高校专区
将深度光流立体方法蒸馏以获取稠密三维风场
机构 * Zeus AI（宙斯人工智能） ； NASA Goddard Space Flight Center（美国国家航空航天局戈达德太空飞行中心） ； Carr Astronautics（卡尔宇航公司） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
AI总结 本研究将立体光流教师模型蒸馏为单卫星学生模型，替换传统AMV的窗口跟踪，高效获取稠密三维风场，在水汽波段性能优于业务AMV，长波红外波段略有下降。
面向参数化偏微分方程的规范算子学习的方程重构
机构 * Plasma Science and Fusion Center, Massachusetts Institute of Technology（麻省理工学院等离子体科学与聚变中心） ； Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute（伦斯勒理工学院机械、航空航天与核工程系） ； Princeton Plasma Physics Laboratory（普林斯顿等离子体物理实验室）
AI总结 本文提出方程重构方法，将参数化偏微分方程的算子学习转化为规范算子学习，实现新参数域零样本预测，在托卡马克模拟中统一多装置数据，为可复用神经PDE求解器提供新路径。
OR-Transformer：将实时决策扩展至1000个物品
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Purdue University（普渡大学） ； California Institute of Technology（加州理工学院） ； University of Virginia（弗吉尼亚大学）
AI总结 该研究针对大规模供应链补货的实时决策难题，提出OR-Transformer深度强化学习框架，其性能优于基线方法且决策时间大幅缩短，实现了千级物品规模下的实时决策。
用于高效变形飞行的唤醒向量化
机构 * Department of Aerospace Engineering, California Institute of Technology（航空航天工程系，加州理工学院）
AI总结 本研究提出一种被动唤醒向量化机制，通过重新定向旋翼尾流来恢复变形飞行中的垂直推力，提升空中机器人的操控能力和飞行效率。
使用神经网络加速系外行星大气的化学动力学
机构 * Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； University of California Santa Cruz（加州大学圣克鲁兹分校） ； California Institute of Technology（加州理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Corporation（英伟达公司） ； University of California, Riverside（加州大学河滨分校） ； Institute of Astronomy and Astrophysics, Academia Sinica（中央研究院天文及天文物理研究所） ； University of Bern（伯尔尼大学）
AI总结 本文提出基于残差流图架构的机器学习局部框化学动力学求解器，实现系外行星大气模拟的微秒级推理，精度达百分级，速度远超经典求解器，可覆盖宽参数空间，性能优于常用机器学习架构。
Comments 15 pages, 7 figures. Accepted for publication in ApJ
MANTLE：基于模块化上行原理的自适应原位行星感知框架
机构 * Stanford University School of Medicine（斯坦福大学医学院） ； Jet Propulsion Laboratory（喷气推进实验室） ； California Institute of Technology（加州理工学院）
AI总结 本文提出名为MANTLE的多任务自适应网络，基于模块化上行原理实现行星感知，在火星地形分类和巨石分割任务上取得良好性能，支持任务生命周期内新增感知能力。
Comments 10 pages
SS-ESOAP：面向物理信息学习的自缩放自适应预处理
机构 * McGill University（麦吉尔大学） ； California Institute of Technology（加州理工学院） ； Aarhus University（奥胡斯大学） ； University of Copenhagen（哥本哈根大学）
AI总结 该研究针对物理信息神经网络的病态目标问题，提出SS-ESOAP优化方法，在8个PDE基准中多数取得最低残差，在Boussinesq问题上优于Adam，为刚性高精度物理信息训练提供可扩展选项。
Comments 31 pages, 12 figures, 16 tables. Submitted to NeurIPS 2026
朗之万正则化SVGD的定量目标收敛性与时不变混沌传播
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； California Institute of Technology（加州理工学院）
AI总结 该研究针对朗之万正则化SVGD，建立了其定量目标收敛性与时不变混沌传播的理论结果，推导了相关界并对比了两种有限时间机制的性能。
Comments 54 pages
不确定性量化的共形预测与Wasserstein分布鲁棒优化的统一视角
