The Origin of Edge of Stability
稳定性边缘的起源
机构 * Stanford University（斯坦福大学）
AI总结 本文研究了梯度下降法驱动Hessian特征值至2/η的现象，引入边缘耦合概念，通过递推关系和二阶展开揭示了曲率趋近2/η的机制，并分析了固定点和周期二轨道的分类。
高校专区
Stanford University（斯坦福大学）
Text-to-Distribution Prediction with Quantile Tokens and Neighbor Context
基于分位数标记和邻近上下文的文本到分布预测
机构 * Amazon.com, Inc.（亚马逊公司） ； Stanford University（斯坦福大学）
AI总结 本文提出分位数标记回归，通过插入专用分位数标记并结合邻近实例，提升分布预测精度，实验显示在多个数据集上效果显著，MAPE更低且预测区间更窄。
Comments Accepted to ACL 2026 main conference
HumanScore: Benchmarking Human Motions in Generated Videos
HumanScore：在生成视频中评估人类动作的基准测试
机构 * Stanford University（斯坦福大学） ； Peking University（北京大学）
AI总结 本文提出HumanScore框架，通过六个可解释指标评估AI生成视频中人类动作的质量，揭示感知合理性与生物力学真实性的差距，并产生可靠的模型排名。
RareSpot+: A Benchmark, Model, and Active Learning Framework for Small and Rare Wildlife in Aerial Imagery
RareSpot+: 一种用于小型稀有野生动物的基准、模型和主动学习框架
机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Smithsonian National Zoo and Conservation Biology Institute（史密森尼国家动物园与保护生物学研究所） ； Stanford University（斯坦福大学） ； The Doris Duke Foundation（多里斯·杜克基金会）
AI总结 RareSpot+通过多尺度一致性学习、上下文感知增强和地理引导主动学习，解决小而稀有野生动物的检测难题，提升检测精度并实现生态空间分析。
Learning When Not to Decide: A Framework for Overcoming Factual Presumptuousness in AI Adjudication
学习何时不决定：一种克服人工智能裁决中事实预设性的框架
机构 * Stanford University（斯坦福大学）
AI总结 本文研究了人工智能裁决中因信息不足导致的预设性问题，提出SPEC框架在失业保险裁决中实现89%的准确率，展示了如何通过结构化提示清单解决信息缺失问题。
Agnostic Language Identification and Generation
无偏语言识别与生成
机构 * Aarhus University and University of Oxford（奥胡斯大学和牛津大学） ； Stanford University（斯坦福大学）
AI总结 本文在不假设数据分布的情况下，研究了语言识别与生成问题，得出了新的特性描述和接近最优的速率。
Comments typos and minor bug fixes
Interpretability from the Ground Up: Stakeholder-Centric Design of Automated Scoring in Educational Assessments
从基础出发的可解释性：面向教育评估的自动评分者设计
机构 * Graduate School of Education, Stanford University（斯坦福大学教育研究生院） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系）
AI总结 本文提出FGTI可解释性原则，开发AnalyticScore框架，在文本构造响应评分中提升准确性并接近人类标注表现。
Comments In Findings of the Association for Computational Linguistics (ACL 2026)
Multi-Armed Bandits With Machine Learning-Generated Surrogate Rewards
多臂老虎机与机器学习生成的代理奖励
机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学） ； Cornell University（康奈尔大学）
AI总结 本文提出MLA-UCB算法，利用机器学习模型将辅助信息转换为代理奖励，解决代理奖励偏差问题，改进累积遗憾并实现渐近最优。
Rodrigues Network for Learning Robot Actions
罗德里格斯网络用于学习机器人动作
机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出罗德里格斯网络，通过引入运动学先验知识提升机器人动作学习性能，验证了其在动作预测和手部重建中的有效性。
Comments ICLR 2026
Diffusion Approximations for Thompson Sampling in the Small Gap Regime
差分方程近似在小间隙情形下的汤普森采样
机构 * Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 研究小间隙情形下汤普森采样及相关采样算法的过程动态，展示其弱收敛于随机微分方程解，发现算法不变原理及对模型误设定的不敏感性。
SWE-chat: Coding Agent Interactions From Real Users in the Wild
SWE-chat：从真实用户中编码代理交互
机构 * Stanford University（斯坦福大学）
AI总结 SWE-chat是首个大规模真实编码代理会话数据集，包含6000个会话，揭示了编码代理在真实场景中的使用模式和失败模式，发现代理生成的代码效率低下且存在更多安全漏洞。
Human-like Content Analysis for Generative AI with Language-Grounded Sparse Encoders
具有语言基础的稀疏编码的生成AI内容分析
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Stanford University（斯坦福大学） ； Harvard University（哈佛大学）
AI总结 本文提出LanSE工具，通过自然语言描述将图像分解为可解释的视觉模式，实现了对生成AI内容的细粒度分析，提升了物理合理性评估并扩展至医学影像领域。
