高校专区
ViTex: 通过离散扩散模型实现多轨符号音乐生成的视觉纹理控制
机构 * School of EECS, Peking University（电子工程系，北京大学） ； Music X Lab, MBZUAI（音乐X实验室，MBZUAI） ； Courant Institute of Mathematical Sciences, New York University（数学科学学院，纽约大学）
AI总结 ViTex通过离散扩散模型实现多轨符号音乐生成的视觉纹理控制，结合乐器选择、音高时间及笔触属性，生成高质量音乐并支持纹理级操控。
这是思考还是作弊？通过测量推理努力来检测隐式奖励黑客
机构 * LMU Munich（慕尼黑莱茵河大学） ； New York University（纽约大学） ； MCML
AI总结 TRACE通过测量推理努力检测隐式奖励黑客，通过截断推理链并评估预期奖励来识别模型利用漏洞的行为，提升数学和编码任务的监控效果。
Comments ICLR 2026 Oral Presentation
从有限样本估计神经表示的维度
机构 * Harvard University（哈佛大学） ； New York University（纽约大学） ； Flatiron Institute（Flatiron研究所） ； Cornell Tech（康奈尔科技）
AI总结 本文提出了一种偏倚校正估计器，用于从有限样本中准确估计神经表示的维度，并展示了其在生物神经记录和语言模型中的应用。
金融交易中的大语言模型代理：综述
机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学）
AI总结 本文综述了利用大语言模型作为代理进行金融交易的研究，探讨了代理架构、数据输入、回测表现及面临的挑战，并展望了未来研究方向。
Journal ref International Conference on Computers in Management and Business 2026
Hippo: 高性能内点法和投影求解器用于通用约束轨迹优化
机构 * Tandon School of Engineering, New York University（纽约大学Tandon工程学院） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑机器人与智能机器研究所（MIRMI），慕尼黑技术大学）
AI总结 Hippo是一种高效的求解器，通过内点法和投影方法处理约束轨迹优化问题，适用于复杂机器人任务。
Tiny-Critic RAG：赋能代理回退的参数高效小型语言模型
机构 * Northeastern University（东北大学） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； New York University（纽约大学）
AI总结 Tiny-Critic RAG通过参数高效的Small Language Model实现低延迟的二进制路由，有效降低代理部署成本。
神经功能对齐空间：人工神经网络的脑参考表示
机构 * Tandon School of Engineering, New York University（纽约大学工程学院） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Biomedical Engineering, New Jersey Institute of Technology（新泽西理工学院生物医学工程系） ； The Clinical Hospital of Chengdu Brain Science Institute, MOE Key Laboratory for NeuroInformation,School of Life Science and Technology, University of Electronic Science and Technology of China（成都脑科学研究所临床医院，国家神经信息重点实验室，电子科技大学生命科学与技术学院）
AI总结 本文提出神经功能对齐空间，通过建模神经网络的动态表示，揭示了在脑参考空间中的结构化组织，包括模态特定聚类和跨模态收敛。
通过混合低秩专家专门化基础模型以实现全面头部CT分析
机构 * Digital Technology and Innovation, Siemens Healthineers, Princeton, NJ USA（西门子医疗数字化技术与创新部） ； Department of Computed Tomography, Siemens Healthineers, Forchheim, Germany（西门子医疗计算机断层扫描部） ； Department of Radiology, New York University, New York, NY USA（纽约大学放射科部） ； Department of Radiology, University of Maryland Medical Center, Baltimore, MD USA（马里兰大学医学中心放射科部） ； Department of Radiology, Vancouver General Hospital, Vancouver, BC Canada（温哥华总医院放射科部） ； Department of Radiology, Northwell Health, New York, NY USA（北well医疗放射科部） ； Department of Surgery, UCHealth Memorial Hospital, Colorado Springs, CO USA（UCHealth纪念医院外科部）
AI总结 本文提出MoLRE框架，通过混合低秩专家提升基础模型在头部CT分析中的性能，实验显示在不同模型上均取得显著改进。
当链式思维帮助何时：马尔可夫视角
机构 * New York University（纽约大学）
AI总结 本文从马尔可夫视角分析了链式思维在不同任务中的有效性，揭示了转移对齐性是决定CoT效果的关键因素，并通过合成基准验证了理论预测。
EquiReg：等变正则化扩散用于逆问题
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine, Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； Neuroscience and Mental Health Institute, University of Alberta（阿尔伯塔大学神经科学与心理健康研究所） ； New York University（纽约大学） ； California Institute of Technology（加州理工学院） ； University of Oxford（牛津大学）
AI总结 EquiReg通过正则化扩散模型提升逆问题求解，有效引导采样向保持对称性的区域，提升图像修复和偏微分方程求解质量。
深度学习中的人口群体公平性保证分析
机构 * Harvard AI and Robotics Lab at Harvard University（哈佛大学人工智能与机器人实验室） ； Embodied AI and Robotics (AIR) Lab at New York University（纽约大学具身人工智能与机器人实验室） ； School of Computing and Informatics, University of Louisiana at Lafayette（路易斯安那州立大学拉法叶分校计算机与信息学院）
AI总结 本文提出Fairness-Aware Regularization方法，通过减少组间特征差异提升模型公平性与准确性。
Comments Accepted for publication in TPAMI 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