大厂专区
RubricEM: 通过规则引导的策略分解实现超越可验证奖励的元强化学习
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google Cloud AI Research（谷歌云人工智能研究）
AI总结 RubricEM通过规则引导的策略分解和反思元策略进化，解决深度研究代理在不可验证奖励下的训练问题，实现长周期优化和可重用经验积累。
Comments 63 pages, 6 figures
MaD Physics：在物理环境中评估受约束的信息获取
机构 * Mila – Quebec AI Institute, Université de Montréal（Mila-魁北克人工智能研究所，蒙特利尔大学） ； Google DeepMind（谷歌DeepMind）
AI总结 MaD Physics通过三个基于不同物理定律的环境，评估智能体在资源受限条件下进行测量和推理的能力，揭示了现有模型在科学推理和约束规划方面的不足。
Comments 64 pages, 10 figures. Project page: https://mad-physics.github.io/
RelFlexformer: 高效的注意力3D-Transformer用于可积分的相对位置编码
机构 * Seoul National University（首尔国立大学） ； Independent（独立） ； Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind） ； Columbia University（哥伦比亚大学）
AI总结 RelFlexformer引入了基于任意可积分调制函数f的通用3D相对位置编码方法，实现O(L log L)复杂度的高效注意力计算，适用于非结构化异质场景中的点云建模。
渐进式逼真简化
机构 * Reichman University and Google（里奇曼大学和谷歌） ； Google Israel（谷歌以色列） ； Hebrew University and Google（希伯来大学和谷歌） ； Google（谷歌）
AI总结 本文提出渐进式语义图像简化框架，通过迭代去除并修补元素保持逼真外观，结合视觉-语言模型和学习验证器实现高效高质量的简化过程，应用于内容感知清理和交互编辑。
计划是什么？LLMs中隐式规划的度量及其在押韵生成和问答中的应用
机构 * HPI / University of Potsdam（HPI/波茨坦大学） ； Utrecht University（乌特勒支大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出简单方法评估LLM隐式规划，通过押韵生成和问答案例展示其可扩展性，发现隐式规划在1B参数模型中普遍存在，为AI安全提供新视角。
Comments 41 pages, 34 figures, Accepted at ICLR 2026, Code available at https://github.com/Jim-Maar/implicit-planning-in-llms
从原型估计联邦提示微调视觉变换器的提示
机构 * Department of Computational and Data Sciences, Indian Institute of Science（计算与数据科学系，印度科学研究院） ； Accenture, Japan（日本Accenture公司） ； Google, India（印度Google公司） ； Indian Institute of Science（印度科学研究院）
AI总结 本文提出PEP-FedPT框架，通过类上下文混合提示实现联邦提示微调中的泛化与个性化，实验表明其在不同数据异质性场景下优于现有方法。
Comments Accepted to TMLR 2026
变换器中的关系推理与归纳偏置
机构 * Imperial College London（帝国理工学院伦敦分校） ； Google（谷歌） ； DeepMind（深度Mind） ； Columbia University（哥伦比亚大学）
AI总结 本文研究了变换器和大语言模型在关系推理中的表现，比较了基于权重学习和上下文学习的机制，发现基于权重学习的模型能进行传递推理，而基于上下文学习的模型则依赖训练数据进行传递推理，预训练可使上下文学习模型更接近权重学习模型。
Comments 15 pages, 10 figures
为何提示难以掌握？理解二进制序列预测器上的提示
机构 * Google DeepMind（谷歌DeepMind）
AI总结 本文探讨了二进制序列预测器上提示的挑战，通过实验揭示了预训练分布对最优提示识别的影响，并分析了前沿模型中提示的统计和经验模式。
Journal ref Artificial Intelligence and Statistics 2026
持续Harness：面向自我改进基础代理的在线适应
机构 * Princeton University（普林斯顿大学） ； ARISE Foundation（ARISE基金会） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出持续Harness，一种无需人工干预的自我改进机制，通过在线适应提升具身代理在长视界部分可观察决策中的表现，实验证明其在Pokémon游戏中显著降低操作成本并接近专家水平。
Comments 28 pages, 19 figures, 5 tables
张量积表示探针揭示线性方向间的共同结构
机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind）
