Tactix: Towards a Programmable Strategy Interface for Flexible SAT Solving
机构 * Amherst College（阿默斯特学院） ； University of Freiburg（弗赖堡大学） ； Broadcom（博通）
AI总结 提出将证明规则与求解策略分离的Tactix CDCL求解器，通过可编程接口支持自定义策略，在SAT竞赛基准及特定应用领域基准上性能优于现有求解器，还开展了其AI辅助开发的自研究。
大厂专区
Broadcom（博通）
An AI Approach to Verified Production Cryptographic Libraries
机构 * Stanford University（斯坦福大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； VMware Research by Broadcom（博通旗下VMware研究院） ； Amherst College（阿默斯特学院）
AI总结 本文提出基于AI的CryptoProver系统，可从API合约合成内部规范与Verus验证的证明，成功验证了支撑Signal等系统的curve25519-dalek和RustCrypto的chacha20实现，遵循信任优先设计原则。
PCM: Programmable Congestion Management for Terabit RDMA NICs
机构 * ETH Zürich（苏黎世联邦理工学院） ； Universidad de Castilla-La Mancha（卡斯蒂利亚-拉曼查大学） ； Broadcom Inc.（博通公司） ； Microsoft Corporation（微软公司）
AI总结 本文提出PCM编程模型，分离数据中心网卡的可移植拥塞管理与平台集成，实现11种算法并在4种数据路径验证，为Ultra Ethernet可移植拥塞管理接口提供参考。
TORQUE: Optimizing What (not) to Quantize Before and After Rotation
机构 * University College London（伦敦大学学院） ； Harvard University（哈佛大学） ； VMware Research by Broadcom（博通旗下威睿研究院）
AI总结 TORQUE通过联合优化旋转前后高精度保留的坐标数量与选择，在固定比特预算下改进随机旋转量化，实现更优的重建精度与存储成本权衡。
Hardware-Rooted PUF Fingerprinting for Device-Level Traceability in Knowledge Distillation
机构 * Lehigh University（利哈伊大学） ； Broadcom Inc.（博通公司）
AI总结 本文提出一种基于PUF的指纹框架，在知识蒸馏中将设备签名叠加到教师logits上，使学生模型继承硬件身份，实现抗篡改的设备级可追溯性。
Understanding the oversubscription behaviour of DragonFly+ networks
机构 * University Politehnica of Bucharest（布加勒斯特理工大学） ； Broadcom（博通）
AI总结 本研究修正并扩展了DragonFly+网络超额订阅证明，证明2:1比率适用于所有置换模式，并实验发现全局布线在一般情况下的影响。
Design and Performance of the Upgraded Prototype Schwarzschild-Couder Telescope Camera Module
升级原型Schwarzschild-Couder望远镜相机模块的设计与性能
机构 * INFN Sezione di Perugia（意大利国家核物理研究所佩鲁加分部） ； INFN Sezione di Napoli（意大利国家核物理研究所那不勒斯分部） ； Dipartimento di Fisica, Università di Trento（特伦托大学物理系） ； INFN Sezione di Bari（意大利国家核物理研究所巴里分部） ； Center for Astrophysics — Harvard & Smithsonian（哈佛与史密森尼天体物理中心） ； Dipartimento di Fisica e Geologia dell’Università degli Studi di Perugia（佩鲁贾大学物理与地质学系） ； Dipartimento Interateneo di Fisica dell’Università e del Politecnico di Bari（巴里大学与理工大学联合物理系） ； INFN Sezione di Pisa（意大利国家核物理研究所比萨分部） ； Department of Physics, Washington University（华盛顿大学物理系） ； Department of Physics and Astronomy, Barnard College, Columbia University（哥伦比亚大学巴纳德学院物理与天文学系） ； Broadcom Inc.（博通公司）
AI总结 升级原型Schwarzschild-Couder望远镜相机模块通过改进电子设备和校准程序，实现了低噪声和高电荷分辨率，以提高伽马射线观测性能。
