Harvard University（哈佛大学）

Stretching Beyond the Obvious: A Gradient-Free Framework to Unveil the Hidden Landscape of Visual Invariance

超越显而易见：一种无梯度框架，揭示视觉不变性的隐藏景观

Lorenzo Tausani, Paolo Muratore, Morgan B. Talbot, Giacomo Amerio, Gabriel Kreiman, Davide Zoccolan

机构 * Neuroscience Area, International School for Advanced Studies (SISSA), Trieste (Italy)（国际先进研究学院（SISSA）神经科学部门，特里埃斯蒂（意大利）） ； Boston Children’s Hospital, Harvard Medical School, Boston (USA)（哈佛医学院波士顿儿童医院，波士顿（美国）） ； Center for Brains, Minds, and Machines, MIT, Cambridge (USA)（麻省理工学院大脑、心智与机器中心，剑桥（美国）） ； Harvard-MIT Program in Health Sciences and Technology, MIT, Cambridge (USA)（哈佛-麻省理工学院健康科学与技术项目，麻省理工学院，剑桥（美国）） 纠错

AI总结 本文提出SnS框架，通过无梯度方法揭示视觉单元的不变性及对抗敏感性，发现深层表示的伸展会降低模型可解释性。

Comments 33 pages, 15 figures, Accepted as a conference paper at ICLR 2026

VariViT: A Vision Transformer for Variable Image Sizes

VariViT：一种适用于可变图像尺寸的视觉变换器

Aswathi Varma, Suprosanna Shit, Chinmay Prabhakar, Daniel Scholz, Hongwei Bran Li, Bjoern Menze, Daniel Rueckert, Benedikt Wiestler

机构 * Technical University of Munich（慕尼黑技术大学） ； Institute for Artificial Intelligence and Informatics in Medicine, Technical University of Munich（慕尼黑技术大学人工智能与医学信息研究所） ； University of Zurich（苏黎世大学） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 VariViT 是一种改进的视觉变换器，通过可变大小裁剪和新的批处理策略，提升医学图像的表示学习性能。

Boule or Baguette? A Study on Task Topology, Length Generalization, and the Benefit of Reasoning Traces

面包还是法棍？一项关于任务拓扑、长度泛化和推理轨迹益处的研究

William L. Tong, Ege Cakar, Cengiz Pehlevan

机构 * School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Kempner Institute for the Study of Artificial and Natural Intelligence, Harvard University（哈佛大学人工智能与自然智能研究所） ； Center for Brain Sciences, Harvard University（哈佛大学脑科学中心） 纠错

AI总结 本研究通过PITA数据集探讨推理轨迹在不同任务拓扑和长度泛化中的表现，揭示了RT模型在广度任务中的优势及深度任务的局限性。

Comments 38 pages, 11 figures, code available at https://github.com/wtong98/boule-or-baguette

Towards Spatial Transcriptomics-driven Pathology Foundation Models

迈向基于空间转录组的病理基础模型

Konstantin Hemker, Andrew H. Song, Cristina Almagro-Pérez, Guillaume Jaume, Sophia J. Wagner, Anurag Vaidya, Nikola Simidjievski, Mateja Jamnik, Faisal Mahmood

机构 * Department of Pathology, Mass General Brigham, Harvard Medical School, Boston, MA, USA（病理学系，马萨诸塞州总医院与哈佛医学院，波士顿，马萨诸塞州，美国） ； Department of Computer Science & Technology, University of Cambridge, Cambridge, UK（计算机科学与技术系，剑桥大学，剑桥，英国） ； Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, USA（癌症计划，哈佛与麻省理工联合学院，剑桥，马萨诸塞州，美国） ； Data Science Program, Dana-Farber Cancer Institute, Boston, MA, USA（数据科学计划，达纳-法伯癌症研究所，波士顿，马萨诸塞州，美国） ； Harvard-MIT Division of Health Sciences and Technology, Massachusetts Institute of Technology, Cambridge, MA, USA（哈佛-麻省理工健康科学与技术 division，麻省理工学院，剑桥，马萨诸塞州，美国） ； Télécom Paris, Institut Polytechnique de Paris, Paris, France（巴黎电信学院，巴黎理工学院，巴黎，法国） ； Harvard Data Science Initiative, Harvard University, Cambridge, MA, USA（哈佛大学数据科学倡议，哈佛大学，剑桥，马萨诸塞州，美国） 纠错

AI总结 SEAL通过整合局部分子信息提升病理基础模型性能，实现跨模态应用与领域泛化。

Fusing Pixels and Genes: Spatially-Aware Learning in Computational Pathology

融合像素与基因：计算病理学中的空间感知学习

Minghao Han, Dingkang Yang, Linhao Qu, Zizhi Chen, Gang Li, Han Wang, Jiacong Wang, Lihua Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Fysics Intelligence Technologies Co., Ltd. (Fysics AI)（菲茨斯智能科技有限公司（菲茨斯AI）） ； Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Tencent Youtu Lab（腾讯优图实验室） ； ByteDance（字节跳动） 纠错

AI总结 STAMP通过整合空间解析基因表达数据，提升计算病理学中多模态学习的性能与泛化能力。

Comments accepted by ICLR 2026, 34 pages, 10 figures, 7tables

Stroke3D: Lifting 2D strokes into rigged 3D model via latent diffusion models

Stroke3D: 通过潜在扩散模型将2D笔触提升为拟合的3D模型

Ruisi Zhao, Haoren Zheng, Zongxin Yang, Hehe Fan, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAAI、浙江大学） ； DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学） 纠错

AI总结 Stroke3D通过潜在扩散模型，将用户绘制的2D笔触和文本提示转化为拟合的3D模型，实现可控的骨骼生成和纹理网格合成。

Comments Accepted by ICLR 2026

Heuristic Methods are Good Teachers to Distill MLPs for Graph Link Prediction

启发式方法是提炼MLP用于图链接预测的良好教师

Zongyue Qin, Shichang Zhang, Mingxuan Ju, Tong Zhao, Neil Shah, Yizhou Sun

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； Harvard University（哈佛大学） ； Snap Inc.（Snap公司） 纠错

AI总结 本文提出EHDM方法，通过启发式方法提炼MLP，有效提升图链接预测性能并降低训练成本。

Accelerated Discovery of Cryoprotectant Cocktails via Multi-Objective Bayesian Optimization

通过多目标贝叶斯优化加速冻保护剂混合物的发现

Daniel Emerson, Nora Gaby-Biegel, Purva Joshi, Yoed Rabin, Rebecca D. Sandlin, Levent Burak Kara

机构 * Mechanical Engineering Department, Carnegie Mellon University（卡内基梅隆大学机械工程系） ； Center for Engineering in Medicine & Surgery, Department of Surgery, Massachusetts General Hospital, Harvard Medical School, and Shriners Children’s（医学与手术工程中心，外科部，麻省总医院，哈佛医学院，以及谢尔曼儿童医院） 纠错

AI总结 通过多目标贝叶斯优化结合高通量筛选，高效发现同时具有高CPA浓度和高细胞存活率的冻保护剂混合物。