AI总结 研究通过张量积表示探针揭示语言模型中线性方向的共同结构，发现线性探针可通过张量积探针参数恢复。
沉默投票：通过聚合语义邻域提高零样本LLM可靠性
机构 * Google（谷歌）
AI总结 本文提出Semantic Softmax方法，通过聚合目标标签的语义邻域得分，解决零样本分类中的Renormalization Bias问题，提升模型校准性和准确性。
Comments Accepted at GEM Workshop @ ACL 2026
字节级语言模型中的Scratchpad补丁：解耦计算与补丁大小
机构 * Google DeepMind（谷歌DeepMind） ； The University of Hong Kong（香港大学）
AI总结 本文提出Scratchpad补丁方法，通过在每个补丁中插入临时缓存来优化字节级语言模型的计算效率，提升模型质量并减少KV缓存和推理计算需求。
Comments 23 pages, 15 figures
在线集学习：基于精确度与召回率反馈
机构 * Stanford University（斯坦福大学） ； Tel Aviv University and Google Research（特拉维夫大学和谷歌研究） ； Technion and Google Research（技术学院和谷歌研究） ； University of Maryland（马里兰大学）
AI总结 本文研究在线集学习问题，通过精确度和召回率反馈最大化累积奖励。证明有限VC维的假设类可学习，算法结构复杂，挑战传统ERM原则，提供现实和非现实设置下的后悔界。
缪子的相：当缪子超越SignSGD时
机构 * Mathematics and Statistics Department, McGill University（麦吉尔大学数学与统计学系） ； Mathematics and Statistics Department, Université de Montréal（蒙特利尔大学数学与统计学系） ； Google DeepMind（谷歌DeepMind）
AI总结 研究分析了缪子等谱优化器在高维矩阵最小二乘问题中的行为，揭示了SignSVD和SignSGD在不同批量大小下的收敛特性，发现其在数据协方差谱上有不同的预条件化行为，从而确定了三种相变情况。
ML-CLIPSim: 多层CLIP相似性用于机器导向的图像质量
机构 * Simon Fraser University（西蒙弗雷泽大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Eastern Institute of Technology（东部技术学院） ； Xi’an Jiaotong University（西安交通大学） ； Google Inc（谷歌公司）
AI总结 本文提出ML-CLIPSim，基于冻结的CLIP视觉编码器构建可微质量度量，通过聚合中间补丁-令牌相似性和全局图像嵌入，更符合机器导向偏好，同时在人类质量预测中保持竞争力。
面向有眼睛、耳朵和声音的对话式医疗AI
机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） ； Beth Israel Deaconess Medical Center, Harvard Medical School（贝塞斯达医院, 哈佛医学院） ； Stanford University（斯坦福大学）
AI总结 本文提出AI co-clinician系统，利用音频视频数据实现实时临床决策，通过TelePACES评估标准显示其在管理计划和诊断差异方面接近医生，但在体格检查和疾病特异性推理上仍有不足。
Comments Video examples are available on Youtube: https://youtu.be/y5Vaa_SN1t0, https://youtu.be/dC4icb75vLQ, and https://youtu.be/E7iEvWo-E6c
SymptomAI：迈向日常症状评估的对话式AI代理
机构 * Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind）
AI总结 本文研究了SymptomAI在日常生活中对患者症状评估的准确性，通过真实世界数据验证其优于传统临床诊断，展示了专用症状访谈策略的优越性。
Comments 13 page main text, 54 pages total. 16 figures total
通过背景区 anthology 为语言模型构建虚拟人物
机构 * University of California, Berkeley（加州大学伯克利分校） ； Google LLC（谷歌公司）
AI总结 本文提出 anthology 方法，利用开放性生活叙述引导语言模型生成特定虚拟人物，提升实验结果的一致性和可靠性，通过三个人类调查发现其在匹配响应分布和一致性指标上分别提升18%和27%。
Comments EMNLP 2024 Main
DARE: 基于共进化难度估计的难度自适应强化学习
机构 * Rutgers University（罗杰斯大学） ； Amazon（亚马逊） ； Washington University（华盛顿大学） ； Google（谷歌）
AI总结 DARE通过自归一化重要性采样和对称Beta分布实现政策与难度估计的共进化，提升训练效率和推理效率，使模型在易任务中生成更简洁响应，在难任务中提高正确性。
WavesFM：纵向可穿戴传感器波形的分层表示学习
机构 * Google Research（谷歌研究） ； MIT（麻省理工学院） ； University of Washington（华盛顿大学）
