高校专区
当Metropolis和Hastings遇上Bradley和Terry：基于偏好投票的精确MCMC方法
机构 * Technion – Israel Institute of Technology（以色列理工学院）
AI总结 该研究针对生成建模中条件采样的挑战，提出基于偏好投票的精确MH采样器Pref-MH，利用成对比较反馈实现最优条件采样，在多模态生成任务中验证了其实用性。
为何微调会鼓励幻觉以及如何解决
机构 * Hebrew University of Jerusalem（海法大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； University of Southern California（南加州大学）
AI总结 本文探讨微调导致幻觉的原因，提出基于自蒸馏的微调方法以减少幻觉，通过抑制输出分布漂移提升事实学习效果。
Comments Published in the CoLM 2026 conference
基于自然段落阅读眼动的语言能力评估
机构 * Faculty of Data and Decision Sciences（数据与决策科学学院） ； Technion - Israel Institute of Technology（以色列理工学院）
AI总结 本研究将眼动预测语言能力的方法扩展至自然段落阅读等场景，提出评分去偏差方法，验证其有效性、可靠性及去偏差效果，为相关评估技术提供更扎实的实证基础。
Comments Accepted to EMNLP
PathGuide：基于在线策略传输对齐的动态无分类器引导
机构 * Technion - Israel Institute of Technology（以色列理工学院）
AI总结 PathGuide将标量CFG选择转化为在线策略传输问题，通过推导的选择准则实现动态最优引导尺度，在低分辨率图像等任务中提升了路径对齐度与样本保真度。
Comments 40 pages, 8 figures, 17 tables. Includes appendices with full proofs, ablations, reproduction details and additional experiments
关于声学无人机定位中的对抗攻击
机构 * Department of Computer Science（计算机科学系） ； Technion – Israel Institute of Technology（技术ion-以色列理工学院） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Ben-Gurion University of the Negev（贝内尔谢瓦大学） ； Institute of Science and Technology Austria（奥地利科学与技术研究院）
AI总结 本文研究了对抗攻击对声学无人机定位的影响，提出了一种对抗扰动恢复算法以降低攻击影响。
通过稀疏注意力缓解RAG中的语料知识污染攻击
机构 * Faculty of Data and Decision Sciences, Technion - Israel Institute of Technology, Haifa, Israel（数据与决策科学学院，技术Ion-以色列理工学院，海法，以色列）
AI总结 本文提出SDAG方法，通过稀疏注意力机制有效防御RAG中的语料知识污染攻击，显著提升防御性能。
单调和可分离的集合函数：特征化与神经模型
机构 * IIT Bombay（印度理工学院班加罗尔分校） ； Technion（技术学院）
AI总结 本文研究了保持集合自然偏序的集合到向量函数设计，提出弱MAS属性模型，展示了其在集合包含任务中的优势。
隐藏在请求中：通过词元相关性解释不道德的大语言模型合规性
机构 * Faculty of Electrical and Computer Engineering, Technion（以色列理工学院电气与计算机工程学院）
AI总结 本研究针对LLMs在不道德场景下的合规性失败问题，提出LRP引导的解码方法，发现模型对提示词元的归因不足是关键原因，干预后可提升响应安全性。
基于反例的排序
机构 * Princeton University（普林斯顿大学） ； Tel Aviv University（特拉维夫大学） ； Technion – Israel Institute of Technology（以色列理工学院） ； Google Research（谷歌研究院）
AI总结 研究未知线性顺序学习问题，反例可能不真实且k未知，确定最优查询复杂度，还研究低维几何表示的目标排序情况，给出上下界并指出无噪声项的差距。
大语言模型通过一种独特的统一机制生成有害内容
机构 * Kempner Institute, Harvard University（哈佛大学肯普纳研究所） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） ； Cohere ； Technion—IIT（以色列理工学院）
AI总结 研究通过权重剪枝揭示大语言模型中有害生成的内部结构，发现有害内容生成依赖于一组通用且与良性能力不同的权重，表明对齐训练重塑了有害表示，解释了领域微调引发的广泛对齐偏差。
Crypto x AI, AI x Crypto: 综述
机构 * Initiative for CryptoCurrencies and Contracts (IC3)（加密货币与合同倡议（IC3）） ； Ava Labs（Ava实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Cornell Tech（康奈尔科技） ； Flashbots ； Offchain Labs（离链实验室） ； Ritual Labs（仪式实验室） ； Technion（技术学院） ； University of Bern（伯恩大学） ； Princeton University（普林斯顿大学） ； ETH Zurich（苏黎世联邦理工学院） ； Teleport（Teleport；Flashbots(X)） ； Flashbots(X)（特拉维夫大学） ； Tel Aviv University
