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。