Massachusetts Institute of Technology（麻省理工学院）

Dynamic Short Convolutions Improve Transformers

动态短卷积改进Transformer

Oliver Sieberling, Bharat Runwal, Rameswar Panda, Yoon Kim

机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

AI总结 本文提出动态短卷积作为新的神经网络原语，通过输入依赖的滤波器增强Transformer，在语言建模中相比标准Transformer和静态短卷积变体持续提升性能，并带来计算优势。

Conformal Language Modeling via Posterior Sampling

通过后验采样的共形语言建模

Nicolas Emmenegger, Theo X. Olausson, Armando Solar-Lezama, Chara Podimata

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

AI总结 提出通过近似LLM后验采样（条件为校准的高分区域）来替代事后过滤，实现目标风险控制并提高下游效用。

Text-to-Image Models Need Less from Text Encoders Than You Think

文生图模型对文本编码器的依赖比你想象的要少

Nurit Spingarn, Noa Cohen, Tamar Rott Shaham, Tomer Michaeli

机构 * Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 本文发现基于扩散Transformer的文生图模型主要依赖文本编码器提供的单词含义和词序信息，而非完整的上下文信息，并通过构建仅含位置标记词袋的嵌入验证了这一观点。

Comments Project webpage: https://nsping13.github.io/contextless-TTI/

Fast Organic Crystal Structure Prediction with Unit Cell Flow Matching

基于晶胞流匹配的快速有机晶体结构预测

Alston Lo, Luka Mucko, Austin H. Cheng, Andy Cai, Alastair J. A. Price, Wojciech Matusik, Alán Aspuru-Guzik

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； University of Zagreb（Zagreb大学） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Acceleration Consortium（加速联盟） ； Canadian Institute for Advanced Research（加拿大高级研究研究院） ； NVIDIA（NVIDIA公司） 纠错

AI总结 提出Clari模型，利用流匹配生成无冗余晶胞，以秒级速度实现有机晶体结构预测，速度提升15-30倍。

FederatedSkill: Federated Learning for Agentic Skill Evolution

FederatedSkill: 面向智能体技能演化的联邦学习

Jingbo Yang, Guanyu Yao, Yang Zhang, Ramana Rao Kompella, Gaowen Liu, Shiyu Chang

机构 * UC Santa Barbara（加州大学圣巴bara分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM Watson人工智能实验室） ； Cisco Research（思科研究） 纠错

AI总结 提出FederatedSkill框架，通过语义技能差异作为通信单元，在保护隐私的同时实现个性化技能演化，相比自演化基线成功率提升44.4%，计算成本降低37.5%。

Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions

思维经济：具有经济交互的涌现多智能体智能

Zhenting Qi, Huangyuan Su, Ao Qu, Chenyu Wang, Yu Yao, Han Zheng, Kushal Chattopadhyay, Guowei Xu, Zihan Wang, Weirui Ye, Vijay Janapa Reddi, Ju Li, Paul Pu Liang, Himabindu Lakkaraju, Sham Kakade, Yilun Du

机构 * Harvard University（哈佛大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 受哈耶克经济理论启发，通过拍卖和财富积累的简单经济信号实现去中心化信用分配，使弱智能体群体涌现出多步推理策略，在五个智能体任务中超越强单体基线。

Misspecified Estimate-then-Optimize Leads to Supra-Competitive Prices

错误指定的估计-优化导致超竞争价格

Jackie Baek, Vivek F. Farias, Farrell Wu

机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 研究在多家公司市场中，使用错误指定的需求模型（忽略竞争对手价格）的短视估计-优化定价规则如何导致价格收敛至高于纳什均衡的超竞争水平，并通过流体极限常微分方程分析刻画收敛条件。

Learning Unmasking Policies for Diffusion Language Models

学习扩散语言模型的去掩码策略

Metod Jazbec, Theo X. Olausson, Louis Béthune, Pierre Ablin, Michael Kirchhof, João Monteiro, Victor Turrisi, Jason Ramapuram, Marco Cuturi

机构 * Apple（苹果公司） ； University of Amsterdam（阿姆斯特丹大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 针对扩散语言模型中的去掩码采样问题，提出基于强化学习训练轻量级策略，以替代手动调优的启发式方法，在保持性能的同时提升鲁棒性。

Comments V4: Accepted as an oral spotlight at ICML 2026

Automata-Conditioned Cooperative Multi-Agent Reinforcement Learning

自动机条件化协作多智能体强化学习

Beyazit Yalcinkaya, Marcell Vazquez-Chanlatte, Ameesh Shah, Hanna Krasowski, Sanjit A. Seshia

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

AI总结 提出自动机条件化协作多智能体强化学习框架，通过自动机分解团队目标为子任务，学习任务条件化的分散策略，实现最优任务分配和多步协调。

Learning Power Flow with Confidence: A Probabilistic Guarantee Framework for Voltage Risk

学习潮流与置信度：电压风险的概率保证框架

Parikshit Pareek, Sidhant Misra, Deepjyoti Deka

机构 * Department of Electrical Engineering, Indian Institute of Technology Roorkee, India（印度理工学院罗奥克分校电气工程系） ； Los Alamos National Laboratory, New Mexico, USA（洛斯阿拉莫斯国家实验室） ； MIT Energy Initiative, Boston, USA（麻省理工学院能源倡议） 纠错

AI总结 针对机器学习在电力系统安全应用中缺乏形式化性能保证的问题，提出基于高斯过程回归的概率保证框架，通过顶点度核和网络扫描主动学习算法实现数据高效且可靠的电压风险评估。

Comments 10 pages

BEAVR: Bimanual, multi-Embodiment, Accessible, Virtual Reality Teleoperation System for Robots

BEAVR：用于机器人的双手、多形态、可访问的虚拟现实遥操作系统

Alejandro Posadas-Nava, Alejandro Carrasco, Richard Linares

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

AI总结 提出BEAVR，一个开源的双手多形态VR遥操作系统，通过零拷贝流式架构和异步“思考-行动”控制循环，实现低延迟、多机器人实时控制与数据记录，并兼容多种视觉运动策略。

Comments Accepted for presentation on ICCR Kyoto 2025