Massachusetts Institute of Technology（麻省理工学院）

Pancakes: Consistent Multi-Protocol Image Segmentation Across Biomedical Domains

Pancakes: 在生物医学领域内实现多协议图像分割的一致性

Marianne Rakic, Siyu Gai, Etienne Chollet, John V. Guttag, Adrian V. Dalca

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MGH（麻省总医院） ； HMS（哈佛医学院） 纠错

AI总结 Pancakes 提出了一种新的框架，能够自动为多个可能的协议生成多标签分割图，同时保持相关图像之间的语义一致性，在生物医学领域内实现多协议图像分割的一致性。

Comments Accepted at NeurIPS 2025. Code available at: https://github.com/mariannerakic/Pancakes

Wait, Wait, Wait... Why Do Reasoning Models Loop?

等等，等等，等等……为什么推理模型会循环？

Charilaos Pipis, Shivam Garg, Vasilis Kontonis, Vaishnavi Shrivastava, Akshay Krishnamurthy, Dimitris Papailiopoulos

机构 * MIT（麻省理工学院） ； Microsoft Research（微软研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 研究揭示了推理模型循环的原因，指出学习中的错误是关键因素，并提出温度调节和训练干预可减少循环现象。

Schrodinger Audio-Visual Editor: Object-Level Audiovisual Removal

Schrodinger Audio-Visual Editor: 对象级音频视觉去除

Weihan Xu, Kan Jen Cheng, Koichi Saito, Muhammad Jehanzeb Mirza, Tingle Li, Yisi Liu, Alexander H. Liu, Liming Wang, Masato Ishii, Takashi Shibuya, Yuki Mitsufuji, Gopala Anumanchipalli, Paul Pu Liang

机构 * MIT（麻省理工学院） ； UC Berkeley（加州大学伯克利分校） ； Berkeley AI Research（伯克利人工智能研究） ； Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团） 纠错

AI总结 本文提出Schrodinger Audio-Visual Editor，通过联合编辑音频和视频实现对象级去除，提升时间同步性和语义对应性。

Solving Inequality Proofs with Large Language Models

用大语言模型解决不等式证明

Pan Lu, Jiayi Sheng, Luna Lyu, Jikai Jin, Tony Xia, Alex Gu, James Zou

机构 * Stanford University（斯坦福大学） ； UC Berkeley（伯克利大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出了一种非正式但可验证的任务公式化方法，通过IneqMath数据集和LLM-as-judge评估框架，揭示了大语言模型在解决不等式证明任务中的局限性及改进方向。

Comments 50 pages, 24 figures, accepted as a Spotlight at NeurIPS 2025

RapVerse: Coherent Vocals and Whole-Body Motions Generations from Text

RapVerse: 从文本歌词生成连贯的唱声与全身动作

Jiaben Chen, Xin Yan, Yihang Chen, Siyuan Cen, Zixin Wang, Qinwei Ma, Haoyu Zhen, Kaizhi Qian, Lie Lu, Chuang Gan

机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； Wuhan University（武汉大学） ； UC San Diego（加州大学圣地亚哥分校） ； Tsinghua University（清华大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Dolby Laboratories（杜比实验室） 纠错

AI总结 RapVerse通过统一生成框架，从文本歌词生成连贯唱声与全身动作，实现多模态统一建模，提升生成效果与基准性能。

Comments ICCV 2025, Project website: https://jiabenchen.github.io/RapVerse/

Loop closure grasping: Topological transformations enable strong, gentle, and versatile grasps

环闭合抓取：拓扑变换实现强、柔、多用途的抓取

Kentaro Barhydt, O. Godson Osele, Sreela Kodali, Cosima du Pasquier, Chase M. Hartquist, H. Harry Asada, Allison M. Okamura

机构 * Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系） 纠错

AI总结 环闭合抓取通过拓扑变换实现强、柔、多功能的抓取，适用于复杂物体和环境。

Journal ref Science Advances 11, ady9581 (2025)

Reference-Free 3D Reconstruction of Brain Dissection Slabs via Learned Atlas Coordinates

无需参考的脑解剖切片3D重建 via 学习的图谱坐标

Lin Tian, Jonathan Williams-Ramirez, Dina Zemlyanker, Lucas J. Deden-Binder, Rogeny Herisse, Theresa R. Connors, Mark Montine, Istvan N Huszar, Lilla Zöllei, Sean I. Young, Christine Mac Donald, C. Dirk Keene, Derek H. Oakley, Bradley T. Hyman, Oula Puonti, Matthew S. Rosen, Juan Eugenio Iglesias

机构 * Martinos Center for Biomedical Imaging (Martinos Center) at Massachusetts General Hospital (MGH) & Harvard Medical School (HMS)（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的生物医学成像中心（Martinos Center）） ； Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT）的计算机科学与人工智能实验室（CSAIL）） ； Danish Research Centre for Magnetic Resonance, Centre for Functional and Diagnostic Imaging and Research, Copenhagen University Hospital-Amager and Hvidovre, Copenhagen, Denmark（丹麦磁共振研究中心、功能与诊断成像及研究中心，哥本哈根大学医院-阿迈厄斯和赫维多尔，哥本哈根，丹麦） ； Massachusetts Alzheimer’s Disease Research Center at MGH & HMS（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的阿尔茨海默病研究中心） ； University of Washington（华盛顿大学） ； Pathology Department at MGH & HMS（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的病理部门） ； Neurology Department at MGH & HMS（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的神经病学部门） ； Department of（部门） 纠错

AI总结 RefFree通过学习图谱坐标实现无需参考的脑切片3D重建，适用于单个切片或部分堆栈，提升重建速度和准确性。