MAGE: Modality-Agnostic Music Generation and Target-Source Extraction
MAGE：模态无关的音乐生成与编辑
机构 * Google（谷歌） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
AI总结 MAGE提出了一种模态无关框架，统一了多模态音乐生成与混合编辑，通过可控多模态FluxFormer和音频视觉 nexus 对齐机制，实现灵活且高效的音乐生成与编辑。
大厂专区
Google（谷歌）
End-to-End Efficient RL for Linear Bellman Complete MDPs with Deterministic Transitions
具有确定性转移的线性Bellman完备MDP的端到端高效强化学习
机构 * Google Research, NYC（谷歌研究院纽约） ； MIT（麻省理工学院）
AI总结 针对线性Bellman完备MDP，提出一种在确定性转移下计算高效的算法，对有限动作空间端到端高效，对无限动作空间仅需标准argmax oracle，实现多项式样本与计算复杂度。
Rethinking On-policy Optimization for Query Augmentation
重新思考查询增强的在线策略优化
机构 * University of Utah（犹他大学） ； The University of Queensland（昆士兰大学） ； University of Waterloo（滑铁卢大学） ； New York University（纽约大学） ； University of Notre Dame（圣母大学） ； Université de Montréal（蒙特利尔大学） ； Google DeepMind（谷歌DeepMind） ； University of Oklahoma（俄克拉荷马大学）
AI总结 本文系统比较了基于提示和强化学习的查询增强方法，发现计算量感知下简单方法常优于RL方法，并提出混合方法OPQE，通过RL生成伪文档以最大化检索性能。
Comments TMLR camera ready version
Learning Hamiltonian Flow Maps: Mean Flow Consistency for Large-Timestep Molecular Dynamics
学习哈密顿流映射：大时间步长分子动力学的平均流一致性
机构 * Technical University Berlin（柏林工业大学） ； Free University of Berlin（柏林自由大学） ； Zuse School ELIZA ； Google DeepMind（谷歌DeepMind） ； Rice University（莱斯大学） ； MPI for Informatics, Saarbrücken（马克斯·普朗克信息学研究所，萨尔布吕肯）
AI总结 提出平均流一致性条件学习哈密顿流映射，实现远超经典积分器稳定性极限的大时间步长更新，无需轨迹生成，在分子动力学模拟中显著提升步长。
Symmetry in language statistics shapes the geometry of model representations
语言统计中的对称性塑造了模型表示的几何结构
机构 * UC Berkeley（加州大学伯克利分校） ； EPFL（瑞士联邦理工学院洛桑分校） ； Johns Hopkins（约翰斯·霍普金斯大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文证明语言统计中的平移对称性（如月份共现频率仅取决于时间间隔）决定了词嵌入模型的高维几何结构，并推导出表示流形的解析形式，该几何在统计扰动下仍保持鲁棒。
Comments ICML 2026