AI总结 WavesFM通过分层自监督学习框架，解决长序列生理数据处理中的高采样频率、多模态依赖和长序列长度问题，实现对局部信号语义和复杂昼夜及跨日变化的建模。
重新审视熵正则化策略梯度中的混合策略
机构 * University of Alberta & Amii（阿尔伯塔大学及Amii） ； Google DeepMind（谷歌DeepMind） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 本文探讨了熵正则化策略梯度中混合策略的灵活性与实际效益，提出边际重参数化估计器提升混合策略性能，实验表明其在多个环境中的表现优于传统方法。
Muon 不收敛于凸 Lipschitz 函数
机构 * Center for Computational Mathematics, Flatiron Institute, Simons Foundation（计算数学中心，Flatiron研究所，Simons基金会） ； Princeton University, Google DeepMind（普林斯顿大学，谷歌DeepMind） ； George Mason University（乔治·梅森大学） ； Université Paris Cité and Sorbonne Université, CNRS, Laboratoire de Probabilités, Statistique et Modélisation（巴黎cité大学和索邦大学，CNRS，概率、统计和建模实验室）
AI总结 本文指出 Muon 在凸 Lipschitz 函数上不收敛，尽管误差反馈可恢复其收敛性，但性能在图像分类和语言模型任务中下降，表明 Muon 的成功可能源于该模型未包含的结构。
CoDistill-GRPO：一种高效的群体相对策略优化共蒸馏方法
机构 * University of Michigan, Ann Arbor（密歇根大学，安阿伯分校） ； Google Research（谷歌研究院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出CoDistill-GRPO，通过同时训练大模型和小模型，利用精心设计的GRPO目标提升小模型性能，减少计算开销，在数学基准上显著优于标准GRPO。
面向时间序列预测的推理感知训练
机构 * Google（谷歌） ； University of Kentucky（肯塔基大学）
AI总结 本文提出STRIDE框架，通过将LLM推理注入到时间序列基础模型的连续嵌入空间中，提升数值预测的准确性和可解释性。
评估大语言模型的发展认知能力
机构 * De Vinci Research Center（德文西研究中心） ； MIT Media Lab（MIT媒体实验室） ； University of Oxford（牛津大学） ； Google（谷歌）
AI总结 本文提出DSCT测试，通过自述文本评估发展认知阶段，发现LLM在模拟角色和真实人类响应中表现出不同的阶段特征，表明发展信号在合成响应中更清晰。
Comments 9 pages, 3 figures, (10 pages appendix)
中期使用自生成数据提升语言模型中的强化学习
机构 * Arizona State University（亚利桑那州立大学） ； Google Cloud AI Research（谷歌云人工智能研究） ； Google DeepMind（谷歌DeepMind）
AI总结 本文研究在强化学习前使用多样化的自生成数据提升语言模型的强化学习效果，通过自生成数据训练后，模型在数学推理等任务中表现更优。
RubiConv -- 高效的边界尊重卷积
机构 * Google Deepmind（谷歌DeepMind） ； UC Berkeley（伯克利大学） ； Princeton University（普林斯顿大学）
AI总结 RubiConv通过高效处理打包序列中的边界尊重卷积，提升了长序列模型的理论效率，实验显示其在注意力和标准FFT基线上的显著加速。
Comments 19 pages, 12 figures
基于光谱引导的扩散噪声调度
机构 * Google Research（谷歌研究）
AI总结 本文提出基于图像光谱特性设计实例特定噪声调度的方法，通过理论界限优化噪声级别，提升单阶段像素扩散模型生成质量，尤其在低步数情况下表现更佳。
Comments Accepted to ICML'26
ScholarPeer：一种基于上下文的多智能体框架用于自动化同行评审
机构 * Google（谷歌）
AI总结 为应对机器学习论文数量激增导致的同行评审压力，ScholarPeer提出多智能体框架，通过合成领域轨迹、主动查找最新比较和深度审计技术严谨性，提升评审效率与准确性。
GraphBench: 图学习下一代基准测试
机构 * RWTH Aachen University（亚琛RWTH大学） ； University of Oxford（牛津大学） ； Mila – Quebec AI Institute（魁北克AI研究所） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） ； ETAS Research University of Stuttgart（斯图加特大学ETAS研究所） ； Google Research（谷歌研究） ； Microsoft Research（微软研究院）
AI总结 GraphBench 提供标准化评估协议和统一超参数调优框架，用于评估图学习任务中的泛化能力，推动图学习领域的发展。
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