Massachusetts Institute of Technology（麻省理工学院）

Arbitrary Polynomial Separations in Trainable Quantum Machine Learning

可训练量子机器学习中的任意多项式分离

Eric R. Anschuetz, Xun Gao

机构 * Institute for Quantum Information and Matter（量子信息与物质研究所） ； Walter Burke Institute for Theoretical Physics, Caltech, Pasadena, CA, USA（沃尔特·伯克理论物理研究所，卡内基梅隆大学，帕萨迪纳，CA，USA） ； MIT Center for Theoretical Physics, Cambridge, MA, USA（麻省理工学院理论物理中心，剑桥，MA，USA） ； Department of Physics, CU Boulder, Boulder, CO, USA（科罗拉多大学博尔德分校物理系） 纠错

AI总结 本文提出了一种高效可训练的量子神经网络结构，实现了在经典序列建模任务中相对于经典神经网络的任意多项式内存分离。

Comments 30 pages, 3 figures, version accepted to Quantum

Journal ref Quantum 10, 1976 (2026)

POCI-Diff: Position Objects Consistently and Interactively with 3D-Layout Guided Diffusion

POCI-Diff: 通过3D布局引导扩散实现位置对象一致性和交互

Andrea Rigo, Luca Stornaiuolo, Weijie Wang, Mauro Martino, Bruno Lepri, Nicu Sebe

机构 * DISI, University of Trento（DISI，特伦托大学） ； Toretei S.r.l.（Toretei公司） ； Visual AI Lab, MIT-IBM Watson AI Lab（视觉人工智能实验室，MIT-IBM沃森人工智能实验室） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） 纠错

AI总结 POCI-Diff通过3D布局引导扩散实现一致性和交互性的物体位置控制，提升文本到图像生成的布局一致性和编辑质量。

ESPLoRA: Enhanced Spatial Precision with Low-Rank Adaption in Text-to-Image Diffusion Models for High-Definition Synthesis

ESPLoRA: 基于低秩适应的文本到图像扩散模型中增强空间精度以实现高清晰度合成

Andrea Rigo, Luca Stornaiuolo, Mauro Martino, Bruno Lepri, Nicu Sebe

机构 * DISI, University of Trento（DISI，特伦托大学） ； Toretei S.r.l.（Toretei公司） ； Visual AI Lab, MIT-IBM Watson AI Lab（视觉人工智能实验室，MIT-IBM Watson人工智能实验室） ； Fondazione Bruno Kessler（布鲁诺·凯撒基金会） 纠错

AI总结 ESPLoRA通过低秩适应提升文本到图像扩散模型的空间一致性，利用改进的评估指标和TORE算法优化生成图像质量。

Safety on the Fly: Constructing Robust Safety Filters via Policy Control Barrier Functions at Runtime

飞行中的安全性：通过运行时策略控制屏障函数构建稳健的安全过滤器

Luzia Knoedler, Oswin So, Ji Yin, Mitchell Black, Zachary Serlin, Panagiotis Tsiotras, Javier Alonso-Mora, Chuchu Fan

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学） ； Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空宇航工程系，麻省理工学院） ； D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（Guggenheim航空航天工程学院，佐治亚理工学院） ； MIT Lincoln Laboratory（MIT林肯实验室） 纠错

AI总结 本文提出鲁棒策略CBF方法，通过在线估计价值函数构建稳健的安全过滤器，用于高相对阶输入约束系统的安全控制。

Comments Accepted in RAL. The project page can be found at www.oswinso.xyz/rpcbf/

Journal ref IEEE Robotics and Automation Letters, Volume 10, Issue 10, 2025, pages 10058-10065

Optimization Insights into Deep Diagonal Linear Networks

深度对角线线性网络中的优化洞察

Hippolyte Labarrière, Cesare Molinari, Lorenzo Rosasco, Cristian Vega, Silvia Villa

机构 * MaLGa, DIBRIS, Università degli Studi di Genova（基因瓦大学MaLGa、DIBRIS分校） ； MaLGa, DIMA, Università degli Studi di Genova（基因瓦大学MaLGa、DIMA分校） ； Center for Brains, Minds and Machines, MIT（MIT大脑、心智与机器中心） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Instituto de Alta investigaciòn (IAI), Universidad de Tarapacà（塔拉帕卡大学高级研究机构） 纠错

AI总结 研究深度对角线线性网络的优化机制，揭示其在过参数化模型训练中的有效性及收敛性保证。

LegacyAvatars: Volumetric Face Avatars For Traditional Graphics Pipelines

LegacyAvatars: 基于体素的面部虚拟角色用于传统图形管线

Safa C. Medin, Gengyan Li, Ziqian Bai, Ruofei Du, Leonhard Helminger, Yinda Zhang, Stephan J. Garbin, Philip L. Davidson, Gregory W. Wornell, Thabo Beeler, Abhimitra Meka

机构 * Google（谷歌） ； MIT（麻省理工学院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 LegacyAvatars通过基于参数面部模型的辐射场实现高效传统图形管线中的逼真3D面部虚拟角色渲染，支持在线流式传输和经典网格着色器渲染。

Augmented Assembly: Object Recognition and Hand Tracking for Adaptive Assembly Instructions in Augmented Reality

增强装配：面向增强现实自适应装配指令的对象识别与手部追踪

Alexander Htet Kyaw, Haotian Ma, Sasa Zivkovic, Jenny Sabin

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出一种基于增强现实的自适应装配系统，通过对象识别和手部追踪实现动态指导与错误检测，提升装配效率与用户体验。

Comments Submitted to the Association for Computing Machinery (ACM) Conference on Tangible, Embedded, and Embodied Interaction (TEI'26)

Efficient Parametric SVD of Koopman Operator for Stochastic Dynamical Systems

高效参数化Koopman算子的SVD用于随机动力系统

Minchan Jeong, J. Jon Ryu, Se-Young Yun, Gregory W. Wornell

机构 * Kim Jaechul Graduate School of AI, KAIST, Daejeon 34141, South Korea（韩国科学技术院人工智能研究生院） ； Department of EECS, MIT, Cambridge, MA 02139, United States（麻省理工学院电子工程与计算机科学系） 纠错

AI总结 本文提出了一种基于低秩近似的高效方法，用于学习随机动力系统Koopman算子的前k个奇异函数，以提高大规模系统的可扩展性和稳定性。

Comments Accepted for NeurIPS 2025. The first two authors contributed equally. 30 pages, 5 figures, 4 tables. Code is available at https://github.com/MinchanJeong/NeuralKoopmanSVD

MPAX: Mathematical Programming in JAX

MPAX：在JAX中进行数学规划

Haihao Lu, Zedong Peng, Jinwen Yang

机构 * MIT, Sloan School of Management（麻省理工学院管理学院） ； University of Chicago, Department of Statistics（芝加哥大学统计学系） 纠错

AI总结 MPAX是基于JAX的开源求解器，用于大规模线性规划和凸二次规划，结合了先进的数学规划算法和机器学习基础设施，提供高效的批量求解和端到端可微训练能力。