Massachusetts Institute of Technology（麻省理工学院）

2606.03736 2026-08-24 stat.ML cs.LG 版本更新

Adaptive Inference for Resource-Constrained Dynamic Pricing

资源约束下的自适应推断用于顺序定价

Ruicheng Ao, Jiashuo Jiang, David Simchi-Levi

机构 * Institute for Data, Systems, and Society, Massachusetts Institute of Technology, Cambridge, MA 02139（数据、系统与社会研究所，麻省理工学院，剑桥，马萨诸塞州，02139）； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology, Hong Kong（工业工程与决策分析系，香港科技大学，香港）； Department of Civil and Environmental Engineering and Operations Research Center, Massachusetts Institute of Technology, Cambridge, MA 02139（土木与环境工程系和运筹中心，麻省理工学院，剑桥，马萨诸塞州，02139）

AI总结针对资源约束导致固定价格推断不可行的问题，提出一种目标感知定价控制器，通过认证可行目标带并记录连续局部密度，实现基于局部去偏的学生化区间，并分析遗憾-信息核算。

2606.01444 2026-08-24 cs.AI cond-mat.mtrl-sci cs.CL cs.LG math.CT 版本更新

Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence

科学中的自我修正发现系统：面向主体人工智能的范畴论框架

Fiona Y. Wang, Markus J. Buehler

机构 * Laboratory for Atomistic and Molecular Mechanics（原子分子力学实验室）； Department of Biological Engineering（生物工程系）； Massachusetts Institute of Technology（麻省理工学院）； Department of Civil and Environmental Engineering（土木与环境工程系）； Department of Mechanical Engineering（机械工程系）； Center for Computational Science and Engineering（计算科学与工程中心）； Schwarzman College of Computing（施瓦茨曼计算学院）

AI总结本文提出一个基于范畴论的框架，通过左Kan扩展实现科学发现中的表征体制转换，并应用于材料科学中的蛋白质力学和纤维网络建模。

2508.14313 2026-08-24 cs.LG cs.AI 版本更新

AIRL-S: Unifying Reinforcement Learning and Search-Based Test-Time Scaling via Adversarial Inverse Reinforcement Learning

你的强化学习奖励函数是你的最佳搜索PRM：统一强化学习与基于搜索的文本生成

Can Jin, Yang Zhou, Qixin Zhang, Hongwu Peng, Di Zhang, Zihan Dong, Marco Pavone, Ligong Han, Zhang-Wei Hong, Tong Che, Dimitris N. Metaxas

机构 * Rutgers University（新泽西州立大学）； Nanyang Technological University（南洋理工大学）； University of Connecticut（康涅狄格大学）； Fudan University（复旦大学）； NVIDIA Research（NVIDIA研究）； Red Hat AI Innovation（红帽AI创新）； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室）； Massachusetts Institute of Technology（麻省理工学院）

AI总结本文提出AIRL-S，通过强化学习与搜索技术的统一，利用奖励函数直接学习动态PRM，提升推理链扩展和跨任务泛化能力，实验显示性能提升9%并优于基线PRM。