高校专区
SceneTeract：代理功能可能性与视觉语言模型在3D场景中的 grounded 性
机构 * École Polytechnique（巴黎综合理工学院） ； Dassault Systèmes（达索系统） ； Stanford University（斯坦福大学） ； USI Lugano（卢加诺大学） ； Technion（以色列理工学院） ； NVIDIA（英伟达）
AI总结 SceneTeract 通过结合高层语义推理与低层几何检查，验证3D场景功能，评估合成环境中的功能失败及VLM对功能可能性的预测能力，揭示语义信心与物理可行性之间的系统性不匹配。
Comments Project page: https://sceneteract.github.io/
Baby Scale：研究基于个体儿童语言输入训练的模型
机构 * Stanford University（斯坦福大学）
AI总结 研究基于儿童语言输入训练的模型在不同数据规模下的表现，探讨模型性能与儿童语言发展之间的关系，发现儿童数据在语法任务上表现良好，但在语义和世界知识任务上不如合成数据。
Comments Code and data at https://github.com/styfeng/babyscale-LM
IMPASTO：整合基于模型的规划与学习的动力学模型用于机器人油画复现
机构 * Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学）
AI总结 IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。
基于大语言模型的运动轨迹生成与验证的自一致性
机构 * Stanford University（斯坦福大学）
AI总结 本文提出利用自一致性技术提升大语言模型生成运动轨迹的准确性，通过聚类和几何变换实现轨迹的一致性验证，提升生成精度4-6%并验证精度11%。
Comments Accepted to CVPR 2026
月球太阳能板的长距离机器人清洁
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种小型移动机器人，配备长距离可展开臂和可更换清洁工具，用于月球太阳能板的温和清洁，减少人工干预，通过 compliant wrist 和速度基 admittance 控制器实现稳定接触。
Comments Extended abstract, 4 pages, 3 figures, accepted to and presented at the Sustainable Space Robotics Workshop at iSpaRo 2025
长距离机器人操作用于月球结构的装配与布线
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种紧凑且长距离的机器人操作装置，用于月球结构的装配与布线任务，通过减少结构变形和振动提高操作精度。
Comments 7 pages, 6 figures, to appear in the proceedings of iSpaRo 2025
LatentPilot: 通过潜意识视觉推理进行场景感知的视觉-语言导航
机构 * University of Science and Technology of China（中国科学技术大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Stanford University（斯坦福大学） ； Amap, Alibaba Group（阿里巴巴集团高德地图） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 LatentPilot通过利用未来观测作为训练数据源，学习动作条件的视觉动态，无需访问未来帧即可实现场景感知的视觉-语言导航，实验在多个基准上取得新SOTA结果。
Comments Project page:https://abdd.top/latentpilot/
GenFusion：通过渐进性规范空间更新实现前馈人体性能捕捉
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种前馈人体性能捕捉方法，通过单目RGB流生成表演者的新型视角。通过渐进式规范空间更新，利用时间连续性积累外观信息，实现更精确的重建与合成。
通过专家混合和参数高效微调实现可推广的 calorimetry 基础模型
机构 * RNET Technologies Inc.（RNET技术公司） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； Stanford University（斯坦福大学）
AI总结 本文提出一种基于next-token transformer的可推广calorimetry基础模型，结合专家混合预训练和参数高效微调，实现模块化适应不同材料和粒子类型，提升模拟效率和扩展性。
Comments 18 pages, 11 figures, 1 table
具有容错性和通信效率的分布式训练：压缩和循环梯度编码
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Stanford University（斯坦福大学） ； Swiss Federal Institute of Technology in Lausanne (EPFL)（洛桑联邦理工学院）
AI总结 本文提出LAD方法，通过循环梯度编码提升分布式训练在拜占庭攻击下的鲁棒性，并引入Com-LAD进一步降低通信开销。
MultiGen：扩散游戏引擎中可编辑多人世界的层级设计
机构 * Stanford University（斯坦福大学） ； Google（谷歌）
AI总结 本文提出MultiGen，通过引入显式外部内存模块，实现可编辑多人世界中的环境控制与共享推理，提升交互性和一致性。
Comments Project page here: https://ryanpo.com/multigen/
视觉语言模型是感知还是记忆？通过经典视觉错觉探测视觉感知与记忆
机构 * Stanford University（斯坦福大学） ； University of Strasbourg（斯特拉斯堡大学） ； Technical University of Munich（慕尼黑工业大学）
AI总结 本文通过经典视觉错觉研究视觉语言模型的感知与记忆机制，提出VI-Probe框架，揭示不同模型对视觉变化的响应来源，挑战单一原因观点。
Comments 26 pages, 31 figures, 13 tables. Project Page: https://sites.google.com/view/vi-probe/
QuestA: 通过问题增强扩展大语言模型的推理能力
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Amazon（亚马逊） ； Stanford University（斯坦福大学）
AI总结 QuestA通过问题增强策略在训练中引入部分解以降低问题难度，提升大语言模型在数学推理任务中的推理能力，取得新的SOTA结果。
Comments 25 pages, 18 figures, ICLR 2026
通过Softmax平滑对最优政策值及其他不规则函数进行推断
机构 * Stanford University（斯坦福大学） ； Harvard University（哈佛大学）
AI总结 本文提出一种基于Softmax平滑的估计方法，用于推断最优治疗政策的价值，适用于静态和动态治疗方案，仅需拟合常数数量的 nuisance 模型，并在无治疗非响应概率时具有统计效率。
Comments 82 pages, 4 figures, 1 table
MindCube：从有限视角构建空间心理模型
机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学） ； University of Washington（华盛顿大学）
AI总结 本文通过MindCube基准测试，探讨视觉语言模型能否从有限视角构建空间心理模型，提出'map-then-reason'方法提升模型性能，实现从37.8%到61.3%的准确率提升。
Comments The latest version includes an expanded discussion of scaffolding, along with updated data statistics and experimental results
通过创建注释项目仓库预测阅读理解题难度
机构 * Stanford University（斯坦福大学）
AI总结 本文通过创建包含阅读材料和学生成绩数据的注释仓库，利用惩罚回归模型预测项目难度，同时结合LLM嵌入进一步提升预测性能，为阅读理解题的分类和过滤提供工具。
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