大厂专区
机构 * Amazon Fulfillment Technologies & Robotics（亚马逊履约技术与机器人部门） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Iowa（爱荷华大学） ； Northeastern University（东北大学）
AI总结 该研究提出元学习图神经网络，利用物体多维度历史信息预测新环境物体运动，在仿真和硬件实验中均优于基线方法，可实现机器人无碰撞导航。
Comments 9 pages, 7 figures
SatOps-Decision：用于星载卫星通信操作的低延迟判别式决策方法
机构 * Academy of AIAT, Xi’an Jiaotong-Liverpool University（西交利物浦大学AIAT学院） ； Amazon, Inc.（亚马逊公司）
AI总结 该研究提出SatOps-Decision，将Jev式判别式决策模型首次应用于卫星操作，其局部评分器延迟远低于对比模型，准确率优于多数基线，配套首个专用基准。
机构 * Amazon（亚马逊） ； Faculty（学院）
AI总结 本研究提出V-CAPE数据集，用于评估生成式产品图像编辑的视觉一致性，实验显示各类视觉语言模型在该数据集上准确率均低于65%，凸显当前模型的局限性，为细粒度图像编辑评估提供基准。
机构 * Case Western Reserve University（凯斯西储大学） ； Amazon Web Services（亚马逊网络服务）
AI总结 该研究提出EasyProver定理证明系统，结合Aegis工具，在多个基准测试中取得优异表现，产出大量Rust-Lean程序对与候选规范，可用于其他证明器基准测试及强化学习奖励。
机构 * Amazon（亚马逊） ； University of Maryland（马里兰大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 GOFish是首个直接在鱼眼图像训练的3D高斯溅射方法，可光栅化超180°视场并提取对齐网格，在相关基准测试中提升了PSNR与网格F值，构建了无激光雷达的仿真数字孪生。
Comments Project Page: https://3dgofish.github.io/
DexSuite：适用于机械臂、手部及各类任务的全合一灵巧操作框架
机构 * Mila（米拉研究所） ； McGill University（麦吉尔大学） ； Hugging Face（Hugging Face公司） ； Kinova（金诺瓦公司） ； Amazon FAR（亚马逊FAR部门）
AI总结 本研究提出基于Genesis仿真器的DexSuite全合一灵巧操作框架，覆盖多臂多末端执行器组合、标准化API等，发布含4700个成功回合的数据集及16个任务-实体对基准，推动灵巧操作研究。
Comments 7 pages, 7 figures, 2 tables. Project page: https://dexsuiteorg.github.io
机构 * Amazon（亚马逊）
AI总结 该研究针对去中心化组织A/B测试中激励不匹配导致的低功效问题，提出用后验均值评估替代原始影响估计，经亚马逊数据验证可提升信噪比，优化测试资源分配。
机构 * GE Healthcare（GE医疗） ； Amazon（亚马逊公司）
AI总结 本文提出A4-MR这一3D视觉-语言MRI基础模型，通过解剖层面多模态对齐与异常感知表征学习，在定位、分割、病理检测等任务上优于现有模型，可支持多种MRI相关任务。
机构 * University of Southern California（南加州大学） ； Adobe（奥多比） ； Amazon（亚马逊）
AI总结 本文提出受控解码攻击框架，通过文本接口的采样重建与选择性控制，实现黑盒大语言模型的高效越狱，并在多基准上取得最优效果。
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Google（谷歌） ； Amazon（亚马逊）
AI总结 本文提出MUG图神经网络，仅以多人2D姿态为输入，通过异构图与双分支结构预测人际深度和根关节相对网格坐标，在多个3D人体基准上优于现有方法。
Comments Published in International Journal of Computer Vision (IJCV)
Journal ref Int J Comput Vis 134, 384 (2026)
机构 * Amazon（亚马逊）
AI总结 本文提出元认知控制器作为扩散语言智能体的轻量级插件，可减少20.6%平均推理FLOPs，同时保持任务精度，验证了其有效性。
Comments 10 pages, 4 figures
机构 * Korea University（高丽大学） ； Amazon（亚马逊）
AI总结 本研究针对视觉语言模型嵌入缩放难题，提出V-LUMEN视觉查找记忆方法，在五个推理基准上提升冻结Qwen3-VL-2B性能，零样本迁移至不相交图像基准，且容量为独立轴。
Comments Accepted at NeurIPS 2026
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Frontier AI & Robotics (FAR)（亚马逊前沿人工智能与机器人（FAR）） ； University of Maryland, College Park（马里兰大学学院公园分校） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出CARD框架，通过显式保留接触力目标实现人类演示到机器人动作的重定向，结合Vid-HACO模型与触觉跟踪控制器，显著提升接触维持率与任务成功率。
Comments Project webpage: https://card-retargeting.github.io/
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学与数据科学学院） ； School of Information Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Amazon topcited.ai（亚马逊topcited.ai）
AI总结 本文提出SCI-Defense框架，通过检测困惑度、语义完整性评分和跨候选检测三种组件，有效识别生成引擎优化攻击，实现了高精度和低误报率，同时揭示了现有防御方法的局限性及未来研究方向。
Comments 13 pages, 5 figures, 14 tables
机构 * Amazon（亚马逊）
AI总结 本文通过样本分割方法评估A/B测试的理论与实践，探讨样本分割估计器的偏差与方差权衡，提供模拟验证和实现指导。
机构 * Amazon FAR (Frontier AI & Robotics)（亚马逊前沿人工智能与机器人研究院） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Chicago（芝加哥大学）
AI总结 提出FLORE框架，结合力反应型扩散策略与混合顺应性全身控制器，在人形机器人行走-操作任务中，力反应型策略成功率80%，远高于纯位置策略的26.7%。
Comments 9 pages, 6 figures
