Massachusetts Institute of Technology（麻省理工学院）

MerLean: An Agentic Framework for Autoformalization in Quantum Computation

MerLean：一个用于量子计算自动形式化的代理框架

Yuanjie Ren, Jinzheng Li, Yidi Qi

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Northeastern University（东北大学） 纠错

AI总结 MerLean通过自动化形式化框架将量子计算论文中的数学语句转化为Lean代码并回译为可读格式，实现端到端验证，为同行评审和合成数据训练提供实用工具。

Language and Experience: A Computational Model of Social Learning in Complex Tasks

语言与经验：复杂任务中的社会学习计算模型

Cédric Colas, Tracey Mills, Ben Prystawski, Michael Henry Tessler, Noah Goodman, Jacob Andreas, Joshua Tenenbaum

机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出了一种计算模型，通过结合语言指导与直接经验，模拟复杂任务中的社会学习过程，并展示了人类与模型之间的知识传递机制。

Comments Code: github.com/ccolas/language_and_experience Demo: cedriccolas.com/demos/language_and_experience

Journal ref ICLR 2026; CogSci 2025

Language Statistics and False Belief Reasoning: Evidence from 41 Open-Weight LMs

语言统计与虚假信念推理：来自41个开放权重语言模型的证据

Sean Trott, Samuel Taylor, Cameron Jones, James A. Michaelov, Pamela D. Rivière

机构 * Rutgers University - Newark（新泽西罗格斯大学-新布朗斯维尔） ； UC San Diego（加州大学圣地亚哥分校） ； Stony Brook University（史泰文斯理工学院） ； MIT（麻省理工学院） 纠错

AI总结 该研究通过41个开放权重语言模型测试，发现人类和模型在非事实性动词提示下对虚假信念的归因存在偏差，揭示语言统计学在解释人类认知中的局限性。

Comments 15 pages, 7 figures, submitted to conference

Heuristic Search as Language-Guided Program Optimization

启发式搜索作为语言引导的程序优化

Mingxin Yu, Ruixiao Yang, Chuchu Fan

机构 * Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院） 纠错

AI总结 本文提出了一种结构化框架，通过分解启发式发现过程为模块化阶段，提升LLM驱动的自动启发式设计在组合优化中的性能。

Comments 8 pages, 3 figures, under review

Towards Efficient Constraint Handling in Neural Solvers for Routing Problems

向神经求解器在路由问题中高效处理约束的方向

Jieyi Bi, Zhiguang Cao, Jianan Zhou, Wen Song, Yaoxin Wu, Jie Zhang, Yining Ma, Cathy Wu

机构 * Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理学院） ； Shandong University（山东大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； MIT（麻省理工学院） 纠错

AI总结 本文提出了一种新的神经求解器约束处理框架CaR，通过显式学习的可行性细化方法，提升了在复杂约束下的求解效率和质量。

Comments Accepted by ICLR 2026