Harvard University（哈佛大学）

OpenREAD: Reinforced Open-Ended Reasoning for End-to-End Autonomous Driving with LLM-as-Critic

OpenREAD: 基于LLM作为批评者的开放性推理端到端自动驾驶框架

Songyan Zhang, Wenhui Huang, Zhan Chen, Chua Jiahao Collister, Qihang Huang, Chen Lv

机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Harvard University, USA（哈佛大学） 纠错

AI总结 OpenREAD通过端到端强化微调框架，结合LLM作为批评者，提升自动驾驶中的推理与规划能力，实现从高层推理到低层轨迹规划的全面优化。

MRI Super-Resolution with Deep Learning: A Comprehensive Survey

利用深度学习的MRI超分辨率：全面综述

Mohammad Khateri, Serge Vasylechko, Morteza Ghahremani, Liam Timms, Deniz Kocanaogullari, Simon K. Warfield, Camilo Jaimes, Davood Karimi, Alejandra Sierra, Jussi Tohka, Sila Kurugol, Onur Afacan

机构 * A. I. Virtanen Institute for Molecular Sciences, Faculty of Health Sciences, University of Eastern Finland（A.I.维塔内恩分子科学研究所，健康科学学院，东芬兰大学） ； Harvard Medical School and Boston Children’s Hospital（哈佛医学院和波士顿儿童医院） ； Department of Radiology, Technical University of Munich（医学影像学系，慕尼黑技术大学） ； Department of Radiology, Massachusetts General Hospital（医学影像学系，麻省总医院） 纠错

AI总结 本文综述了利用深度学习的MRI超分辨率技术，探讨了其理论基础、方法分类及应用挑战。

Comments 41 pages

From Memories to Maps: Mechanisms of In-Context Reinforcement Learning in Transformers

从记忆到地图：变换器中上下文强化学习的机制

Ching Fang, Kanaka Rajan

机构 * Harvard Medical School（哈佛医学院） ； Harvard University（哈佛大学） 纠错

AI总结 研究通过变换器模型探索上下文强化学习的机制，发现记忆在存储经验与缓存计算中扮演关键角色，支持灵活行为。

Comments Revised to around 9 pages

Computational Copyright: Towards A Royalty Model for Music Generative AI

计算版权：面向音乐生成AI的一种版税模型

Junwei Deng, Xirui Jiang, Shiyuan Zhang, Shichang Zhang, Himabindu Lakkaraju, Ruijiang Gao, Chris Donahue, Jiaqi W. Ma

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） ； Harvard University（哈佛大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出Generative Content ID框架，用于音乐生成AI的版税归因，通过因果归因方法解决可持续经济激励问题。

Few-shot Protein Fitness Prediction via In-context Learning and Test-time Training

少样本蛋白质适应性预测通过上下文学习和测试时训练

Felix Teufel, Aaron W. Kollasch, Yining Huang, Ole Winther, Kevin K. Yang, Pascal Notin, Debora S. Marks

机构 * Harvard Medical School（哈佛医学院） ； University of Copenhagen（哥本哈根大学） ； Novo Nordisk A/S（诺和诺德公司） ； Microsoft Research（微软研究院） ； Technical University of Denmark（丹麦技术大学） 纠错

AI总结 PRIMO通过上下文学习和测试时训练，在少样本条件下实现蛋白质适应性预测，优于零样本和全监督基线。

Comments AI for Science Workshop (NeurIPS 2025)

Emergent Extreme-View Geometry in 3D Foundation Models

三维基础模型中的涌现极端视角几何

Yiwen Zhang, Joseph Tung, Ruojin Cai, David Fouhey, Hadar Averbuch-Elor

机构 * Cornell University（康奈尔大学） ； New York University（纽约大学） ； Kempner Institute, Harvard University（哈佛大学凯普勒研究所） 纠错

AI总结 本文研究了三维基础模型在极端视角下的几何理解能力，并提出轻量级对齐方案提升其相对姿态估计性能，同时引入新的未见过的互联网场景基准。

Comments Project page is at https://ext-3dfms.github.io/

Spontaneous Kolmogorov-Arnold Geometry in Shallow MLPs

浅层MLP中的自发性Kolmogorov-Arnold几何

Michael H. Freedman, Michael Mulligan

机构 * Center of Mathematical Sciences and Applications（数学科学与应用中心） ； Harvard University（哈佛大学） ； Department of Physics and Astronomy（物理与天文学系） ； University of California（加州大学） 纠错

AI总结 研究发现浅层MLP在训练过程中会自发产生Kolmogorov-Arnold几何结构，通过分析雅可比矩阵的统计特性来理解其出现的条件和机制。

Comments 25 pages + 3 appendices; v2 updated name, contact info

Projecting Assumptions: The Duality Between Sparse Autoencoders and Concept Geometry

投影假设：稀疏自编码器与概念几何的二元性

Sai Sumedh R. Hindupur, Ekdeep Singh Lubana, Thomas Fel, Demba Ba

机构 * School of Engineering and Applied Science, Harvard University（哈佛大学工程与应用科学学院） ； CBS-NTT Program in Physics of Intelligence, Harvard University（哈佛大学人工智能物理项目） ； Physics of Artificial Intelligence Group, NTT Research, Inc., Sunnyvale, CA, USA（NTT研究公司人工智能物理组） ； Kempner Institute, Harvard University（哈佛大学凯普纳研究所） 纠错

AI总结 本文探讨了稀疏自编码器与概念几何的二元性，揭示了SAE在不同架构下的局限性，并提出了一种新的SAE来解决概念恢复的问题。

Comments Published in NeurIPS 2025 (poster)