When Can LLMs Learn to Reason with Weak Supervision?
大语言模型何时能通过弱监督学习推理？
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； New York University（纽约大学） ； Google（谷歌）
AI总结 研究探讨了在弱监督下大语言模型推理能力的提升条件，发现训练奖励饱和动态决定泛化能力，通过分离预训练和微调发现显式推理轨迹的监督微调是关键。
大厂专区
Google（谷歌）
FUSE: Ensembling Verifiers with Zero Labeled Data
FUSE：无需标注数据的验证器集成
机构 * Stanford University（斯坦福大学） ； Google（谷歌）
AI总结 FUSE通过无监督集成验证器提升大语言模型输出验证质量，无需标注数据，在多种生成模型和基准测试中表现优异。
Learning to Correct: Calibrated Reinforcement Learning for Multi-Attempt Chain-of-Thought
学习修正：校准强化学习用于多尝试链式推理
机构 * University of Michigan, Ann Arbor（密歇根大学，安娜堡） ； Google Research（谷歌研究院）
AI总结 本文提出Calibrated Attempt-Level (CAL) GRPO方法，通过校准每尝试的权重来提升多尝试链式推理的校准效果，实验证明其在合成和真实数据中优于传统GRPO和简单加权方法。
Comments 24 pages
OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction
OXtal：一种用于有机晶体结构预测的全原子扩散模型
机构 * University of Oxford（牛津大学） ； Synteny ； Google（谷歌） ； Mila ； Université de Montréal（蒙特利尔大学） ； Caltech（加州理工学院） ； NVIDIA（英伟达） ； Lila ； AITHYRA ； FutureHouse ； Imperial College London（伦敦帝国学院）
AI总结 OXtal通过全原子扩散模型直接学习分子构象与周期性排列的联合分布，利用数据增强策略提升效率，实现对晶体结构的高精度预测，显著优于传统方法。
SHRUG-FM: Reliability-Aware Foundation Models for Earth Observation
SHRUG-FM：面向地球观测的可靠性感知基础模型
机构 * Universitat de València（瓦伦西亚大学） ； Wageningen University & Research（瓦赫宁根大学与研究所） ； Delft University of Technology（代尔夫特理工大学） ； European Space Agency（欧洲航天局） ； Heidelberg University（海德堡大学） ； Ghent University（根特大学） ； University of Oxford（牛津大学） ； Google Research（谷歌研究）
AI总结 本文提出SHRUG-FM框架，通过整合三种互补信号提升地球观测基础模型的可靠性，实验证明其在高风险任务中有效降低预测风险。
Comments Accepted for proceedings at CVPR EarthVision 2026
Enabling AI ASICs for Zero Knowledge Proof
使零知识证明具备AI专用集成电路
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google（谷歌）
AI总结 MORPH框架通过重新设计零知识证明内核，利用AI专用集成电路的矩阵吞吐量和能效，提升NTT和MSM的性能，实现10倍的吞吐量提升。
Comments Design Automation Conference 2026
CoAct: Co-Active LLM Preference Learning with Human-AI Synergy
CoAct：基于人机协同的LLM偏好学习
机构 * Northwestern University（西北大学） ； Google（谷歌） ； University of Southern California（南加州大学） ； University of Washington（华盛顿大学）
AI总结 本文提出CoAct框架，通过策略性的人机协作结合自奖励与主动学习，提升LLM在不同任务中的对齐效果，在三个推理基准测试中取得显著提升。
Comments ACL 2026
Privatar: Scalable Privacy-preserving Multi-user VR via Secure Offloading
Privatar: 通过安全卸载实现可扩展的隐私保护多用户VR
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google（谷歌） ； Purdue University/NVIDIA（普渡大学/NVIDIA） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AMD
AI总结 Privatar通过安全卸载实现多用户VR的可扩展隐私保护，利用领域知识在本地设备保留高能量频率组件，减少信息泄露，同时采用分布感知最小扰动技术提升隐私保障与效用。
Comments Proceedings of the 7th Machine Learning and System Conference (MLSys)
BEFT: Bias-Efficient Fine-Tuning of Language Models in Low-Data Regimes
BEFT: 在低数据环境下高效优化语言模型的偏置项
机构 * Lund University（Lund 大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文研究了在低数据环境下优化语言模型偏置项（b_q, b_k, b_v）对下游任务性能的影响，发现直接优化b_v能显著提升性能。
Self-Predictive Representations for Combinatorial Generalization in Behavioral Cloning
用于行为克隆中组合泛化的自预测表示
机构 * Mila ； Université de Montréal（蒙特利尔大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出BYOL-γ方法，通过自预测表示近似后继表示，提升行为克隆在组合泛化任务中的泛化能力。
SeekerGym: A Benchmark for Reliable Information Seeking
SeekerGym：一个评估可靠信息检索的基准
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Curation Labs ； Google DeepMind（谷歌DeepMind）
AI总结 SeekerGym旨在评估AI代理检索信息的完整性，通过文档检索任务测试代理对信息完整性的量化能力，实验显示现有模型在Wikipedia和ML调研论文上分别检索出42.5%和29.2%的段落，仍有改进空间。
GRAIL: Autonomous Concept Grounding for Neuro-Symbolic Reinforcement Learning
GRAIL：自主概念 grounding 用于神经符号强化学习
机构 * Technical University of Darmstadt（达姆施塔特技术大学） ； Google Intrinsic（谷歌内在） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； Centre for Cognitive Science, TU Darmstadt（达姆施塔特技术大学认知科学中心）
AI总结 GRAIL通过环境交互自主 grounding 关系概念，利用大语言模型提供弱监督，提升在稀疏奖励和概念对齐问题中的性能，实验显示其在Atari游戏中表现优异。
Comments Preprint
Sample Complexity of Autoregressive Reasoning: Chain-of-Thought vs. End-to-End
自回归推理的样本复杂性：链式推理与端到端
机构 * Purdue University（普渡大学） ； The Hebrew University（希伯来大学） ； Technion and Google Research（技术学院和谷歌研究）
AI总结 本文研究自回归系统的学习难度，发现端到端监督下样本复杂性随生成长度T变化丰富，而链式推理监督可使样本复杂性与T无关，从而消除对生成长度的依赖。
Detecting LLM-Generated Spam Reviews by Integrating Language Model Embeddings and Graph Neural Network
通过整合语言模型嵌入和图神经网络检测LLM生成的垃圾评论
机构 * Tsinghua University（清华大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出FraudSquad模型，结合预训练语言模型嵌入和门控图变压器，有效检测LLM生成的垃圾评论，实验表明其在精度和召回率上优于现有方法，且模型规模小，训练数据需求低。
Improving Dynamic Object Interactions in Text-to-Video Generation with AI Feedback
通过AI反馈提升文本到视频生成中动态物体交互
机构 * Google DeepMind（谷歌DeepMind） ； The University of Tokyo（东京大学） ； Stanford University（斯坦福大学）
AI总结 本文研究如何利用反馈提升文本到视频模型中动态物体交互的质量，提出利用视觉语言模型提供针对性反馈，实验表明该方法在视频交互场景质量上有显著提升。
Comments Website: https://sites.google.com/view/aif-dynamic-t2v/
