Meta

Momentum Further Constrains Sharpness at the Edge of Stochastic Stability

动量进一步约束随机稳定性边缘的锐度

Arseniy Andreyev, Advikar Ananthkumar, Marc Walden, Tomaso Poggio, Pierfrancesco Beneventano

机构 * Massachusetts Institute of Technology, Cambridge, MA, US.（麻省理工学院） ； Meta.（Meta） ； Work done at Princeton University, Princeton, NJ, USA.（普林斯顿大学） 纠错

AI总结 本文研究动量对随机稳定性边缘锐度的影响，发现不同批量大小下批量锐度呈现不同收敛特性，揭示动量对优化过程的稳定作用机制。

Comments 40 pages, 38 figures

Neural Mean-Field Games: Extending Mean-Field Game Theory with Neural Stochastic Differential Equations

神经均场博弈：将神经随机微分方程与均场博弈理论相结合

Anna C. M. Thöni, Yoram Bachrach, Tal Kachman

机构 * Donders Centre for Cognition（多纳中心认知研究所） ； Radboud University（拉德堡德大学） ； Meta FAIR London（Meta FAIR伦敦） 纠错

AI总结 本文提出神经均场博弈，结合深度学习与均场博弈理论，通过神经随机微分方程构建数据驱动模型，有效学习复杂战略互动，提升模型鲁棒性和泛化能力。

RadarSplat-RIO: Indoor Radar-Inertial Odometry with Gaussian Splatting-Based Radar Bundle Adjustment

RadarSplat-RIO：基于高斯点分布的室内雷达-惯性里程计

Pou-Chun Kung, Yuan Tian, Zhengqin Li, Yue Liu, Eric Whitmire, Wolf Kienzle, Hrvoje Benko

机构 * Meta Reality Labs（Meta现实实验室） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出基于高斯点分布的雷达束调整框架，通过联合优化雷达传感器姿态和场景几何，显著减少位姿漂移并提升鲁棒性，实验表明在多个室内场景中，雷达束调整性能优于传统雷达-惯性里程计。

WybeCoder: Verified Imperative Code Generation

WybeCoder：验证性 imperative 代码生成

Fabian Gloeckle, Mantas Baksys, Darius Feher, Kunhao Zheng, Amaury Hayat, Sean B. Holden, Gabriel Synnaeve, Peter O'Hearn

机构 * CERMICS, ENPC, Institut Polytechnique de Paris, CNRS（CERMICS，ENPC，巴黎理工学院，CNRS） ； Computer Lab, University of Cambridge（剑桥大学计算机实验室） ； Korea Institute for Advanced Study（韩国高级研究院） ； FAIR, Meta（FAIR，Meta） ； University College London（伦敦大学学院） 纠错

AI总结 WybeCoder 提出了一种验证性 imperative 代码生成框架，通过证明与生成同步的方式，实现代码、不变式和证明的共同进化，提升了复杂算法的验证效率。

SPG: Sandwiched Policy Gradient for Masked Diffusion Language Models

SPG：用于遮蔽扩散语言模型的夹心策略梯度

Chenyu Wang, Paria Rashidinejad, DiJia Su, Song Jiang, Sid Wang, Siyan Zhao, Cai Zhou, Shannon Zejiang Shen, Feiyu Chen, Tommi Jaakkola, Yuandong Tian, Bo Liu

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； MIT（麻省理工学院） ； USC（南加州大学） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 本文提出SPG策略梯度方法，通过同时利用真实对数似然的上下界，解决扩散大语言模型在强化学习中对齐人类偏好或任务奖励的难题，实验显示其在多个任务中表现优异。

Comments ICLR 2026

Topic-Based Watermarks for Large Language Models

基于主题的大型语言模型水印

Alexander Nemecek, Yuzhou Jiang, Erman Ayday

机构 * Case Western Reserve University（凯斯西储大学） ； Meta Platforms, Inc（Meta公司） 纠错

AI总结 本文提出一种轻量级主题引导的水印方案，通过将词汇库按主题划分，提升水印鲁棒性的同时保持生成文本的流畅性，实验表明其在多个LLM和基准测试中表现优异。

Comments Accepted at ACL 2026 Findings