期刊&会议
International Conference on Learning Representations · 会议 · Machine Learning
开放森林观测站的神经树重建
机构 * Berkeley AI Research, University of California, Berkeley（加州大学伯克利分校伯克利人工智能研究） ； Department of Plant Sciences, University of California, Davis（加州大学戴维斯分校植物科学系）
AI总结 针对开放森林观测站中经典运动恢复结构方法重建质量差的问题，提出引入神经辐射场提升3D树重建的细节与鲁棒性，并展望未来工作。
Comments Published as a workshop paper at "Tackling Climate Change with Machine Learning", ICLR 2024
物理约束神经网络改进短期天气预报：南太平洋案例研究
机构 * Faculty of Computer Science, Higher School of Economics（高等经济学院计算机科学系）
AI总结 提出三种改进物理约束神经网络（PCNN）的方法，包括升级数值求解器、统一自回归混合块和集成两种神经骨干，在WeatherBench南太平洋子集上相比纯神经网络模型在1-12小时预报中均方根误差降低8-22%，同时保持物理一致性。
Comments Presented at ICLR 2026 Workshop AI and PDE
基于基础模型编排工作流的代理辅助行人保护设计
机构 * Honda Motor Co., Ltd.（本田汽车有限公司）
AI总结 提出首个基础模型编排的碰撞安全设计工作流，集成代理模型、多目标进化搜索、几何生成器和自然语言接口，将行人保护评估时间从数小时降至秒级。
Journal ref ICLR 2026 Workshop The 2nd Workshop on Foundation Models for Science
视觉会撒谎，一致性说话：在视觉-语言模型中解耦空间注意力与可靠性
机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Algoverse AI Research（Algoverse AI研究） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出VLM可靠性探针（VRP），通过结构注意力指标和生成动态分析，发现空间注意力与准确性几乎无关（R≈0.001），而自一致性是可靠性的主要预测因子（R=0.429），揭示了视觉特征与最终生成之间的符号脱离现象。
Comments 16 pages. Accepted to the ICLR 2026 Workshop on Multimodal Intelligence. Code: https://github.com/itsloganmann/VLM-Reliability-Probe
通过结构不确定性量化LLM逻辑推理中的一致性
机构 * AWS Generative AI Innovation Center（AWS生成式AI创新中心）
AI总结 提出结构不确定性框架，通过自偏好排序的稳定性评估LLM推理一致性，在逻辑和数学任务中与答案分散度互补，提升不可靠实例识别。
Comments Published at ICLR 2026 Workshop on Logical Reasoning of Large Language Models. Accepted as best paper
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