Proteo-R1: Reasoning Foundation Models for De Novo Protein Design
Proteo-R1：用于从头蛋白质设计的推理基础模型
AI总结 针对现有从头蛋白质设计模型缺乏推理能力的问题，本文提出 Proteo-R1 双专家架构框架，通过 MLLM 识别关键功能残基作为硬约束，结合扩散模型实现稳定可解释的蛋白质设计。
Journal ref ICML 2026
作者
Yejin Choi
Natural Language Processing
Multiplayer Nash Preference Optimization
多玩家纳什偏好优化
机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Tokyo（东京大学） ； RIKEN AIP（日本理化学研究所智能系统研究中心） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Harvard University（哈佛大学） ； UNC–Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出多玩家纳什偏好优化框架，扩展了传统的两玩家纳什对齐方法，通过引入多玩家博弈机制，提升对复杂非传递性人类偏好的对齐能力，并在多个基准测试中表现更优。
Journal ref ICLR 2026 Oral
DeltaPrompts: Escaping the Zero-Delta Trap in Multimodal Distillation
DeltaPrompts: 逃离多模态蒸馏中的零delta陷阱
机构 * NVIDIA Research（NVIDIA研究院）
AI总结 本文提出DeltaPrompts，通过量化教师与学生之间的答案分歧（Δ）来生成高分歧的推理问题，从而解决传统蒸馏中因零delta提示导致的学习信号不足问题，实验表明DeltaPrompts在多个场景下显著提升了模型性能。
Latent Collaboration in Multi-Agent Systems
多智能体系统中的潜在协作
机构 * University of Washington（华盛顿大学）
AI总结 提出LatentMAS框架，使LLM智能体在连续潜在空间直接协作，无需文本中介，实现更高精度、更低开销和更快推理。
Comments ICML2026 Spotlight, Project: https://github.com/Gen-Verse/LatentMAS
Structured Scaling of AI Discovery Across Diverse Scientific Domains
基于评估的科学发现扩展
机构 * Wizard Intelligence Learning Lab, Stanford University（智能巫师学习实验室，斯坦福大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出SimpleTES框架，通过并行探索、反馈驱动精炼和局部选择，提升评估驱动的发现循环效率，解决科学发现扩展问题，展示在21个科学问题上超越基线模型的性能。
Solar Open 2 Technical Report
太阳能开放2技术报告
AI总结 本文介绍为长期代理任务构建的太阳能开放2语言模型。通过混合注意力堆栈等技术扩大规模，利用更强起点和高价值数据实现高效训练，经多教师策略蒸馏构建代理技能，在多项基准测试中表现出色，展示了其在语言模型领域的优势。
In-the-Flow Agentic System Optimization for Effective Planning and Tool Use
用于有效规划和工具使用的流内智能体系统优化
机构 * Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； UC San Diego（圣地亚哥大学） ； Lambda Website（Lambda网站）
AI总结 研究针对大语言模型中工具增强方法的不足，提出可训练的流内智能体框架AgentFlow及Flow-GRPO训练方法，通过协调模块优化规划器，在多基准测试中表现优异，展现流内优化优势。
Comments 47 pages, 12 figures. ICLR 2026 Oral. Project website: https://agentflow.stanford.edu/
Prismatic Synthesis: Gradient-based Data Diversification Boosts Generalization in LLM Reasoning
棱柱形合成：基于梯度的数据多样化提升语言模型推理中的泛化能力
机构 * NVIDIA Research（NVIDIA研究部） ； University of Washington（华盛顿大学） ； University of Southern California（南加州大学）
AI总结 研究语言模型训练数据多样性对泛化的作用，提出基于梯度熵的G - Vendi指标，进而构建棱柱形合成框架生成多样合成数据，有效提升模型性能，在多个基准测试中表现优于依赖更大数据生成器的模型。
Chasing Moving Targets with Online Self-Play Reinforcement Learning for Safer Language Models
通过在线自我博弈强化学习追踪移动目标以实现更安全的语言模型
AI总结 研究传统大语言模型安全对齐问题，引入Self-RedTeam算法，通过在线自我博弈多智能体强化学习持续共同进化攻防策略，有理论安全保障，实证效果好，推动从被动修补到主动协同进化转变。
Comments ICML 2026 Poster
Deciphering Fingerprints of 3D Molecular Surfaces for Accurate Epitope Prediction
解读3D分子表面指纹以实现准确的表位预测
机构 * Stanford University（斯坦福大学） ； The University of Tokyo（东京大学） ； Amazon AWS（亚马逊AWS）
AI总结 提出SurfBind框架，直接基于分子表面表示，通过Transformer架构、补丁级表面建模、结合物感知交叉注意力和分层粗到细预测范式，实现表位预测，在SAbDab和DB5.5基准上达到最先进性能。
Journal ref KDD 2026 AI4Science
Zone of Proximal Policy Optimization: Teacher in Prompts, Not Gradients
近端策略优化区域：教师存在于提示中，而非梯度中
机构 * NVIDIA（英伟达）
AI总结 提出ZPPO方法，通过将教师知识注入提示而非策略梯度，解决小模型知识蒸馏中教师梯度主导和强化学习策略漂移问题，在多种规模模型上超越现有方法。
Comments Project page: https://byungkwanlee.github.io/ZPPO-page/
ProCUA-SFT Technical Report
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