机构 * Contextual Robotics Institute, University of California San Diego（加州大学圣迭戈分校语境机器人研究所） ； University of Southern California（南加州大学） ； California Institute of Technology（加州理工学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 该研究建立了共形预测与Wasserstein分布鲁棒优化的统一概率视角，分析了两者校正经验分位数的不同方式、构造差异及尾部表现，指出DRO可避免CP的过冲问题。
TCS-BENCH：评估最先进生成式AI理论计算机科学研究能力的基准
机构 * Google Research（谷歌研究院） ； CNRS（法国国家科学研究中心） ； IRIF（法国信息学研究所） ； Université Paris-Cité（巴黎城市大学） ； Princeton University（普林斯顿大学） ； Université Paris-Saclay（巴黎萨克雷大学） ； CEA（法国原子能和替代能源委员会） ； California Institute of Technology（加州理工学院） ； Google DeepMind（谷歌DeepMind）
AI总结 研究人员推出TCS-Bench基准，基于STOC、FOCS、SODA论文的定理证明任务评估LLMs，结合验证智能体，参考验证器在专家标注集准确率超90%，为评估生成式AI的TCS研究能力提供工具
EquiReg：等变正则化扩散用于逆问题
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine, Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； Neuroscience and Mental Health Institute, University of Alberta（阿尔伯塔大学神经科学与心理健康研究所） ； New York University（纽约大学） ； California Institute of Technology（加州理工学院） ； University of Oxford（牛津大学）
AI总结 EquiReg通过正则化扩散模型提升逆问题求解，有效引导采样向保持对称性的区域，提升图像修复和偏微分方程求解质量。
Aero Hand Open：一种适用于灵巧操作学习的可仿真肌腱驱动手
机构 * Chestnut Robotics（栗智机器人） ； California Institute of Technology（加州理工学院）
AI总结 本文提出Aero Hand Open这款仿真就绪的肌腱驱动拟人化手，配套仿真模型、驱动映射与强化学习包，可实现策略在仿真中训练后直接部署到实体手，无需微调与状态估计，并发布了相关全套资源。
Comments 20 pages, 9 figures. Project page: https://tetheria.github.io/aero-hand-open/
用于通用视频理解的无训练时间抽象
机构 * California Institute of Technology（加州理工学院）
AI总结 提出无训练的STITCH方法，将视频划分为语义时间块，在三个视频理解任务上表现具竞争力，为通用视频理解提供新方向。
Comments Submitted to NeurIPS 2026
通过线性距离与相似度感知熵视角看大语言模型（LLMs）中的句法表征
机构 * Northwestern University（西北大学） ； University of Southern California（南加州大学） ； Yale University（耶鲁大学） ； California Institute of Technology（加州理工学院）
AI总结 本研究通过拆分结构探针的评估指标UASL，发现影响其变异的两个关键因素，揭示了大语言模型句法表征的抽象程度及对嵌入空间几何属性的依赖性。
Comments 29 pages (9 main text, 18 appendix), 20 figures, 7 tables. Code and data: https://github.com/jpvigneaux/structural-probes-labelwise-analysis
Deflation-PINNs: 学习PDEs和Landau-de Gennes的多个解
机构 * Department of Mathematics, Indian Institute of Science, Bangalore（印度科学研究所数学系，班加罗尔） ； Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系）
AI总结 本文提出Deflation-PINNs，通过引入消元损失和基于PINNs与DeepONets的架构，解决PDEs多解识别问题，并在液态晶体Landau-de Gennes模型中验证了其有效性。
大型语言模型应看到什么？物理不变量作为PDE发现的数据表示
机构 * California Institute of Technology（加州理工学院）
AI总结 本文提出将数据解释作为大型语言模型处理时空场的阶段，以物理不变量为数据表示，在PDE发现基准中使方程恢复准确率近三倍提升，为自动化场理论构建提供实用途径。
Comments 6 pages, 1 figure
使用大语言模型的空中交通管制：提示工程、架构与评估
机构 * The George Washington University（乔治华盛顿大学） ； California Institute of Technology（加州理工学院） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 该研究针对ATC仍以人工为主的问题，设计5种提示结构并在9种LLMs上实验，发现简洁提示表现最佳，注入正确历史可修复脚本严格提示的错误，明确了LLM辅助ATC的路径与局限。
Comments 39 pages, 12 figures, 7 tables
