Korea Advanced Institute of Science and Technology（韩国科学技术院）

OpenHEART: Opening Heterogeneous Articulated Objects with a Legged Manipulator

OpenHEART: 用腿部机械臂开启异构关节物体

Seonghyeon Lim, Hyeonwoo Lee, Seunghyun Lee, I Made Aswin Nahrendra, Hyun Myung

机构 * School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） ； KRAFTON 纠错

AI总结 本文提出OpenHEART框架，通过SAFE和ArtIEst实现腿部机械臂高效开启异构关节物体，提升跨领域泛化与样本效率。

Comments 8 pages

Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization

探索性记忆增强型大语言模型代理：通过混合的在线与离线策略优化

Zeyuan Liu, Jeonghye Kim, Xufang Luo, Dongsheng Li, Yuqing Yang

机构 * Microsoft Research（微软研究院） ； KAIST（韩国科学技术院） 纠错

AI总结 EMPO²通过混合在线与离线策略优化，提升大语言模型在探索性和通用性方面的性能。

Comments Accepted to ICLR 2026

Classroom AI: Large Language Models as Grade-Specific Teachers

教室AI：大型语言模型作为按年级教师

Jio Oh, Steven Euijong Whang, James Evans, Jindong Wang

机构 * KAIST（韩国科学技术院） ； Microsoft Research Asia（微软亚洲研究院） ； University of Chicago（芝加哥大学） ； William & Mary（威廉与玛丽学院） 纠错

AI总结 本研究提出一种框架，通过微调大型语言模型生成适合不同年级学生的教育内容，显著提升年级匹配度，同时保持响应准确性。

KLASS: KL-Guided Fast Inference in Masked Diffusion Models

KLASS: 在掩码扩散模型中基于KL的快速推理

Seo Hyun Kim, Sunwoo Hong, Hojung Jung, Youngrok Park, Se-Young Yun

机构 * KAIST AI（韩国科学技术院人工智能学院） 纠错

AI总结 KLASS通过利用令牌级KL散度实现快速稳定生成，显著提升扩散模型推理速度并保持高质量输出。

Comments NeurIPS 2025 Spotlight. Code: https://github.com/shkim0116/KLASS

Diffusion Alignment as Variational Expectation-Maximization

扩散对齐作为变分期望最大化

Jaewoo Lee, Minsu Kim, Sanghyeok Choi, Inhyuck Song, Sujin Yun, Hyeongyu Kang, Woocheol Shin, Taeyoung Yun, Kiyoung Om, Jinkyoo Park

机构 * KAIST（韩国科学技术院） ； MongooseAI ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； University of Edinburgh（爱丁堡大学） ； Mila, Université de Montréal（魁北克大学Mila） ； Omelet 纠错

AI总结 DAV通过变分期望最大化框架，在文本生成和DNA设计中实现奖励优化与多样性保持。

Comments ICLR 2026

FragFM: Hierarchical Framework for Efficient Molecule Generation via Fragment-Level Discrete Flow Matching

FragFM：基于片段级离散流匹配的高效分子生成分层框架

Joongwon Lee, Seonghwan Kim, Seokhyun Moon, Hyunwoo Kim, Woo Youn Kim

机构 * Department of Chemistry, KAIST（韩国科学技术院化学系） ； InnoCORE AI-CRED Institute, KAIST（韩国科学技术院InnoCORE AI-CRED研究所） ； College of Pharmacy, Dongguk University（东国大学药学院） ； Department of Data Science, KAIST（韩国科学技术院数据科学系） 纠错

AI总结 FragFM通过片段级离散流匹配实现高效分子生成，优于原子级方法，并提出NPGen基准评估自然产物生成能力。

Comments Published in International Conference on Learning Representations (ICLR), 2026

Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), 2026

The Generative AI Paradox on Evaluation: What It Can Solve, It May Not Evaluate

生成AI悖论：它能解决什么，它可能无法评估

Juhyun Oh, Eunsu Kim, Inha Cha, Alice Oh

机构 * School of Computing, KAIST Daejeon, Republic of Korea（韩国釜山国立大学计算机学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文研究了生成AI在评估任务中的局限性，发现LLMs在生成任务中表现优异，但在评估任务中却存在不忠实的问题，揭示了生成能力与评估能力之间的悖论。