Do Sparse Autoencoders Capture Concept Manifolds?
稀疏自编码器能否捕捉概念流形？
机构 * Harvard University（哈佛大学） ； Northeastern University（东北大学） ； Technion IIT（技术学院） ； Stanford University（斯坦福大学）
AI总结 本文探讨了稀疏自编码器捕捉流形的能力，指出现有方法在连续结构恢复上存在不足，并提出应以几何对象而非单个方向作为可解释性基础。
高校专区
Stanford University（斯坦福大学）
Grounding Agent Memory in Contextual Intent
在上下文意图中 grounding 代理记忆
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学）
AI总结 STITCH通过上下文意图索引提升长周期交互的记忆检索能力，有效减少歧义和干扰，实现在动态目标轨迹中的高效检索。
Comments ACL 2026
S&P 500 Stock's Movement Prediction using CNN
利用CNN预测S&P 500股票走势
机构 * Stanford University（斯坦福大学）
AI总结 本文提出利用CNN处理多维股票数据预测S&P 500指数走势，采用真实市场数据而非工程化数据，通过将历史数据矩阵模拟为图像进行分类，实现股票、行业或投资组合的预测。
Comments 9 pages, 19 diagrams. Originally submitted as a part of my Stanford University program taught by Dr. Fei Fei Lee and Andrej Karpathy CS231N 2018
Journal ref ADaSci Lattice Journal, (October-December 2020)
Mull-Tokens: Modality-Agnostic Latent Thinking
Mull-Tokens: 通用模态的潜在思考
机构 * Google（谷歌） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Boston University（波士顿大学）
AI总结 本文提出Mull-Tokens，一种无需模态切换的潜在令牌，用于空间、时间等多模态推理，通过预训练和微调在四个挑战性基准上实现3%-16%的提升。
Comments Project webpage: https://arijitray.com/multimodal_thinking/, Accepted to CVPR 2026 (Findings Track)
Optimization before Evaluation: Evaluation with Unoptimised Prompts Can be Misleading
优化优先于评估：未经优化的提示进行评估可能是误导的
机构 * SAP（SAP公司） ； Stanford University（斯坦福大学）
AI总结 本文研究了提示优化对大语言模型评估的影响，发现优化显著影响模型排名，强调在评估中应针对每个模型进行优化以选择最佳模型。
Comments Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 6: Industry Track)
ABC: Any-Subset Autoregression via Non-Markovian Diffusion Bridges in Continuous Time and Space
ABC：通过非马尔可夫扩散桥实现连续时间和空间中的任意子集自回归
机构 * Stanford University（斯坦福大学）
AI总结 本文提出ABC模型，通过非马尔可夫扩散桥在连续时间和空间中实现任意子集的自回归，解决了传统方法在结构相似性捕捉、噪声注入和条件化任意子集方面的不足。
DOT-Sim: Differentiable Optical Tactile Simulation with Precise Real-to-Sim Physical Calibration
DOT-Sim: 基于精确实-仿真物理校准的可微光学触觉仿真
机构 * Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； Toyota Research Institute University 2.0 Program（丰田研究院大学2.0计划） ； ARL grant W911NF-21-2-0104（ARL授予的W911NF-21-2-0104项目） ； Vannevar Bush Faculty Fellowship（范内var布什教职 fellowship） ； Flexiv corporation（Flexiv公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出DOT-Sim，通过材料点法建模软传感器为弹性材料，实现高精度光学触觉仿真，支持大变形和非线性模拟，并在实-仿真任务中验证了物理和视觉真实性。
Comments Accepted at ICRA 2026
End-to-End Evaluation and Governance of an EHR-Embedded AI Agent for Clinicians
面向临床医生的嵌入式电子健康记录（EHR）AI代理的端到端评估与治理
机构 * Canvas Medical ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； XPC (X Primary Care)（XPC（X初级医疗）） ； FCA Consulting（FCA咨询） ； Department of Pediatrics, University of Nevada（内华达大学儿科系）
AI总结 本文提出一个端到端治理框架，通过rubric验证、实时部署反馈、技术性能监控和成本追踪，持续优化临床AI系统性能，实验显示系统性能显著提升。
Comments 19 pages, 6 figures, 6 tables, submitted to npj Digital Medicine
The Impact of AI-Generated Text on the Internet
人工智能生成文本对互联网的影响
机构 * Imperial College London（帝国理工学院伦敦分校） ； Internet Archive（互联网档案库） ； Stanford University（斯坦福大学）
AI总结 研究通过分析2022-2025年互联网上的网站样本，发现AI生成文本占比达35%，并探讨其对语义多样性、情感倾向等的影响，但未发现事实准确性下降的证据。
EXPO: Stable Reinforcement Learning with Expressive Policies
EXPO: 通过表达性策略进行稳定的强化学习
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 EXPO通过构建实时策略最大化Q值，提升样本效率，适用于基于离线数据的策略微调和在线训练。
Comments changed formatting, added code
