Google（谷歌）

Versatile Editing of Video Content, Actions, and Dynamics without Training

无需训练的视频内容、动作和动态编辑

Vladimir Kulikov, Roni Paiss, Andrey Voynov, Inbar Mosseri, Tali Dekel, Tomer Michaeli

机构 * Google DeepMind（谷歌DeepMind） ； Technion -- Israel Institute of Technology（技术ion-以色列理工学院） ； The Weizmann Institute of Science（魏茨曼科学研究院） 纠错

AI总结 本文提出DynaEdit方法，无需训练即可实现复杂的视频编辑，通过预训练文本到视频流模型，解决现有方法在编辑动作和动态事件时的局限性。

Comments Project page at https://dynaedit.github.io/

Inhibitory normalization of error signals improves learning in neural circuits

抑制性误差信号归一化改进神经回路的学习

Roy Henha Eyono, Daniel Levenstein, Arna Ghosh, Jonathan Cornford, Blake Richards

机构 * Mila-Quebec AI Institute（魁北克人工智能研究所） ； School of Computer Science, McGill University（麦吉尔大学计算机科学学院） ； Yale University（耶鲁大学） ； Google, Paradigms of Intelligence Team（谷歌，智能范式团队） ； Leeds University（利兹大学） ； Department of Neurology & Neurosurgery, McGill University（麦吉尔大学神经学与神经外科系） ； Montreal Neurological Institute, McGill University（蒙特利尔神经科学研究所，麦吉尔大学） ； CIFAR Learning in Machines & Brains Program（CIFAR 机器与大脑学习计划） 纠错

AI总结 研究通过人工神经网络探讨抑制性归一化对学习的影响，发现归一化误差信号能显著提升图像识别任务性能。

Comments 28 pages, 7 figures. Submitted to Neural Computation

FINER: MLLMs Hallucinate under Fine-grained Negative Queries

FINER：MLLMs在细粒度负查询下产生幻觉

Rui Xiao, Sanghwan Kim, Yongqin Xian, Zeynep Akata, Stephan Alaniz

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Helmholtz Munich（海德堡-慕尼黑亥姆霍尔茨中心） ； Google（谷歌） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎理工学院） 纠错

AI总结 本文提出FINER基准测试，分析MLLMs在细粒度不匹配与真实元素共存时的幻觉问题，并通过FINER-Tuning提升模型性能。

Comments CVPR 2026

Knowledge Localization in Mixture-of-Experts LLMs Using Cross-Lingual Inconsistency

在混合专家语言模型中利用跨语言不一致性进行知识定位

Lucas Bandarkar, Alan Ansell, Trevor Cohn

机构 * Google Research（谷歌研究） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Melbourne（墨尔本大学） 纠错

AI总结 本文提出利用跨语言不一致性来提高混合专家语言模型的知识定位能力，通过对比成功和失败的激活桶，识别关键专家。实验表明，仅禁用约20个专家，模型在40%的情况下无法正确回答。

Social physics in the age of artificial intelligence

人工智能时代的社会物理学

The Anh Han, Joel Z. Leibo, Tom Lenaerts, Iyad Rahwan, Fernando Santos, Matjaž Perc, Valerio Capraro

机构 * School of Computing, Engineering and Digital Technologies, Teesside University（计算、工程与数字技术学院，泰赛大学） ； Google DeepMind（谷歌DeepMind） ； Machine Learning Group, Université Libre de Bruxelles（机器学习组，布鲁塞尔自由大学） ； AI Lab, Vrije Universiteit Brussel（人工智能实验室，布鲁塞尔自由大学） ； Center for Human-Compatible AI, UC Berkeley（人类兼容人工智能中心，伯克利大学） ； Max Planck Institute for Human Development, Center for Humans & Machines, Berlin（人类发展马克斯普朗克研究所，人类与机器中心，柏林） ； Informatics Institute, University of Amsterdam（信息学院，阿姆斯特丹大学） ； Faculty of Natural Sciences and Mathematics, University of Maribor（自然科学与数学学院，马里博大学） ； Community Healthcare Center Dr. Adolf Drolc Maribor（阿多夫·德罗尔博士社区医疗中心，马里博） ； Department of Physics, Kyung Hee University（物理系，庆熙大学） ； University College, Korea University（大学学院，韩国大学） ； University of Milan Biccoca（米兰Biccoca大学） 纠错

AI总结 本文探讨人工智能时代社会物理学的新研究方向，聚焦人类与机器的共演化，提出六个关键研究领域，包括社会行为的演化动力学、机器文化、语言与行为的共演化等。

Unsupervised Decomposition and Recombination with Discriminator-Driven Diffusion Models

无监督分解与重组：基于判别器驱动的扩散模型

Archer Wang, Emile Anand, Yilun Du, Marin Soljačić

机构 * Research Laboratory of Electronics, MIT, Cambridge, MA 02139, USA（MIT电子研究实验室） ； Department of Physics, Massachusetts Institute of Technology, MIT, Cambridge, MA, USA（麻省理工学院物理系） ； NSF AI Institute for Artificial Intelligence（国家科学基金会人工智能与基本相互作用研究所） ； Kempner Institute, Harvard University, Cambridge, MA, USA（哈佛大学 Kempner 院） ； Google DeepMind, Mountain View, CA, USA（Google DeepMind） ； School of Computer Science, Georgia Institute of Technology, Atlanta, USA（佐治亚理工学院计算机科学系） 纠错

AI总结 本文提出基于判别器驱动的扩散模型，用于无监督分解和重组数据，通过对抗训练提升潜在因子发现和生成质量，实验显示在多个数据集上优于基线方法，且在机器人视频轨迹中实现新应用。

Comments 28 pages, 16 figures, 4 tables

SocialJax: An Evaluation Suite for Multi-agent Reinforcement Learning in Sequential Social Dilemmas

SocialJax: 多智能体强化学习中序列社会困境的评估套件

Zihao Guo, Shuqing Shi, Richard Willis, Tristan Tomilin, Joel Z. Leibo, Yali Du

机构 * King’s College London（伦敦国王学院） ； Eindhoven University of Technology（埃因霍温理工大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出SocialJax，一个用于多智能体强化学习中序列社会困境的评估套件，通过JAX实现高效环境与算法，实验显示其在实时性能上比Melting Pot RLlib快50倍，并验证了基线算法的有效性及环境的社会困境特性。

Comments Accepted at ICLR 2026