机构 * Department of Industrial & Systems Engineering, University of Wisconsin–Madison（工业与系统工程系，威斯康星大学麦迪逊分校） 纠错

AI总结 本文从统一原始-对偶视角揭示CoCoA与ADMM两类分布式ERM算法的内在联系，证明岭正则化下CoCoA等价于特定近端ADMM方案，并给出ADMM型方法的统一收敛分析和早停准则。

Comments 21 pages, 4 figures, 1 table

Journal ref Published in Transactions on Machine Learning Research (06/2026)

BEACON: A Bayesian Optimization Inspired Strategy for Efficient Novelty Search

BEACON: 一种受贝叶斯优化启发的高效新颖性搜索策略

Wei-Ting Tang, Ankush Chakrabarty, Joel A. Paulson

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 BEACON通过多输出高斯过程建模输入与输出关系，利用后验采样和高维高斯过程模型，在有限预算下发现更广泛的行为集，适用于高成本黑盒问题。

Stochastic and Non-local Closure Modeling for Nonlinear Dynamical Systems via Latent Score-based Generative Models

通过潜在分数生成模型实现非线性动力系统中随机和非局部闭合建模

Xinghao Dong, Huchen Yang, Jin-Long Wu

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出一种基于潜在分数生成模型的框架，用于学习非线性动力系统中的随机和非局部闭合模型，通过联合训练卷积自编码器和条件扩散模型，减少采样维度并保持物理特性，提升计算效率。

Journal ref Journal of Computational Physics 563 (2026) 115082