New York University（纽约大学）

AI Must Embrace Specialization via Superhuman Adaptable Intelligence

AI必须通过超人类适应性智能拥抱专业化

Judah Goldfeder, Philippe Wyder, Yann LeCun, Ravid Shwartz Ziv

机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） 纠错

AI总结 本文提出超人类适应性智能（SAI）概念，主张AI应通过专业化追求超人类表现，而非追求通用智能。

Small Drafts, Big Verdict: Information-Intensive Visual Reasoning via Speculation

小草稿，大结论：通过推测进行信息密集的视觉推理

Yuhan Liu, Lianhui Qin, Shengjie Wang

机构 * New York University（纽约大学） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 SV通过结合多个轻量级草稿专家和大型结论模型，提升信息密集视觉推理的效率和准确性。

Comments Accepted to ICLR 2026

Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation

混合发起对话用于人机协作操作

Albert Yu, Chengshu Li, Luca Macesanu, Arnav Balaji, Ruchira Ray, Raymond Mooney, Roberto Martín-Martín

机构 * UT Austin（得克萨斯大学） ； OpenAI ； NYU（纽约大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 MICoBot通过混合发起对话范式提升人机协作任务的成功率和用户体验。

Comments Project website at https://robin-lab.cs.utexas.edu/MicoBot/

Knowledge-Guided Machine Learning: Illustrating the use of Explainable Boosting Machines to Identify Overshooting Tops in Satellite Imagery

基于知识的机器学习：利用可解释提升机识别卫星图像中的超顶云顶

Nathan Mitchell, Lander Ver Hoef, Imme Ebert-Uphoff, Kristina Moen, Kyle Hilburn, Yoonjin Lee, Emily J. King

机构 * The Courant Institute of Mathematical Sciences, New York University（Courant数学科学研究所，纽约大学） ； Department of Statistics, Colorado State University（统计学系，科罗拉多州立大学） ； Cooperative Institute for Research in the Atmosphere, Colorado State University（大气研究合作研究所，科罗拉多州立大学） ； Department of Electrical and Computer Engineering, Colorado State University（电气与计算机工程系，科罗拉多州立大学） ； Department of Mathematics, Colorado State University（数学系，科罗拉多州立大学） ； School of Earth and Environmental Sciences, Seoul National University（地球与环境科学学院，首尔国立大学） 纠错

AI总结 本文提出利用可解释提升机（EBMs）开发可解释的机器学习算法，用于识别卫星图像中的超顶云顶，展示人机协作在气象应用中的潜力。

Comments 48 pages, 18 figures