Comments 57 pages, 38 figures, 2 tables
Journal ref Giovanni Ambrosi, Carla Aramo, Mattia Barbanera, et al. "Design and performance of the upgraded prototype Schwarzschild-Couder telescope camera module," JATIS 12(3), 034001 (22 Jul 2026)
A SoK for SoCs: Reading the TI Leaves on AI for Cyber Threat Intelligence Generation and Sharing
面向片上系统（SoC）的安全知识体系（SoK）：解读用于网络威胁情报生成与共享的人工智能相关技术
机构 * UC Santa Barbara（加州大学圣塔芭芭拉分校） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Tech（佐治亚理工学院） ； Purdue University（普渡大学） ； University of Chicago（芝加哥大学） ； Broadcom（博通） ； University of Virginia（弗吉尼亚大学）
AI总结 该研究通过文献调查和从业者调研梳理CTI生成与共享的阶段与挑战，探究LLM在各步骤的可行性，发现其需专家监督并提出自动化研究方向。
Entropy-Constrained Adaptive Stochastic Quantization
机构 * University College London（伦敦大学学院） ； VMware Research by Broadcom（博通旗下VMware研究院） ； Harvard University（哈佛大学）
AI总结 本文针对自适应随机量化未考虑后续熵编码的精度损失问题，提出ECASQ方法，给出最优与GPU友好近似动态规划方案，实验表明其精度接近最优且速度优势显著。
ML-for-ML
机构 * Politecnico di Milano（米兰理工大学） ； Broadcom（博科公司）
AI总结 针对AI训练工作负载的网络与ML系统分离优化导致性能浪费问题，提出跨层联合优化的ML-for-ML方案，可使达到目标损失的速度提升最多42%。
Comments 8 pages, 3 figures
DynamiQ: Accelerating Gradient Synchronization using Compressed Multi-hop All-reduce
机构 * University College London（伦敦大学） ； VMware Research by Broadcom（VMware由Broadcom进行的研究） ； Harvard University（哈佛大学） ； Broadcom
AI总结 研究针对大规模模型训练中网络成瓶颈的问题，提出DynamiQ量化框架，引入新技术并设计融合内核，扩展PyTorch DDP支持，在不同场景下比现有方法最多提升34.2%。
Comments 17 pages, 19 figures. Accepted to ACM SIGCOMM 2026
Not All Invariants Are Equal: Curating Training Data to Accelerate Program Verification with SLMs
并非所有不变式都同等重要：利用SLM通过精选训练数据加速程序验证
机构 * Hebrew University of Jerusalem, Israel（特拉维夫大学） ； Amherst College, USA（阿默斯特学院） ； VMware Research by Broadcom, USA（Broadcom VMware 研究）
AI总结 提出Wonda数据筛选流水线，通过AST归一化和LLM语义重写从原始验证器输出中提取高质量训练不变式，微调小语言模型（SLM）后，在多个模型上使不变式正确性和加速率翻倍甚至三倍，小模型性能媲美大模型。
Comments A preprint of the ICML 2026 paper with the same title
The Multipath Reliable Connection (MRC) Transport
机构 * Advanced Micro Devices Inc（超威半导体） ； Broadcom Inc（博通） ； OpenAI OpCo LLC（OpenAI运营公司） ； NVIDIA Corp（英伟达） ； Intel Corp（英特尔） ； Microsoft Corp（微软）
AI总结 提出一种面向大规模AI/ML训练的开放生产级传输协议MRC，通过扩展RoCEv2实现逐包多路径、发送端拥塞控制及快速丢包恢复，增强以太网可靠性。
MalwarePT: A Binary-Level Foundation Model for Malware Analysis
机构 * University of California, Santa Barbara（加利福尼亚大学圣塔芭芭拉分校） ； Cisco Systems（思科系统） ； Broadcom（博通）