Spokes: Optimizing for Diverse Pretraining Data Selection
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
Nemotron 3 Ultra: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning
Nemotron 3 Ultra: 开放、高效的混合专家Mamba-Transformer模型用于智能体推理
机构 * NVIDIA（英伟达）
AI总结 提出550B总参数量、55B激活参数的混合专家Mamba-Attention语言模型Nemotron 3 Ultra，通过20T tokens预训练、1M上下文扩展及后训练，在推理吞吐量提升约6倍的同时保持与顶尖模型相当的精度。
MoReBench: Evaluating Procedural and Pluralistic Moral Reasoning in Language Models, More than Outcomes
MoReBench：评估语言模型中的程序性和多元道德推理，超越结果
机构 * University of Washington（华盛顿大学） ； New York University（纽约大学） ； Scale AI ； Harvard University（哈佛大学） ； University of Michigan（密歇根大学） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Center for AI Safety（人工智能安全中心） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； University of Oxford（牛津大学）
AI总结 提出MoReBench基准，包含1000个道德场景和超过2.3万条标准，用于评估语言模型在道德推理中的程序性推理能力，发现现有基准无法预测模型表现，且模型对特定道德框架存在偏好。
Comments 46 pages, 8 figures, 10 tables. Published in ICLR 2026. Accepted at CHAI workshop and SPP 2026 (non-archival)
Scaling Participation in Modular AI Systems
模块化AI系统中的参与扩展
机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 提出参与扩展范式，通过多方贡献小模型构建模块化AI系统，在15项任务上比单体大语言模型提升高达15.4%，并展现涌现能力。
SurfDesign: Effective Protein Design on Molecular Surfaces
SurfDesign：基于分子表面的高效蛋白质设计
机构 * Stanford University（斯坦福大学） ； Wuhan University of Science and Technology（武汉科技大学） ； Yale University（耶鲁大学） ； School of Medicine, Yale University（耶鲁大学医学院） ； Hunan University（湖南大学） ； Yuelushan Laboratory（岳麓实验室） ； Kumo.AI ； Toyota Technological Institute at Chicago（芝加哥技术研究所）
AI总结 提出SurfDesign框架，将分子表面建模为连续几何流形并整合预训练蛋白质语言模型，通过表面等变消息传递捕捉几何特征，在从头设计结合子和酶设计基准上优于现有方法。
Journal ref KDD 2026 AI4Science
Do MLLMs Capture How Interfaces Guide User Behavior? A Benchmark for Multimodal UI/UX Design Understanding
多模态用户界面/用户体验设计理解的基准测试：MLLMs能否捕捉界面如何引导用户行为？
机构 * Yonsei University（延世大学） ； Seoul National University（首尔国立大学） ； NC AI
AI总结 本文提出WiserUI-Bench基准测试，用于评估多模态UI/UX设计对用户行为的影响，通过300对真实世界UI图像对和专家解读，发现MLLMs在理解UI/UX设计行为影响方面存在局限。
Comments ACL 2026 Main. Our code and dataset: https://github.com/jeochris/wiserui-bench
RoboWits: Unexpected Challenges for Robotic Creative Problem Solving
RoboWits：机器人创造性问题解决中的意外挑战
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出RoboWits双臂机器人基准，通过多智能体协作的自动化任务生成流水线评估机器人在几何、材料和装配推理中的认知推理、创造性工具使用及鲁棒性，发现预训练VLA在突变任务中表现脆弱。
Comments The first two authors contributed equally
Position: The Hidden Costs and Measurement Gaps of Reinforcement Learning with Verifiable Rewards
立场：具有可验证奖励的强化学习的隐藏成本与测量缺口
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； The University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所AIP） ； Waseda University（早稻田大学） ； Georgia Tech（佐治亚理工学院） ； Northwestern University（西北大学） ； UCLA（加州大学洛杉矶分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Yale University（耶鲁大学） ； University of Waterloo（滑铁卢大学） ； Independent Researcher（独立研究者） ； CUHK（香港中文大学） ； UT Southwestern Medical Center（西南医学中心） ； National University of Singapore（新加坡国立大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Amazon AWS AI（亚马逊AWS人工智能）
AI总结 本文指出，具有可验证奖励的强化学习（RLVR）在提升大语言模型性能时，常因预算不匹配、尝试膨胀和基准数据污染等混淆因素导致收益被高估，并提出了预算匹配饱和曲线、校准跟踪、法官鲁棒性测试和污染筛查等最低标准。
ESI-Bench: Towards Embodied Spatial Intelligence that Closes the Perception-Action Loop
