California Institute of Technology（加州理工学院）

MANTLE: A Framework for Adaptive In-Situ Planetary Perception Using a Modular Uplink Principle

MANTLE：基于模块化上行原理的自适应原位行星感知框架

Pranav Durai, Gary Doran

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） 纠错

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: Self-Scaled Adaptive Preconditioning for Physics-Informed Learning

SS-ESOAP：面向物理信息学习的自缩放自适应预处理

Guangyuan Wang, Mads Toftrup, Sebastian Loeschcke, Yixuan Wang, Anima Anandkumar

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） 纠错

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

TCS-BENCH: Benchmarking State-of-the-Art Generative AI Theoretical Computer Science Research Ability

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

Vincent Cohen-Addad, Dimitris Paparas, Ernest van Wijland, Max Springer, Julien Canitrot-Paradis, Honghao Lin, David Woodruff, Adarsh Kumarappan, Rajesh Jayaram, Rudrajit Das, Lalit Jain, Ola Svensson, Silvio Lattanzi, Mislav Balunovic, Theophane Weber, Vahab Mirrokni

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） 纠错

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: Equivariance Regularized Diffusion for Inverse Problems

EquiReg：等变正则化扩散用于逆问题

Bahareh Tolooshams, Aditi Chandrashekar, Rayhan Zirvi, Abbas Mammadov, Jiachen Yao, Chuwei Wang, Anima Anandkumar

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） 纠错

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。