Google（谷歌）

rePIRL: Learn PRM with Inverse RL for LLM Reasoning

rePIRL: 通过逆强化学习学习PRM以提高LLM推理

Xian Wu, Kaijie Zhu, Ying Zhang, Lun Wang, Wenbo Guo

机构 * Meta AI ； Department of Computer Science, University of California, Santa Barbara（加州大学圣芭芭拉分校计算机科学系） ； Google DeepMind（谷歌DeepMind） ； Independent Researcher（独立研究者） 纠错

AI总结 本文提出rePIRL框架，通过逆强化学习学习高效的PRM，无需依赖专家策略的强假设，解决了传统方法中熵崩溃等固有限制问题，通过双学习过程和定制技术提升LLM推理性能，并在数学和编程任务数据集上验证了其有效性。

From Arithmetic to Logic: The Resilience of Logic and Lookup-Based Neural Networks Under Parameter Bit-Flips

从算术到逻辑：逻辑与基于查找的神经网络在参数位翻转下的韧性

Alan T. L. Bacellar, Sathvik Chemudupati, Shashank Nag, Allison Seigler, Priscila M. V. Lima, Felipe M. G. França, Lizy K. John

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Federal University of Rio de Janeiro（里约热内卢联邦大学） ； Instituto de Telecomunicações, Porto, Portugal（葡萄牙波尔图电信研究所） ； Google LLC（谷歌公司） 纠错

AI总结 研究探讨了神经网络在硬件位翻转误差下的韧性，发现低精度、高稀疏性、受限激活和浅层深度等特性在理论模型下更优，逻辑和查找型网络实现了这些设计趋势的联合极限，实验验证了其在故障容忍中的稳定性。

ParEVO: Synthesizing Code for Irregular Data: High-Performance Parallelism through Agentic Evolution

ParEVO：为不规则数据合成代码：通过智能进化实现高性能并行

Liu Yang, Zeyu Nie, Andrew Liu, Felix Zou, Deniz Altinbüken, Amir Yazdanbakhsh, Quanquan C. Liu

机构 * Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 针对不规则数据并行计算难题，ParEVO框架通过构建数据集、微调模型及进化编码代理，合成高性能并行算法，在基准测试中加速显著，优于商业模型及专家基线。

Think Deep, Not Just Long: Measuring LLM Reasoning Effort via Deep-Thinking Tokens

深入思考，而非仅靠长度：通过深度思考令牌测量大语言模型推理工作量

Wei-Lin Chen, Liqian Peng, Tian Tan, Chao Zhao, Blake JianHang Chen, Ziqian Lin, Alec Go, Yu Meng

机构 * University of Virginia（弗吉尼亚大学） ； Google（谷歌） 纠错

AI总结 研究通过识别深度思考令牌量化推理时间工作量，在多个基准和模型上验证深度思考比例与准确率正相关，据此引入Think@n策略提升推理效率并降低成本。

Comments Accepted to ICML 2026

Interpretability and Generalization Bounds for Learning Spatial Physics

学习空间物理的可解释性与泛化界

Alejandro Francisco Queiruga, Theo Gutman-Solo, Shuai Jiang

机构 * OpenAI ； Google（谷歌） ； Sandia National Laboratories（桑迪亚国家实验室） 纠错

AI总结 利用数值分析技术，严格量化了应用于线性微分方程的机器学习模型在参数发现或求解中的准确性、收敛率和泛化界，并基于格林函数表示引入科学模型的可解释性视角。

Comments To appear in ICML 2026. 18 pages, 13 figures

TokSuite: Measuring the Impact of Tokenizer Choice on Language Model Behavior

TokSuite：衡量分词器选择对语言模型行为的影响

Gül Sena Altıntaş, Malikeh Ehghaghi, Brian Lester, Fengyuan Liu, Wanru Zhao, Marco Ciccone, Colin Raffel

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Google DeepMind（谷歌DeepMind） ； McGill University（麦吉尔大学） ； University of Cambridge（剑桥大学） ； Hugging Face 纠错

AI总结 提出TokSuite，含模型集合与基准测试，通过不同分词器的预训练模型及多语言鲁棒性基准测试，解耦分词器影响，阐明多种流行分词器优缺点。

Comments ICML 2026. 46 pages, 13 figures

Equivalence of Context and Parameter Updates in Modern Transformer Blocks

现代Transformer模块中上下文与参数更新的等价性

Adrian Goldwaser, Michael Munn, Javier Gonzalvo, Benoit Dherin

机构 * University of Cambridge, UK（英国剑桥大学） ； Google Research（谷歌研究） 纠错

AI总结 研究将基础理论扩展到现代大语言模型多样架构，先为Gemma风格模块给出解析解，后推广结果并引入框架，证明特定条件下MLP模块可实现完美隐式权重补丁，有助于理解模型转换提示为有效权重的方式。

kAgent: An execution-guided crash resolution agent for the Linux kernel

kAgent：一种用于Linux内核的执行引导式崩溃修复代理

Alex Mathai, Chenxi Huang, Suwei Ma, Jihwan Kim, Hailie Mitchell, Aleksandr Nogikh, Petros Maniatis, Franjo Ivančić, Junfeng Yang, Baishakhi Ray

机构 * Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Google Inc.（谷歌公司） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 研究针对Linux内核崩溃修复难题，以内核开发者修复方式为灵感构建kAgent及支持工具栈，通过检查日志等步骤修复崩溃，消融特性定量分析，评估显示其能有效修复多种崩溃。

Comments Accepted to ICML, 2026; in the Deep Learning for Code Workshop. This paper was previously circulated as "CrashFixer"