ESI-Bench: 迈向闭环感知-动作的具身空间智能
机构 * Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） ； Northwestern University（西北大学）
AI总结 提出ESI-BENCH基准，通过主动探索（感知、移动、操作）在OmniGibson环境中评估具身空间智能，发现主动探索显著优于被动方法，失败主因是动作盲视而非感知弱，且模型存在元认知差距。
Comments https://esi-bench.github.io/
Learning from Trials and Errors: Reflective Test-Time Planning for Embodied LLMs
从试错中学习：具身大语言模型的反思式测试时规划
机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学）
AI总结 提出反思式测试时规划方法，通过行动中反思和行动后反思两种模式，结合回溯性反思，使具身智能体在测试时进行自我纠正和经验积累，显著提升长程任务性能。
Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention
Gated DeltaNet-2：解耦擦除与写入的线性注意力
机构 * NVIDIA
AI总结 本文提出Gated DeltaNet-2，通过引入通道级擦除门和写入门，解耦了线性注意力中擦除与写入的控制，从而在语言模型、常识推理和检索任务中取得了最佳性能，特别是在长上下文检索任务中表现突出。
Comments Gated DeltaNet-2 technical report; code at https://github.com/NVlabs/GatedDeltaNet-2
Introspective X Training: Feedback Conditioning Improves Scaling Across all LLM Training Stages
反思式X训练：反馈条件化提升跨所有LLM训练阶段的扩展性
机构 * NVIDIA ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego（南加州大学）
AI总结 本文提出反思式训练（IXT），通过利用后续阶段的动态来改进早期阶段，从而提高LLM训练的扩展效率，实验表明该方法在计算效率和性能上均有显著提升。
How to Instruct Your Robot: Dense Language Annotations Power Robot Policy Learning
如何指导你的机器人：密集语言标注助力机器人策略学习
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA
AI总结 本研究通过密集语言标注提升机器人策略学习效率，提出DeMiAn方法，利用视觉语言模型生成多方面标注，提升策略和世界模型性能，无需新增演示数据。
ProfBench: Multi-Domain Rubrics requiring Professional Knowledge to Answer and Judge
ProfBench：需要专业知识回答和评判的多领域评分标准
机构 * NVIDIA
AI总结 ProfBench通过7000多个由专业领域专家评估的响应-评分对，评估大语言模型在处理专业文档、信息整合和生成综合报告方面的能力，揭示了即使顶级模型在专业任务上也面临挑战。
Comments Published at ICLR 2026, 30 pages
NoiseRater: Meta-Learned Noise Valuation for Diffusion Model Training
NoiseRater: 用于扩散模型训练的元学习噪声估值
机构 * Stanford University（斯坦福大学） ； UNSW（新南威尔士大学） ； UCL（伦敦大学学院） ； The University of Chicago（芝加哥大学） ； CUHK（香港中文大学） ； Nanjing University（南京大学） ； Brown University（布朗大学） ； Yale University（耶鲁大学） ； University of Notre Dame（Notre Dame 大学） ； University of Waterloo（滑铁卢大学） ； UCB（加州大学伯克利分校） ； Georgia Technology（佐治亚理工学院） ； Amazon（亚马逊）
AI总结 本文提出NoiseRater，通过元学习实现实例级噪声估值，提升扩散模型训练效率和生成质量。
Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction
超越语义相似性：通过直接语料交互重新思考代理搜索的检索
机构 * Texas A&M University（德克萨斯A&M大学） ； University of Waterloo（滑铁卢大学） ； UC San Diego（圣地亚哥大学） ； Stanford University（斯坦福大学） ； 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） ； Verdent AI ； Lambda
AI总结 本文提出直接语料交互（DCI）方法，通过通用终端工具直接搜索原始语料，无需嵌入模型或检索接口，有效提升代理搜索性能。
The Surprising Effectiveness of Membership Inference with Simple N-Gram Coverage
基于简单n-gram覆盖的成员推断的惊人效果
机构 * University of Southern California（南加州大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 本文提出基于文本输出的成员推断攻击，通过n-gram重叠度评估模型生成文本与真实后缀的相似性，验证了其在黑盒模型上的有效性，并发现攻击成功率随计算预算增加而提升。
Comments CoLM 2025. v2: update citation
PoseX: AI Defeats Physics Approaches on Protein-Ligand Cross Docking
PoseX：人工智能击败物理方法在蛋白质-配体交叉对接
机构 * Microcyto ； Purdue University（普渡大学） ； State Key Laboratory for Novel Software Technology at Nanjing University（南京大学新型软件技术国家重点实验室） ； Anew Therapeutics ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； Peking University（北京大学） ； Virginia Tech（弗吉尼亚理工大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 PoseX设计了一个开放源代码的基准测试，评估自我对接和交叉对接，通过23种方法和718/1312个数据集，发现AI方法在对接成功率上优于物理方法，并通过放松方法和结合口袋信息提升性能。
