Massachusetts Institute of Technology（麻省理工学院）

Solving Parameter-Robust Avoid Problems with Unknown Feasibility using Reinforcement Learning

利用强化学习解决未知可行性参数鲁棒避障问题

Oswin So, Eric Yang Yu, Songyuan Zhang, Matthew Cleaveland, Mitchell Black, Chuchu Fan

机构 * Department of Aeronautics and Astronautics, MIT（麻省理工学院航空与航天系） 纠错

AI总结 本文提出Feasibility-Guided Exploration方法，通过识别可行初始条件并学习安全策略，提升在未知可行性下的避障性能。

Comments ICLR 2026. The project page can be found at https://oswinso.xyz/fge

ErrorMap and ErrorAtlas: Charting the Failure Landscape of Large Language Models

误差图与误差图谱：大型语言模型失败景观的绘制

Shir Ashury-Tahan, Yifan Mai, Elron Bandel, Michal Shmueli-Scheuer, Leshem Choshen

机构 * IBM Research（IBM研究院） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院） 纠错

AI总结 ErrorMap和ErrorAtlas通过分析LLM失败原因，揭示模型弱点，为模型改进和评估提供更深入的洞察。

Enhancing Diffusion-Based Sampling with Molecular Collective Variables

通过分子集体变量增强扩散采样

Juno Nam, Bálint Máté, Artur P. Toshev, Manasa Kaniselvan, Rafael Gómez-Bombarelli, Ricky T. Q. Chen, Brandon Wood, Guan-Horng Liu, Benjamin Kurt Miller

机构 * FAIR at Meta（Meta的FAIR） ； MIT（麻省理工学院） ； University of Geneva（日内瓦大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 通过引入集体变量的偏置，提升扩散采样在分子采样中的效率和模式发现能力，首次实现反应采样的高精度模拟。

Scale-Invariant Regret Matching and Online Learning with Optimal Convergence: Bridging Theory and Practice in Zero-Sum Games

尺度不变的遗憾匹配与最优收敛的在线学习：在零和博弈中弥合理论与实践的鸿沟

Brian Hu Zhang, Ioannis Anagnostides, Tuomas Sandholm

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出了一种新的尺度不变且参数无关的PRM+变体IREG-PRM+，实现了最优收敛并优于现有方法，同时扩展了零和博弈到更广泛的变分不等式问题。

Comments Compared to the previous version, this version includes new results on harmonic games and extensive-form games. Abstract abridged due to arXiv length constraints

Transferable Learning of Reaction Pathways from Geometric Priors

从几何先验中学习可转移的反应路径

Juno Nam, Miguel Steiner, Max Misterka, Soojung Yang, Avni Singhal, Rafael Gómez-Bombarelli

机构 * Department of Materials Science and Engineering, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, United States（材料科学与工程系，麻省理工学院） ； Department of Mathematics, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, United States（数学系，麻省理工学院） ； Computational and Systems Biology Program, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, United States（计算与系统生物学计划，麻省理工学院） 纠错

AI总结 本文提出MEPIN方法，通过几何先验和对称性破缺神经网络，高效预测化学反应路径，适用于多种化学反应。

Comments 14 pages, 6 figures; Supporting Information in ancillary files

The Mighty ToRR: A Benchmark for Table Reasoning and Robustness

强大的ToRR：表格推理与鲁棒性基准

Shir Ashury-Tahan, Yifan Mai, Rajmohan C, Ariel Gera, Yotam Perlitz, Asaf Yehudai, Elron Bandel, Leshem Choshen, Eyal Shnarch, Percy Liang, Michal Shmueli-Scheuer

机构 * IBM Research（IBM研究院） ； Bar-Ilan University（巴伊兰大学） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院） 纠错

AI总结 ToRR基准通过评估模型在不同表格格式和提示下的表现，揭示了表格推理任务中模型的鲁棒性问题，强调多格式测试对评估模型能力的重要性。

Automatically Finding Reward Model Biases

自动发现奖励模型偏差

Atticus Wang, Iván Arcuschin, Arthur Conmy

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出了一种利用LLM自动发现奖励模型偏差的方法，揭示了已知和新型偏差，并展示了进化迭代优于传统搜索方法。

NeuroChat: A Neuroadaptive AI Chatbot for Customizing Learning Experiences

NeuroChat: 一种基于神经适应的AI聊天机器人，用于定制学习体验

Dünya Baradari, Nataliya Kosmyna, Oscar Petrov, Rebecah Kaplun, Pattie Maes

机构 * MIT Media Lab（麻省理工学院媒体实验室） ； Brown University（布朗大学） 纠错

AI总结 NeuroChat通过整合实时EEG反馈与生成式AI，实现学习者认知状态的动态适应，提升学习参与度。

Comments 21 pages, 7 figures, 2 tables

Journal ref CUI '25: Proceedings of the 7th ACM Conference on Conversational User Interfaces, July 8-10, 2025