高校专区
从方向到区域：通过局部几何分解语言模型中的激活
机构 * Blavatnik School of Computer Science（Blavatnik计算机科学学院） ； AI, Tel Aviv University, Israel（人工智能，特拉维夫大学，以色列） ； New York University, New York, NY, USA（纽约大学，纽约，纽约州，美国）
AI总结 本研究提出MFA方法，通过局部几何分解语言模型中的激活，捕捉复杂非线性结构，优于无监督基线并优于稀疏自编码器的转向性能。
World-Gymnast: 在世界模型中用强化学习训练机器人
机构 * New York University（纽约大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 World-Gymnast通过在世界模型中进行强化学习微调，有效提升真实机器人性能，比监督学习和软件模拟更具优势。
Comments https://world-gymnast.github.io/
在完全老虎机反馈下学习马尔可夫决策过程
机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运作工程系，密歇根大学） ； Computer Science Department, New York University（计算机科学系，纽约大学）
AI总结 本文提出了在完全老虎机反馈下学习回合制MDP的高效算法，实现了O(√T)的后悔界，并展示了其在k-项预言不等式中的性能与有详细反馈的算法相当。
MedAraBench：大规模阿拉伯语医学问答数据集和基准测试
机构 * Engineering Division, New York University Abu Dhabi（纽约大学阿布扎克分校工程系） ； Cleveland Clinic Abu Dhabi（阿布扎克克利夫兰诊所） ； Science Division, New York University Abu Dhabi（纽约大学阿布扎克分校科学系）
AI总结 MedAraBench是一个大规模阿拉伯语医学问答数据集，旨在通过提供多样化的医学领域数据来提升大型语言模型的多语言能力。
大语言模型的战略前瞻性：来自一个前瞻性创业竞赛的证据
机构 * Ross School of Business University of Michigan（密歇根大学罗斯商学院） ； NYU Stern School of Business New York University（纽约大学 Stern 商学院） ； Kelley School of Business Indiana University（印第安纳大学凯利商学院）
AI总结 大语言模型在战略前瞻性任务中超越人类，通过前瞻性创业竞赛验证其预测能力。
Comments 60 pages, 11 figures, 4 tables
Draw2Learn: 一种用于基于绘画的科学学习的人机协作工具
机构 * New York University（纽约大学）
AI总结 Draw2Learn是一种通过AI作为支持性队友促进基于绘画的科学学习的协作工具，通过生成结构化任务、提供视觉支架和多维反馈来提升学习效果。
VL-JEPA：面向视觉-语言的联合嵌入预测架构
机构 * Meta FAIR ； HKUST（香港科技大学） ； Sorbonne Université（索邦大学） ； NYU（纽约大学）
AI总结 VL-JEPA通过联合嵌入预测架构，在减少参数的情况下实现更强的视觉-语言性能，支持多种任务且无需架构修改。
传输主导问题的非线性模型降阶
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Courant Institute of Mathematical Sciences（Courant数学科学研究所） ； New York University（纽约大学）
AI总结 本文提出了一种针对传输主导问题的非线性模型降阶方法，通过非线性参数化、降阶动力学和在线求解器三要素，提高在波状现象和移动相干结构中的计算效率。
Lotus: 通过随机低秩梯度投影与自适应子空间切换实现高效的LLM训练
机构 * Hong Kong Baptist University, School of Science, Hong Kong, China（香港 Baptist 大学，科学学院，香港，中国） ； Fudan University, School of Data Science, Shanghai, China（复旦大学，数据科学学院，上海，中国） ； New York University, Tandon School of Engineering, New York, USA（纽约大学，Tandon 工程学院，纽约，美国）
AI总结 Lotus通过随机低秩梯度投影与自适应子空间切换，实现LLM训练的高效优化，减少30%训练时间和40%内存消耗。
亚线性时间的注意力近似量子算法
机构 * Simons Institute for the Theory of Computing, UC Berkeley（Simons理论计算研究所，伯克利大学） ； New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出了一种量子算法，以亚线性时间近似注意力矩阵的行，利用量子Nyström近似、均值估计和杠杆得分采样技术。
Comments ICLR 2026
世界模型作为智能体与现实世界之间的中介
机构 * New York University（纽约大学）
AI总结 本文提出利用世界模型作为中介，以解决高成本领域中智能体性能提升的瓶颈问题，通过动态、奖励和任务分布模型克服样本效率低和非策略学习的挑战。
并行随机梯度规划用于世界模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Meta FAIR ； New York University（纽约大学）
AI总结 GRASP是一种基于世界模型的并行随机梯度规划方法，通过引入随机性和软约束，有效解决长时间跨度的控制任务，优于现有规划算法。
Comments 23 pages, 7 figures
通过拓扑感知交替LoRA稳定去中心化联邦微调
机构 * Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA（电气与计算机工程系，纽约大学，布鲁克林，纽约，美国）
AI总结 TAD-LoRA通过拓扑感知的交替LoRA方法，在去中心化联邦学习中稳定参数高效微调，提升不同通信拓扑下的性能。
Comments 17 Pages
基于语义的高级持续性威胁检测：使用自动编码器对LLM编码的系统日志进行分析
机构 * Faculty of Artificial Intelligence and Engineering, Multimedia University Cyberjaya, Malaysia（人工智能与工程学院，多媒体大学（Cyberjaya校区）） ； Centre for Image and Vision Computing, Centre of Excellence for Artificial Intelligence, Faculty of Artificial Intelligence and Engineering, Multimedia University, Cyberjaya, Selangor, Malaysia（图像与视觉计算中心，人工智能卓越中心，人工智能与工程学院，多媒体大学（Cyberjaya校区，Selangor州）） ； Computer Science, New York University Abu Dhabi, UAE（计算机科学，纽约大学阿布扎克校区）
AI总结 本文提出利用LLM生成的语义嵌入和自动编码器，提升对高级持续性威胁的检测能力，实验显示其在复杂威胁场景中表现更优。
SurfelSoup：基于概率Surfel树的端到端点云几何压缩框架
机构 * Department of Electrical and Computer Engineering, New York University Tandon School of Engineering, Brooklyn, NY, USA（电气工程系，纽约大学塔能工程学院，布鲁克林，纽约，美国）
AI总结 SurfelSoup通过概率Surfel树结构实现点云几何压缩，提升压缩效率与表面重建质量。
工程仿真中几何准备和网格生成的AI方法综述
机构 * Sandia National Laboratories（桑迪亚国家实验室） ； Old Dominion University（旧 Dominion 大学） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； New York University / Stony Brook University（纽约大学 / 斯通布鲁克大学） ； CEA（法国原子能委员会） ； Dalian University of Technology（大连理工大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文综述了AI在工程仿真中用于几何准备和网格生成的方法，涵盖分类分割、质量预测、去特征化及自动化生成技术，强调AI与传统算法的互补作用。
Comments 47 pages, 0 figure, accepted by the International Meshing Roundtable conference 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