AI总结 本文提出MalwarePT，一种基于ModernBERT编码器的二进制级基础模型，通过预训练实现跨任务的迁移学习，提升恶意软件分析中API预测和功能分类的性能。
Comments Preprint. Under review
SpotIt+: Verification-based Text-to-SQL Evaluation with Database Constraints
机构 * Amherst College（阿默斯特学院） ； Simon Fraser University（西蒙弗雷泽大学） ； VMware Research by Broadcom（Broadcom VMware 研究）
AI总结 SpotIt+通过有界等价验证评估文本到SQL系统，结合规则和LLM方法挖掘约束，提升数据库差异识别能力。
Quantizing With Randomized Hadamard Transforms: Efficient Heuristic Now Proven
机构 * UCL and Broadcom（UCL和Broadcom） ； Carnegie Mellon University（卡内基梅隆大学） ； Harvard University（哈佛大学） ； Microsoft（微软） ； VMware Research by Broadcom（Broadcom的VMware研究）
AI总结 本文研究了随机哈达玛变换在量化中的应用，证明了使用两个变换可近似均匀随机旋转的效果，并展示了三个变换在向量量化中的优势。
A Note on TurboQuant and the Earlier DRIVE/EDEN Line of Work
关于TurboQuant及其早期DRIVE/EDEN工作的注记
机构 * UCL and Broadcom（UCL和博通） ； VMware Research by Broadcom（博通VMware研究） ； North Carolina State University（北卡罗来纳州立大学） ； Harvard University（哈佛大学） ； Microsoft（微软）
AI总结 本文分析了TurboQuant与DRIVE/EDEN在量化方法上的关系，指出TurboQuant_mse是EDEN的特例，而TurboQuant_prod在多个方面表现欠佳，EDEN在精度上优于TurboQuant。
SpotIt: Evaluating Text-to-SQL Evaluation with Formal Verification
机构 * Amherst College（阿姆赫斯特学院） ； Simon Fraser University（西蒙弗雷泽大学） ； VMware Research by Broadcom（VMware由Broadcom进行的研究）
AI总结 SpotIt通过形式验证评估文本到SQL系统，发现基于测试的方法无法区分生成查询与地面真相的差异。
Comments Accepted at ICLR'26
Demystifying NCCL: An In-depth Analysis of GPU Communication Protocols and Algorithms
机构 * ETH Zürich（苏黎世联邦理工学院） ； NVIDIA Corporation（英伟达） ； Broadcom Inc.（博通）
AI总结 本文深入分析NCCL的通信协议和算法，揭示其内部架构，为大规模集体通信的优化和模拟提供指导。
Real Life Is Uncertain. Consensus Should Be Too!
机构 * UC Berkeley（加州大学伯克利分校） ； Broadcom（博通）
AI总结 本文提出了一种基于概率故障模型的共识协议，以提高系统可靠性、效率和成本效益。
Comments HotOS '25: Proceedings of the 2025 Workshop on Hot Topics in Operating Systems
SMaRTT: Sender-based Marked Rapidly-adapting Trimmed & Timed Transport
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软） ； Carnegie Mellon University（卡内基梅隆大学） ； Sapienza University of Rome（罗马第一大学） ； AMD（超威半导体） ； University Politehnica of Bucharest（布加勒斯特理工大学） ； Broadcom Inc.（博通公司） ； University College London（伦敦大学学院）
AI总结 SMaRTT是一种基于发送方的拥塞控制算法，通过结合延迟、ECN和数据包修剪，实现快速、公平的窗口调整和多路径支持，优于现有算法并提升公平性。
Transform and Entropy Coding in AV2
机构 * Meta ； Apple（苹果） ； Tencent（腾讯） ； Google（谷歌） ； Netflix（奈飞） ； OPPO ； Broadcom（博通） ； Nvidia（英伟达）
AI总结 AV2通过改进的变换与熵编码技术，在保持低复杂度的同时实现更高的压缩效率和视频质量
In-Network Collective Operations: Game Changer or Challenge for AI Workloads?
