Harvard University（哈佛大学）

Incentive-Aware AI Safety via Strategic Resource Allocation: A Stackelberg Security Games Perspective

通过战略资源分配实现激励感知的AI安全：从Stackelberg安全游戏视角出发

Cheol Woo Kim, Davin Choo, Tzeh Yuan Neoh, Milind Tambe

机构 * Harvard University（哈佛大学） 纠错

AI总结 本文提出基于Stackelberg安全游戏的AI安全框架，通过战略资源分配设计激励机制，提升AI监管的主动性与鲁棒性。

Vidmento: Creating Video Stories Through Context-Aware Expansion With Generative Video

Vidmento：通过上下文感知扩展创建视频故事

Catherine Yeh, Anh Truong, Mira Dontcheva, Bryan Wang

机构 * Harvard University（哈佛大学） ； Adobe Research（Adobe研究） 纠错

AI总结 Vidmento通过上下文感知扩展技术，结合捕捉和生成的媒体，帮助创作者实现更具表现力的视频叙事。

Comments Accepted to CHI 2026 (25 pages, 18 figures)

Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds

广义流映射用于黎曼流形上的少步生成建模

Oscar Davis, Michael S. Albergo, Nicholas M. Boffi, Michael M. Bronstein, Avishek Joey Bose

机构 * University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； Institute for Artificial Intelligence and Fundamental Interactions, MIT（人工智能与基本相互作用研究所，MIT） ； Carnegie Mellon University（卡内基梅隆大学） ； AITHYRA（AITHYRA研究所） ； Mila（Mila研究所） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文提出广义流映射（GFM）用于黎曼流形上的少步生成建模，通过自蒸馏方法提升现有生成模型性能。

Comments Under review

A High Resolution Urban and Rural Settlement Map of Africa Using Deep Learning and Satellite Imagery

利用深度学习和卫星影像制作非洲高分辨率城乡地图

Mohammad Kakooei, James Bailie, Markus B. Pettersson, Albin Söderberg, Albin Becevic, Adel Daoud

机构 * Institute for Analytical Sociology, Linköping University, Sweden（分析社会研究所，利尔贝里大学，瑞典） ； Geomatics, Department of Environmental and Life Sciences, Karlstad University, Sweden（测绘学，环境与生命科学系，卡尔斯塔德大学，瑞典） ； Department of Statistics, Harvard University, Massachusetts, USA（统计学系，哈佛大学，马萨诸塞州，美国） ； Department of Computer Science and Engineering, Chalmers University of Technology, Gothenburg, Sweden（计算机科学与工程系，查尔姆斯理工大学，哥德堡，瑞典） ； The AI and Global Development Lab (www.global-lab.ai)（人工智能与全球发展实验室） 纠错

AI总结 本研究利用深度学习和卫星影像，开发了高分辨率非洲城乡地图，提升了对非洲聚居地变化的分析能力。

Comments 25 pages, 12 figures

Journal ref Scientific Reports 16, 637 (2026)

Federated Learning Clients Clustering with Adaptation to Data Drifts

具有适应数据漂移的联邦学习客户端聚类

Minghao Li, Dmitrii Avdiukhin, Rana Shahout, Nikita Ivkin, Vladimir Braverman, Minlan Yu

机构 * Harvard University（哈佛大学） ； Northwestern University（西北大学） ； Amazon（亚马逊公司） ； Johns Hopkins University（约翰霍普金斯大学） ； Google（谷歌公司） 纠错

AI总结 FIELDING通过适应数据漂移的CFL框架提升模型准确性并加速收敛

Comments 24 pages, 16 figures

Understanding Real-World Traffic Safety through RoadSafe365 Benchmark

通过RoadSafe365基准理解现实世界交通安全

Xinyu Liu, Darryl C. Jacob, Yuxin Liu, Xinsong Du, Muchao Ye, Bolei Zhou, Pan He

机构 * Auburn University（阿伯拉罕大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Harvard Medical School（哈佛医学院） ； The University of Iowa（爱荷华大学） 纠错

AI总结 RoadSafe365通过细粒度分析和多模态数据集提升现实交通安全研究的可重复性与有效性。

Interpreting Physics in Video World Models

视频世界模型中的物理解释

Sonia Joseph, Quentin Garrido, Randall Balestriero, Matthew Kowal, Thomas Fel, Shahab Bakhtiari, Blake Richards, Mike Rabbat

机构 * FAIR, Meta Superintelligence Labs ； Mila \& McGill University ； Kempner Institute, Harvard University 纠错

AI总结 该研究通过分析视频模型内部的物理表示，发现其采用分布式表示而非分解表示，揭示了物理信息在模型中的涌现机制和组织方式。