AI总结 本综述系统梳理了AI与区块链（crypto）的交叉研究，总结了现有工作、关键发现、开放问题及行业误解，指出两者仍处于早期融合阶段。
截断不良项，提升优良项：基于排名分类的BoN式知识蒸馏
机构 * Technion–Israel Institute of Technology（以色列理工学院）
AI总结 该研究提出TUP策略，通过截断低排名候选、重加权高排名项实现BoN式蒸馏，在离线对齐任务中表现与强基线相当。
物理世界中是否存在可预测的动态？
机构 * STATE16 ； Technion - Israel Institute of Technology（技术Ion - 以色列理工学院） ； Reichman University（Reichman大学） ； Google-Reichman AI Tech School（Google-Reichman人工智能技术学院）
AI总结 本文提出物理可接受性作为预测-控制接口，通过运动学、动力学和直接到组合的视界条件评估解码提案的物理可执行性，实验表明该方法能有效识别无效提案并保持任务进度。
Comments 12 pages
面向医学问答的自适应记忆与反思多智能体系统
机构 * School of Computing and Mathematics, Manchester Metropolitan University（曼彻斯特城市大学计算与数学学院） ； Electrical and Computer Engineering, Technion – Israel Institute of Technology（以色列理工学院电气与计算机工程系） ； School of Science and Technology, Hong Kong Metropolitan University（香港都会大学科学与科技学院）
AI总结 针对现有医学问答系统缺乏适应性等问题，提出自适应记忆与反思多智能体框架，经MedQA等数据集验证，结合专用记忆等模块可提升性能，助力开发可信医学智能体。
Comments Accepted by IEEE SMC 2026
对代数而非张量化进行评分：动力系统转移算子模型的降维
机构 * Technion, IIT（以色列理工学院） ； NVIDIA（英伟达公司）
AI总结 该研究针对多弱相互作用组件的动力系统，提出对σ-代数而非张量化评分的降维方法，可避免线性掩码问题，用少量代数坐标恢复被遗漏组件，实现低样本预测。
基于问答的RAG性能预测
机构 * Technion（技术学院） ； Technology Innovation Institute (TII)（技术创新研究所）
AI总结 本文研究了RAG在问答中的性能预测，提出了一种新的监督预测器，通过建模问题、检索段落和生成答案之间的语义关系，提升了预测效果。
Comments 17 pages. 4 figures. 3 tables
Journal ref Proceedings of the 35th ACM International Conference on Information and Knowledge Management 2026, (CIKM 26)
SpurCon：用于缓解医学成像中虚假线索的加权监督对比学习
机构 * Viterbi Faculty of Electrical and Computer Engineering, Technion - Israel Institute of Technology（以色列理工学院维特比电气与计算机工程学院）
AI总结 SpurCon是基于加权监督对比学习的轻量级框架，利用少样本流程估计虚假标签，在医学成像等数据集上实现了最优的虚假线索缓解性能，平衡了最差组与总体准确率。
RADmesh：感知重网格化的网格变形
机构 * University of Chicago（芝加哥大学） ； University of Southern California（南加州大学） ； Technion（以色列理工学院）
AI总结 RADmesh是一种带重网格化的网格变形方法，可实现大变形、抗噪声，能生成适配几何的规整各向同性网格，在局部和全局变形任务上表现优于现有方法。
Comments ECCV 2026 (Oral). Our project page is at https://threedle.github.io/radmesh
提示的价值：一种大语言模型（LLM）相对柯尔莫哥洛夫复杂度的方法
机构 * Cornell Tech（康奈尔科技学院） ； Technion（以色列理工学院） ； TAU（特拉维夫大学）
AI总结 该研究提出LLM相对的概率性Levin–柯尔莫哥洛夫复杂度pKt，将提示价值定义为相对于pKt的算法互信息，可高效估算，且提示价值b位对应无提示时复制z的中位数token成本为有提示时的2^b倍。
毒苹果效应：通过AI代理技术扩展战略操纵中介市场
机构 * Faculty of Data and Decision Sciences, Technion – Israel Institute of Technology, Haifa, Israel（以色列理工学院数据与决策科学学院，海法，以色列）
AI总结 研究探讨了AI代理技术扩展对博弈论场景中经济影响，发现技术扩展可显著改变均衡收益与监管结果，提出'毒苹果'效应通过释放未被使用的新技术操纵监管设计，损害对手与监管公平性。
生成模型统计可评估性的理论框架
机构 * University of Maryland（马里兰大学） ； Tel Aviv University and Google Research（特拉维夫大学和谷歌研究） ； Technion and Google Research（技术学院和谷歌研究）
AI总结 提出一个理论框架，研究生成模型的统计可评估性，证明基于有界测试类的积分概率度量可有限样本评估，而Rényi和KL散度不可评估。
