New York University（纽约大学）

CSymPlan: Certified Symbolic Planning and Control for High-DOF Manipulators

CSymPlan：面向高自由度机械臂的可验证符号规划与控制

Aditya Narendra, Ashok Kumar Saini, Mahathi Anand, Mahmoud Khaled, Fares J. Abu-Dakka, Abdalla Swikir

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学（MBZUAI）） ； Technical University of Munich（慕尼黑工业大学） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校） 纠错

AI总结 本文提出CSymPlan框架，通过离线预计算可验证策略与在线运行时循环，使高自由度机械臂完成可达-规避任务时零安全违规，无验证动作时安全处理。

LpWM: A Case for Sparse Representations in World Models

LpWM：世界模型中稀疏表示的一个应用案例

Yilun Kuang, Yash Dagade, Quentin Le Lidec, Lucas Maes, Randall Balestriero, Yann LeCun

机构 * NYU（纽约大学） ； Duke University（杜克大学） ； Mila（米拉） ； Brown University（布朗大学） 纠错

AI总结 本文提出LpWM模型，以稀疏表示替代密集表示建模动作条件潜在动力学，在PushT任务上规划成功率优于密集模型，且能揭示可解释的动力学结构。

Don't Repeat Yourself: Stopping Verbatim Loops at Sampling Time

不要重复你自己：在采样时停止逐字循环

Philipp Emanuel Weidmann, Allen Roush, Judah Goldfeder, Sanjay Basu, Ravid Shwartz-Ziv

机构 * Thoughtworks ； Columbia University（哥伦比亚大学） ； Oracle（甲骨文公司） ； New York University（纽约大学） 纠错

AI总结 研究针对大语言模型的逐字循环问题，提出采样时的DRY对数几率调整方法，在多模型和研究中有效降低循环率并保持性能，已被开源LLM推理框架采用。

XTC: Head-Aware Sampling by Excluding Top Choices

XTC：通过排除顶部选择的头感知采样

Philipp Emanuel Weidmann, Allen Roush, Judah Goldfeder, Sanjay Basu, Ravid Shwartz-Ziv

机构 * Thoughtworks（Thoughtworks公司） ； Columbia University（哥伦比亚大学） ； Oracle（甲骨文公司） ； New York University（纽约大学） 纠错

AI总结 XTC是一种轻量头感知解码算子，通过排除部分高概率词元改善自回归语言模型的多样性-重复帕累托前沿，在多项实验中提升创意生成效果且准确率损失极小，已被多个工具采用。

Clinical Graph-JEPA: Predictive Patient-State Knowledge Graphs for Cognitive Decision Support

Clinical Graph-JEPA：用于认知决策支持的预测性患者状态知识图谱

Kushagra Yadav, Nalin Prabhath, Amit Lamba, Goeun Han, Yining Mao

机构 * New York University（纽约大学） ； University of Chicago（芝加哥大学） 纠错

AI总结 该研究针对临床知识图谱构建难题，提出结合多智能体关系提议等技术的Clinical Graph-JEPA框架，在MIMIC-IV数据集上验证其提升了留一边缘恢复的MRR。

Comments Accepted at WM@Booth 2026

Subzero matrix completion for sparse data analysis: large-scale learning of latent low-rank structure

用于稀疏数据分析的亚零矩阵补全：潜在低秩结构的大规模学习

Lawrence K. Saul, Ningyuan Huang, Dennis Bollweg, Jeff Soules, Diana C. Halikias

机构 * Flatiron Institute（弗莱堡研究所） ； Courant Institute, NYU（纽约大学库朗数学研究所） ； Google Research（谷歌研究院） 纠错

AI总结 本文针对稀疏非负矩阵补全问题，提出可扩展的随机交替最小二乘算法，结合稀疏优化与CUDA内核加速，成功应用于果蝇连接组突触权重矩阵分析，揭示其潜在低秩结构的预测能力。

What LLMs explain is not what they believe: Evaluating explanation sufficiency under models' own input beliefs

LLM 解释的内容并非其信念：基于模型自身输入信念评估解释充分性

Nhi Nguyen, Shauli Ravfogel, Rajesh Ranganath

机构 * New York University（纽约大学） 纠错

AI总结 提出自洽充分性（SCSuff）指标，利用 LLM 自身生成替代输入来评估自由文本解释的充分性，发现 LLM 解释通常不充分且与模型大小、准确率等弱相关。

Comments 26 pages, 9 figures, 13 tables, Forty-Third International Conference on Machine Learning (ICML 2026)

Automatic, Debiased, and Invariant Counterfactual Generation under General Interventions

通用干预下的自动、去偏和不变反事实生成

Raphael C Kim, Jingsen Zhu, Ramin Zabih, Michele Santacatterina

机构 * Cornell Tech（康奈尔科技） ； Cornell University（康奈尔大学） ； Department of Biostatistics, Department of Population Health（生物统计学系、人口健康系） ； New York University Grossman School of Medicine（纽约大学格罗斯曼医学院） 纠错

AI总结 提出ADIGen框架，结合Riesz回归、因果不变性和正交统计学习，实现通用干预下反事实生成的自动、去偏和不变性，并提供过剩风险界。

Detecting and Suppressing Reward Hacking with Gradient Fingerprints

通过梯度指纹检测和抑制奖励黑客

Songtao Wang, Quang Hieu Pham, Fangcong Yin, Xinpeng Wang, Jocelyn Qiaochu Chen, Greg Durrett, Xi Ye

机构 * University of Alberta（阿尔伯塔大学） ； New York University（纽约大学） ； LMU Munich（慕尼黑大学） ； Princeton Language and Intelligence（普林斯顿语言与智能） 纠错

AI总结 本文提出GRIFT方法，通过梯度指纹检测奖励黑客行为，显著优于现有基线方法，在多个可验证推理基准中提升检测效果，并通过集成到拒绝微调流程中减少奖励黑客并提升任务性能。

Comments COLM2026

Generated Reality: Human-centric World Simulation using Interactive Video Generation with Hand and Camera Control

生成现实：基于交互式视频生成的人本世界模拟

Linxi Xie, Lisong C. Sun, Ashley Neall, Tong Wu, Shengqu Cai, Gordon Wetzstein

机构 * Stanford University（斯坦福大学） ； NYU Shanghai（纽约大学上海分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 本文提出了一种基于交互式视频生成的人本世界模拟系统，通过结合头部和手部姿态控制，提升虚拟环境的交互性和用户控制感。

Comments Project page here: this https URL (https://codeysun.github.io/generated-reality)