机构 * ETH Zürich（苏黎世联邦理工学院） ； Microsoft（微软） ； AMD（超威半导体） ； Broadcom Inc.（博通公司） ； Hewlett Packard Enterprise（惠普企业）
AI总结 本文探讨了网络内集体操作在人工智能工作负载中的潜力与挑战，分析了边缘和核心INC的性能优势及阻碍其应用的关键障碍，并预测其未来发展方向。
Journal ref IEEE Computer Jan. 2026
UCCL-EP: Portable Expert-Parallel Communication
机构 * UC Berkeley（加州大学伯克利分校） ； UC Davis（加州大学戴维斯分校） ； UW–Madison（威斯康星大学麦迪逊分校） ； AMD（超威半导体） ； Tsinghua University（清华大学） ； Amazon Web Services（亚马逊网络服务） ； ICSI（信息与计算机科学研究所） ； Broadcom & University Politehnica of Bucharest（博通与布加勒斯特理工大学）
AI总结 UCCL-EP通过高吞吐量GPU-CPU控制通道和RDMA立即数据模拟，实现了在异构GPU和NIC平台上的高性能专家并行通信，提升了多个模型的训练和推理效率。
AI-Powered Algorithms for the Prevention and Detection of Computer Malware Infections
机构 * Broadcom Inc.（博通公司）
AI总结 本文提出基于人工智能的混合上下文感知恶意软件检测框架，通过结合静态文件分析、动态行为分析和上下文元数据，实现高准确率和低误报率的恶意软件检测。
HONEYBEE: Efficient Role-based Access Control for Vector Databases via Dynamic Partitioning[Technical Report]
HONEYBEE: 通过动态分区实现向量数据库的高效基于角色的访问控制
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学） ； VMware Research by Broadcom（VMware由Broadcom进行的研究） ； Microsoft Research（微软研究院）
AI总结 HONEYBEE通过动态分区实现向量数据库的高效基于角色的访问控制，平衡内存开销与查询延迟，提升安全性与效率。
Comments Accepted by SIGMOD 2026
The 6th International Verification of Neural Networks Competition (VNN-COMP 2025): Summary and Results
第六届神经网络验证竞赛（VNN-COMP 2025）：总结与结果
机构 * RWTH Aachen University（亚琛工业大学） ； Technical University of Munich（慕尼黑技术大学） ； Stony Brook University（石溪大学） ； George Mason University（乔治·梅奥大学） ； Maynooth University（梅诺特大学） ； Vanderbilt University（范德比尔特大学） ； University of Manchester（曼彻斯特大学） ； Amherst College（阿默斯特学院） ； VMware Research by Broadcom（Broadcom VMware 研究）
AI总结 VNN-COMP 2025通过标准化格式和公平评估，促进神经网络验证工具的比较与标准化。
Comments Report on the results of VNN-COMP 2025. arXiv admin note: substantial text overlap with arXiv:2412.19985, arXiv:2312.16760, arXiv:2212.10376
LLMic: Romanian Foundation Language Model
机构 * University Politehnica of Bucharest（布加勒斯特理工大学） ； Broadcom Inc.（博通公司）
AI总结 针对低资源语言罗马尼亚语的开源大模型表现不佳的问题，研究团队构建了专门的双语基础模型LLMic，完整记录预训练流程，实验证明其经微调后效果可比肩更大规模开源模型，英罗翻译表现超现有方案。
PickLLM: Context-Aware RL-Assisted Large Language Model Routing
机构 * Broadcom（博通公司） ； VMware Cloud Foundation (VCF) Division（VMware 云基础架构（VCF）部门） ； AI and Advanced Services（AI 与高级服务部门）
AI总结 PickLLM提出一种基于强化学习的轻量级路由框架，通过加权奖励函数权衡成本、延迟和准确性，从模型池中为查询选择最优LLM，并验证了收敛速度与性能提升。
Comments This work has been accepted at the first Workshop on Scalable and Efficient Artificial Intelligence Systems (SEAS) held in conjunction with the 39th Annual AAAI Conference on Artificial Intelligence, AAAI 2025, in Philadelphia, Pennsylvania, USA
I've Got 99 Problems But FLOPS Ain't One
机构 * University Politehnica of Bucharest（布加勒斯特理工大学） ； Broadcom Inc.（博通公司）
AI总结 本文从千亿美元级机器学习数据中心建设计划出发，利用语言模型扩展定律分析其工作负载与网络挑战，指出实现可行但需新型广域传输、多路径传输、数据中心拓扑及高速扩展网络等创新，为网络研究提出新议程。