机构 * Amazon Fulfillment Technologies & Robotics（亚马逊履约技术与机器人部门） ； University of Iowa（爱荷华大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Northeastern University（东北大学）
AI总结 本文提出保留四足机器人全驱动$SE(2)$模型的实时运动规划框架，利用复合伯恩斯坦多项式的凸包性质保证全程安全，通过仿真和硬件实验验证其能恢复简化模型排除的运动。
机构 * University of Southern California（南加州大学） ； Amazon（亚马逊）
AI总结 该研究提出无需模式文档的Text-to-SQL框架，从查询日志学习数据库结构，结合知识图谱与实体驱动GraphRAG检索，在工业部署和Beaver基准上优于主流方法，实现企业环境下的有效自然语言数据库接口。
机构 * Nankai University（南开大学） ； Peking University（北京大学） ； Amazon（亚马逊公司） ； Nanjing University（南京大学）
AI总结 GeoLift是无需训练的框架，结合冻结MLLM与预训练几何模型，通过共享3D地图关联不同视角物体，提升了Qwen3-VL-4B在空间推理任务上的表现。
Comments 11 pages, 3 figures, 4 tables. Xinglin Li and TingTing Long contributed equally. Jin Xie is the corresponding author
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（宁波东方理工大学） ； Amazon Web Services（亚马逊云科技） ； University of Washington（华盛顿大学） ； Beijing EEO Education Technology（北京EEO教育科技） ； Jiangxi University of Finance and Economics（江西财经大学）
AI总结 提出LegoSR统一框架，集成7种求解器，其智能体可自适应选择求解器，在含噪声微分方程基准中表现优于通用智能体，接近专家调优求解器总和。
Comments 36 pages, 6 figures. Code is available at https://github.com/Scientific-Artificial-Intelligence-Lab/kd
机构 * Imperial College London（伦敦帝国学院） ； Amazon（亚马逊公司）
AI总结 该研究在动作依赖观测的线性二次系统中，对比最优控制、确定性等价控制与开环控制，发现中间信息强度下确定性等价控制与最优控制存在随时间跨度增长的性能差距。
机构 * Stanford University（斯坦福大学） ； Amazon（亚马逊）
AI总结 本文针对人形机器人可恢复性监测问题，提出一种价值学习与主动探索迭代的统一框架，提升了监测器的覆盖范围与准确性，可零样本迁移至真实人形机器人硬件。
机构 * Amazon Frontier AI & Robotics (FAR)（亚马逊前沿人工智能与机器人部门（FAR）） ； University of Maryland, College Park（马里兰大学帕克分校）
AI总结 该研究提出DSP框架，通过人类监督玩耍学习策略，自主收集数据训练世界模型，结合MPC与自玩蒸馏策略，在真实世界欠驱动推压等任务中，性能优于事后行为克隆且数据量远少于强化学习。
Comments Project page: https://play-policy.github.io/
MemComposer：通过强化学习学习为大语言模型智能体组装记忆
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊公司）
AI总结 该研究提出MemComposer，一种基于ExPO框架训练的记忆组装器，通过检查查询与候选记忆优化记忆选择排序，在τ²-bench实验中提升性能并降低记忆令牌使用，策略可迁移且受益于强模型记忆。
Comments 30 pages, 8 figures, 14 tables
Forecast-Dojo：用于基准测试和训练LLM预测智能体的可重放环境
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon（亚马逊） ； University of Florida（佛罗里达大学）
AI总结 Forecast-Dojo是一个可重放环境，用于基准测试和训练LLM预测智能体，包含1,568个Polymarket事件和1,880万篇新闻文章，研究工具降低所有12个模型的Brier分数，但模型仍落后于市场预测。
CIPHER：用于数据科学智能体测试时扩展的解耦探索-选择框架
机构 * Amazon Web Services（亚马逊网络服务公司）
AI总结 研究针对数据科学任务自动化挑战，提出CIPHER智能体，通过生成和选择多初始状态实现测试时扩展，解耦生成与选择过程。经实验验证其性能超越现有技术，刻画DES框架设计空间并给出设计建议。
Comments Presented at the 2nd Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks (NeurIPS 2026)
机构 * POSTECH ； Amazon（亚马逊）
AI总结 提出StayFair方法，通过分解总偏差为模型偏差和引导偏差，并扩展强人口平价到引导过程，设计公平引导算法，使扩散模型在不同引导尺度下保持群体公平性。
Comments Accepted to NeurIPS 2026. 37 pages, 24 figures, 10 tables. Project page: https://kim-myeong-soo.github.io/stayfair
机构 * The Ohio State University（俄亥俄州立大学） ； Amazon AGI SF Lab（亚马逊人工智能SF实验室）
AI总结 提出QUEST系列模型，通过统一规则树合成训练数据，结合中训练、监督微调和强化学习，使开放模型在深度研究任务上接近或超越闭源前沿代理。
Comments NeurIPS 2026
机构 * Australian National University（澳大利亚国立大学） ； NVIDIA（英伟达） ； Amazon（亚马逊）
AI总结 本文提出4DSurf框架，解决动态场景表面重建问题，通过高斯变形和重叠分段策略实现大变形和时间一致性，实验显示在Chamfer距离上优于现有方法。
Comments Accepted to CVPR 2026. Project Page: https://github.com/RyansLearning/4DSurf
机构 * Georgia Instatite of Technology（佐治亚理工学院） ； Amazon.com, Inc.（亚马逊公司）
AI总结 AlignFlow利用半离散最优传输为基于流的生成模型建立噪声与数据点的显式最优对齐，提升训练效率与性能，且可即插即用。
Comments Submitted for peer review on Sep 24, 2025. Note: chairs and reviewers can see and bid on our submission since Sep 28, 2025
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