In-Context Reward Adaptation for Robust Preference Modeling
上下文奖励自适应用于鲁棒偏好建模
机构 * Northwestern University（西北大学） ； Meta Superintelligence Labs（Meta超智能实验室）
AI总结 提出基于Transformer的上下文奖励自适应框架，通过少量偏好示例和人类反应时间辅助信号，在线建模多样且未见的人类偏好，实现鲁棒的偏好建模和分布偏移适应。
大厂专区
Meta
MonoPhysics: Estimating Geometry, Appearance, and Physical Parameters from Monocular Videos
MonoPhysics: 从单目视频估计几何、外观和物理参数
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Meta
AI总结 提出MonoPhysics框架，通过可微分MPM模拟和3D高斯泼溅，从单目视频联合优化可变形物体的几何、外观和物理参数，解决尺度模糊和几何不准确问题。
Beyond 3D VQAs: Injecting 3D Spatial Priors into Vision-Language Models for Enhanced Geometric Reasoning
超越3D VQA：将3D空间先验注入视觉-语言模型以增强几何推理
机构 * FAIR at Meta（Meta的FAIR）
AI总结 提出GASP框架，通过将几何先验注入LLM的Transformer层，利用对比损失和深度一致性监督训练，显著提升VLM的3D空间推理能力，在多个基准上取得大幅提升。
Comments CVPR 2026. Project page: https://danielchyeh.github.io/GASP/
Formalizing Mathematics at Scale
大规模形式化数学
机构 * FAIR at Meta（Meta的FAIR） ； New York University（纽约大学） ； Korea Institute for Advanced Study（韩国高级研究院）
AI总结 提出多智能体系统AutoformBot，利用LLM和形式化验证工具，自动将非正式教材翻译为Lean 4可验证代码，构建了包含超过45,000个声明和50万行代码的Atlas形式化库。
MELD: Mel-Spectrogram-Based Speech Language Modeling with Discrete Latent Variables
MELD: 基于梅尔频谱的离散潜变量语音语言建模
机构 * University of Edinburgh（爱丁堡大学） ； Google DeepMind（谷歌DeepMind） ； Meta Superintelligence Labs（Meta超智能实验室）
AI总结 提出一种在梅尔频谱上联合优化编码器和语音语言模型的离散潜变量模型，在零样本文本转语音和语音转文本任务上优于基于编解码器和其他梅尔频谱基线，并缓解了自回归建模中的长时间静音和单词遗漏问题。
HyperBones: Realtime Bone-driven Neural Garment Simulation with Hypernetwork Conditioning
HyperBones: 基于超网络调节的实时骨骼驱动神经服装模拟
机构 * Meta Reality Labs（Meta现实实验室）
AI总结 提出一种结合虚拟骨骼驱动粗粒度模拟和卷积神经映射恢复细粒度褶皱的实时神经服装模拟方法，通过超网络调节实现高效物理监督，无需外部模拟器。
Teacher-Guided Policy Optimization for On-Policy Reasoning Distillation under Large Policy Divergence
教师引导的策略优化：大策略差异下的在线推理蒸馏
机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Tsinghua University（清华大学） ； Meituan（美团） ； Meta AI ； NiuTrans Research, Shenyang, China（新译研究院，沈阳，中国）
AI总结 针对在线蒸馏中教师与学生策略差异大时反向KL监督失效的问题，提出教师引导策略优化（TGPO），通过教师直接指导学生上下文的token级生成并结合RLVR奖励，在推理基准上优于现有方法。
Envy-Free Allocation of Indivisible Goods via Noisy Queries
通过噪声查询实现不可分割物品的无嫉妒分配
机构 * Meta ； National University of Singapore（国立新加坡大学） ； Nanyang Technological University（南洋理工大学）
AI总结 针对不可直接观测估值、仅能通过噪声查询获取信息的不可分割物品分配问题，在双智能体高斯噪声和有界估值设定下，推导了实现无嫉妒分配所需查询次数的上下界，并证明了当最优分配负嫉妒值Δ不太小时最优查询次数与m^{2.5}/Δ^2成比例。
Comments ICML 2026
Toward User Preference Alignment in LLM Recommendation via Explicit Context Feedback
通过显式上下文反馈实现LLM推荐中的用户偏好对齐
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Meta
AI总结 本文主张在基于大语言模型的推荐系统中优先利用显式上下文反馈（如评论文本）来对齐用户偏好，提升推荐的个性化和可解释性。
Comments Published in CogMI 2025. https://ieeexplore.ieee.org/abstract/document/11417068
GASS: Geometry-Aware Spherical Sampling for Disentangled Diversity Enhancement in Text-to-Image Generation
GASS: 几何感知球面采样用于文本到图像生成中解耦多样性增强
机构 * Laboratoire d'Informatique (LIX), CNRS, École Polytechnique, IPP, France（信息实验室（LIX），法国国家科学研究中心，巴黎高等技术学院，IPP，法国） ； Department of Computer Science, Princeton University, USA（计算机科学系，普林斯顿大学，美国） ； FAIR at Meta - Montreal, Canada（Meta FAIR - 加拿大蒙特利尔） ； McGill University, Canada（麦吉尔大学，加拿大） ； Mila, Quebec AI Institute, Canada（魁北克人工智能研究所，加拿大） ； Canada CIFAR AI chair（加拿大CIFAR人工智能主席）
AI总结 提出几何感知球面采样（GASS），通过正交分解CLIP嵌入中的提示相关与无关变异方向，沿两轴扩展投影分布以引导采样，在保持图像保真度和语义对齐的同时增强生成多样性。
Comments ICML 2026 Camera-ready. Code available at https://github.com/L-YeZhu/GASS_T2I