Comments 30 pages
LLMs能否替代经济选择预测实验室？语言基于说服游戏的案例
机构 * Technion - Israel Institute of Technology（技术离子-以色列理工学院）
AI总结 本研究探讨LLMs在语言基于说服游戏中能否替代人类进行选择预测，并发现LLMs生成的数据能有效预测人类行为，甚至优于真实人类数据。
通过嵌套搜索实现有效的博弈论运动规划
机构 * Technion–Israel Institute of Technology（技术离子以色列理工学院）
AI总结 本文提出GTNS方法，通过嵌套搜索有效计算博弈论中的纳什均衡，适用于自动驾驶等场景，实现快速且可靠的运动规划。
Comments Updated version. Offline graph creation runtime added. Acknowledgements added
RadarGen：从摄像头生成汽车雷达点云
机构 * Technion（技术学院） ； MIT（麻省理工学院） ； NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 RadarGen通过扩散模型从摄像头图像生成逼真的雷达点云，结合BEV对齐的深度、语义和运动线索，提升雷达生成的物理合理性与多模态模拟能力。
Comments ECCV 2026. Project page: https://radargen.github.io/
解码层面禁忌：大语言模型鲁棒性的诊断压力测试
机构 * University of the Ryukyus（琉球大学） ； Technion（以色列理工学院） ； Universidad Polécnica de Madrid（马德里理工大学）
AI总结 本文提出Decoding-Level Taboo这一零提示诊断压力测试，通过干预logit空间迫使大语言模型偏离标称路径，评估发现其鲁棒性与参数规模、指令对齐正相关，该测试还可用于生成合成数据集等场景。
UniProbe：基于多结构内部表征的可学习大视觉语言模型（VLM） token 级幻觉检测器
机构 * NVIDIA Research（英伟达研究院） ； Technion（以色列理工学院） ； Bar-Ilan University（巴伊兰大学） ； University of Groningen（格罗宁根大学）
AI总结 UniProbe 是基于 LVLM 异构计算轨迹的可学习 token 级幻觉检测器，通过多结构模块交互实现 SOTA 检测性能，解码时可降 55% 对象幻觉且延迟仅增 6%
Comments Project Page: https://research.nvidia.com/labs/par/uniprobe/
用于在视觉感知数据中建立人类指代表达式基础的动态语义框架
机构 * Technion University（以色列理工学院）
AI总结 本文提出动态语义框架，通过显式约定状态绑定集合与感知对齐流程，解决视觉-语言模型在词汇同步任务中的不足，在斯坦福重复参考游戏语料库上达到83.56%的top-5准确率，核心是透明符号层与可检查感知通道的结合。
Comments 23 pages, 5 figures
LGNNIC：利用SmartNIC加速大规模GNN训练
机构 * Technion Israel Institute of Technology（以色列理工学院） ； Hewlett Packard Enterprise Labs（慧与科技实验室）
AI总结 该研究提出LGNNIC架构，利用SmartNIC卸载分布式GNN训练的预处理任务，经PoC系统验证，邻居采样和量化技术可显著降低通信开销，实现训练加速。
Comments 14 pages, 5 figures
EHR-MPC：利用生成式患者数字孪生进行脓毒症治疗的推理时间控制
机构 * Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） ； Harvard University（哈佛大学） ； Brigham and Women’s Hospital（布莱根妇女医院） ； Technion–Israel Institute of Technology（技术学院-以色列理工学院）
AI总结 针对脓毒症治疗策略有争议且现有强化学习方法适应性不足的问题，提出EHR-MPC框架，通过训练生成式电子健康记录模型形式的患者数字孪生解耦学习与治疗优化，经模拟评估性能优于强化学习基线，建立了决策通用框架。
PINNACLE：一种用于经典和量子PINN的开源计算框架
机构 * Faculty of Mechanical Engineering, Technion Israel Institute of Technology, Haifa, Israel（技术学院机械工程系，以色列技术学院，海法，以色列） ； Andrew and Erna Viterbi Faculty of Electrical & Computer Engineering, Technion Israel Institute of Technology, Haifa, Israel（安德鲁和伊尔纳·维特比电气与计算机工程学院，技术学院，海法，以色列） ； Helen Diller Quantum Center, Technion Israel Institute of Technology, Haifa, Israel（海伦·迪尔量子中心，技术学院，海法，以色列） ； Faculty of Electrical and Computer Engineering, Cornell University, Ithaca, NY, USA（电气与计算机工程学院，康奈尔大学，纽约州伊萨克，美国）
AI总结 PINNACLE框架整合了现代训练策略和混合量子经典架构，通过统一模块化工作流系统评估PINN在不同基准问题中的性能，支持多种增强方法并提供全面的基准研究。
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