Microsoft（微软）

OVI-MAP:Open-Vocabulary Instance-Semantic Mapping

OVI-MAP：开放词汇实例语义映射

Zilong Deng, Federico Tombari, Marc Pollefeys, Johanna Wald, Daniel Barath

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； University of Zurich（苏黎世大学） ； TU Munich（慕尼黑工业大学） ； Microsoft（微软） 纠错

AI总结 本文提出OVI-MAP，通过解耦实例重建与语义推断，实现增量开放词汇3D实例语义映射，提升实时处理与零样本语义标注能力。

ReMe: Scaffolding Personalized Cognitive Training via Controllable LLM-Mediated Conversations

ReMe：通过可控的LLM中介对话实现个性化认知训练

Zilong Wang, Nan Chen, Luna K. Qiu, Ling Yue, Geli Guo, Yang Ou, Shiqi Jiang, Yuqing Yang, Lili Qiu

机构 * Microsoft Research（微软研究院） ； Department of Geriatric Psychiatry, Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属上海市精神卫生中心老年精神科） 纠错

AI总结 ReMe通过可控的LLM对话实现个性化认知训练，解决传统认知训练内容僵化和对话可控性不足的问题，支持基于用户生活的记忆练习。

Draft-and-Prune: Improving the Reliability of Auto-formalization for Logical Reasoning

草稿与修剪：提升逻辑推理自动形式化可靠性

Zhiyu Ni, Zheng Liang, Liangcheng Song, Chenrui Cao, Xian Zhang, Alberto Sangiovanni-Vincentelli, Pierluigi Nuzzo

机构 * University of California, Berkeley（加州大学伯克利分校） ； Microsoft（微软） 纠错

AI总结 本文提出D&P框架，通过多样性与验证提升自动形式化逻辑推理可靠性，实验显示在多个基准测试中显著优于现有方法，如在AR-LSAT上准确率达78.43%。

From Pixels to Patches: Pooling Strategies for Earth Embeddings

从像素到拼接：地球嵌入的池化策略

Isaac Corley, Caleb Robinson, Inbal Becker-Reshef, Juan M. Lavista Ferres

机构 * Wherobots ； Microsoft AI for Good Research Lab（微软人工智能造福研究实验室） 纠错

AI总结 研究提出三种池化策略以提升地理嵌入的泛化能力，通过基准测试发现统计池化和协方差池化在空间分割任务中表现更优，比均值池化提升50%以上。

Comments ICLR 2026 ML4RS Workshop