Next-Token Prediction and Regret Minimization
下一个标记预测与后悔最小化
机构 * Google Research（谷歌研究院） ； Google DeepMind（谷歌DeepMind） ； Microsoft Research（微软研究院）
AI总结 研究探讨如何在对抗性在线决策环境中利用下一个标记预测算法，分析分布是否为低后悔分布，证明无界上下文窗口下总能实现亚线性后悔，而有界上下文窗口则存在Θ(1)距离的分布。
大厂专区
Google（谷歌）
Adversarial Attacks on Multimodal Large Language Models: A Comprehensive Survey
对多模态大语言模型的对抗攻击：全面综述
机构 * Google（谷歌） ； Bennett University, India（印度贝内特大学）
AI总结 本文综述了多模态大语言模型面临的对抗威胁，分析了攻击类型及其根源，提出分类框架以提升模型安全性。
Comments Survey paper, 37 pages, 10 figures, accepted at TMLR
Journal ref Transactions on Machine Learning Research, 2026
SceneAdapt: Scene-aware Adaptation of Human Motion Diffusion
SceneAdapt: 人类运动扩散的场景感知适应
机构 * Yonsei University（延世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC Merced（加州大学默塞德分校） ； Google DeepMind（谷歌DeepMind） ； Seoul National University（首尔国立大学）
AI总结 本文提出SceneAdapt框架，通过运动插值和场景感知插值生成语义丰富的场景感知人类运动，无需大规模配对文本-场景-运动数据。
Comments 15 pages
STRIDE: When to Speak Meets Sequence Denoising for Streaming Video Understanding
STRIDE：当语音识别与序列去噪相结合用于流媒体视频理解
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； KAIST（韩国科学技术院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出STRIDE方法，通过结构化序列建模解决流媒体视频中的主动激活问题，提升在线流媒体场景下的'何时说话'决策质量。
Comments Project page: https://interlive-team.github.io/STRIDE
Multiple-Prediction-Powered Inference
多预测驱动推断
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Google Research（谷歌研究院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出多预测驱动推断框架，通过优化分配资源于不同数据源，实现统计高效估计。理论证明其最小最大最优性、有限样本性能和渐近正态性，并在三个大语言模型评估场景中验证了其优于现有基线的估计误差。
Comments ICLR 2026, 45 pages, 17 figures
A Multi-agent AI System for Deep Learning Model Migration from TensorFlow to JAX
面向深度学习模型从TensorFlow到JAX迁移的多智能体AI系统
机构 * Google（谷歌）
AI总结 本文提出一种多智能体AI系统，用于自动迁移TensorFlow深度学习模型至JAX，通过AI规划器、协调器和程序员的协作，显著提升迁移效率，减少6.4至8倍的时间消耗。
High dimensional theory of two-phase optimizers
双重相优化器的高维理论
机构 * Google DeepMind（谷歌DeepMind）
AI总结 本文研究了双重相优化器在高维线性回归中的表现，揭示了LA在信号与噪声间的平衡优于SGD，并探讨了多工件版本通过超参数调整可减少噪声，SLA通过动量叠加实现加速。
Evaluating and Understanding Scheming Propensity in LLM Agents
评估和理解大语言模型代理中的谋略倾向
机构 * LASR Labs（LASR实验室） ； Google DeepMind（谷歌DeepMind）
AI总结 本文通过分解谋略激励因素，研究大语言模型代理在复杂任务中的谋略行为，发现环境因素对谋略倾向影响显著，但实际部署中需谨慎评估。
Compact Conformal Subgraphs
紧凑的共形子图
机构 * Google Research（谷歌研究院） ； Department of Computer Science, Duke University（杜克大学计算机科学系） ； Northwestern University（西北大学）
AI总结 本文提出基于图的共形压缩框架，通过选择最小子图保留统计有效性并减少结构复杂度，实现高效共形预测与图压缩的结合，同时揭示了新的算法 regime。
VLM-SAFE: Vision-Language Model-Guided Safety-Aware Reinforcement Learning with World Models for Autonomous Driving
VLM-SAFE: 基于世界模型的视觉-语言模型引导的安全强化学习用于自动驾驶
机构 * Lyles School of Civil and Construction Engineering, Purdue University（普渡大学莱尔斯土木与建筑工程学院） ； Department of Civil and Environmental Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校土木与环境工程系） ； Google（谷歌）
AI总结 本文提出VLM-SAFE框架，通过观察-想象-评估-行动闭环，利用视觉语言模型提供语义安全信号，结合世界模型预测未来轨迹，优化策略以提升自动驾驶的安全性和效率。
Comments N/A