面向低方差在线策略评估的鲁棒数据收集策略学习
机构 * California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Purdue University（普渡大学） ； University of California, Riverside（加州大学河滨分校） ； University of Virginia（弗吉尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究针对强化学习在线策略评估的高方差问题，提出双循环梯度算法学习鲁棒行为策略，其对转移扰动敏感性更低，可降低真实环境评估成本。
利用神经算子学习Kohn-Sham映射实现准线性标度的密度泛函理论
机构 * California Institute of Technology（加州理工学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 该研究提出用SE(3)等变傅里叶神经算子学习Kohn-Sham映射，实现无轨道、准线性标度的DFT，可在单个GPU上完成含82500个价电子的镁位错密度计算，精度达到Kohn-Sham DFT水平。
SplitLite：面向分裂学习的低秩残差压缩
机构 * The University of Hong Kong（香港大学） ； California Institute of Technology（加州理工学院）
AI总结 本文针对设备端LLM联邦微调的高通信成本问题，提出SplitLite方法，利用残差的低秩结构压缩传输量，在保持性能的同时大幅降低了通信成本。
科学数据集的多智能体发现与资源感知自主探索
机构 * University of Utah（犹他大学） ； Jet Propulsion Laboratory, Caltech（加州理工学院喷气推进实验室）
AI总结 针对单个研究者难以发现探索大规模科学数据集的问题，提出WebVisus多智能体系统，可基于自然语言问题启动自主智能体，适配资源探索数据集并完成案例验证。
Comments 10 pages, 4 figures, 1 table. To appear in 2026 IEEE eScience Proceedings
使用3D高斯溅射与Astrobee实现国际空间站的原位重建
机构 * University of California, Berkeley（加利福尼亚大学伯克利分校） ； KBR Inc.（KBR公司） ； NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心） ； California Institute of Technology（加利福尼亚理工学院）
AI总结 该研究将3D高斯溅射技术应用于国际空间站内部三维重建，基于Astrobee机器人的500张原位图像构建高保真地图，其性能优于Nerfacto、TensoRF等现有方法，可用于快速更新舱内地图。
学习消除量子态：量子学习理论的热力学影响
机构 * Institute for Quantum Information and Matter, California Institute of Technology, Pasadena, CA 91125, USA（量子信息与物质研究所，加利福尼亚理工学院，帕萨迪纳，CA 91125，美国） ； Department of Physics, University of California, Santa Barbara, CA 93106, USA（加州大学物理系，圣巴巴拉，CA 93106，美国） ； AWS Center for Quantum Computing, Pasadena, CA 91125, USA（AWS量子计算中心，帕萨迪纳，CA 91125，美国）
AI总结 量子学习理论与热力学的联系：通过高效学习消除量子态并实现高效能量利用。
Comments 7 pages + 1 figure + 12 pages of appendices. We have added a detailed discussion of related works in Discussion and Appendix A, a pedagogical introduction to information thermodynamics in formal quantum information language in Appendix B, and detailed proofs of our main results in Appendices C and D. Numerous remarks and clarifications have been made throughout the manuscript
Journal ref npj Quantum Information 12, 137 (2026)
机构 * Institute of Physics, University of Amsterdam（阿姆斯特丹大学物理研究所） ； School of Mathematics, Statistics and Computer Science, University of KwaZulu-Natal（夸祖鲁-纳塔尔大学数学、统计与计算机科学学院） ； Northeastern University（东北大学） ； Richard N. Merkin Center for Pure and Applied Mathematics, California Institute of Technology（加州理工学院理查德·N·默金纯数学与应用数学中心） ； Ulsan National Institute of Science and Technology（蔚山国家科学技术研究院） ； Institute for Mathematics, Academia Sinica（中央研究院数学研究所） ； Korteweg-de Vries Institute for Mathematics, University of Amsterdam（阿姆斯特丹大学科特韦格-德弗里斯数学研究所）
Comments 77 pages, 25 figures
多模态对比学习中的表达能力
机构 * California Institute of Technology（加州理工学院）
AI总结 该研究针对多模态对比学习的表达能力展开分析，明确CLIP架构的表达能力随模态数量变化，提出Hadamard-CLIP模型，实现任意数量模态联合分布的通用近似且保留CLIP的检索优势。
低剂量CT用于中风诊断：一种双管道深度学习框架用于便携式神经影像
机构 * Westlake High School（西湖高中） ； California Institute of Technology（加州理工学院） ； Round Rock High School（圆石城高中）
AI总结 本文提出双管道深度学习框架，用于低剂量CT中风诊断，在不同剂量水平上评估性能，发现直接分类在某些情况下更有效，建立了低剂量CT中风分诊的基准。
Comments 10 pages, 3 figures, 2 tables. Evaluation of direct classification and residual U-Net denoising followed by classification across five simulated photon-count levels and three deterministic noise seeds. Includes patient-cluster bootstrap confidence intervals. Uses the LDCT Classification dataset; motion and ring artifact experiments are outside the scope of this study
大语言模型：数学表述
机构 * Statistical Sciences, University of Toronto（多伦多大学统计科学系） ； Vector Institute（向量研究所） ； Amazon Search（亚马逊搜索） ； Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系）
AI总结 本文提出了一种大语言模型的数学框架，涵盖文本编码、模型架构、学习过程及部署方法，旨在提升算法的准确性、效率和鲁棒性。
Comments 56 pages, 2 figures
生成式数据同化凸显锋面是海洋能量级联的关键调控因子
机构 * University of Washington（华盛顿大学） ； California Institute of Technology（加州理工学院） ； ENS, PSL Université, Ecole Polytechnique, Sorbonne Université, CNRS（法国高等师范学院、巴黎文理研究大学、巴黎综合理工学院、索邦大学、法国国家科学研究中心）
AI总结 本研究结合多源卫星观测与生成式深度学习框架，发现次中尺度锋面是海洋能量级联的关键调控因子，其跨尺度能量转移效率更高，对中尺度涡旋季节性有重要影响。
Comments Under review at Communications Earth & Environment
SimulCost: 一个用于自动化物理模拟的代价感知基准与工具包
机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking University（北京大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； California Institute of Technology（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对现有LLM评估忽略工具使用代价的问题，提出SimulCost基准，通过单轮和多轮参数调优任务比较LLM与传统扫描方法在准确性和计算代价上的表现，发现LLM在高精度任务中初始猜测不可靠且多轮模式效率更低。
Comments post conference revision version at ICML; update: removed CGYRO due to bug in cases search. Will add back soon; Make the title consistent w/ pdf
利用ATMOS在有损和延迟网络上进行空间机器人遥操作的演示
机构 * Seoul National University（首尔大学） ； KTH Royal Institute of Technology（皇家理工学院） ； FleetMQ ； California Institute of Technology（加州理工学院）
AI总结 该研究通过ATMOS平台，在首尔与斯德哥尔摩间的长距离延迟网络中，验证了结合状态预测与轨迹跟踪的控制策略，可用于航天器遥操作对接测试，为在轨操作验证奠定基础。
Comments (c) 2026 the authors. This work has been accepted to IFAC for publication under a Creative Commons License CC-BY-NC-ND. 6 pages, 8 figures. Inkyu Jang and Gregorio Marchesini contributed equally to this work
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