高校专区
通过预先指定的、数据自适应的协变量调整提高小型罕见病试验的效率与效力
机构 * University of California, Berkeley（加州大学伯克利分校） ； Targeted ML Solutions（目标机器学习解决方案公司） ； Center for Drug Evaluation and Research, U.S. Food and Drug Administration (FDA)（美国食品药品监督管理局药品评价与研究中心）
AI总结 该研究针对罕见病试验设计阶段难以指定协变量调整的问题，提出TMLE+SL方法，经模拟验证其可提升试验效率与效力，并给出该方法的实用指南。
机构 * UC Berkeley（加州大学伯克利分校） ； Imbue ； Harvard University（哈佛大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Flatiron Institute（西蒙斯平坦研究所） ； NYU（纽约大学） ； New York University（纽约大学） ； Stanford University（斯坦福大学） ； Astera Institute（Astera研究所）
AI总结 本文论证深度学习的科学理论正在形成，整合5个研究方向提出“学习力学”视角，探讨其与其他理论视角的关系，回应质疑并指出未来研究方向。
Comments 43 pages, 6 figures
机构 * Department of Neuroscience, UC Berkeley（加州大学伯克利分校神经科学系） ； College of AI Convergence, Hankuk University of Foreign Studies（韩国外国语大学AI融合学院）
AI总结 本文提出将视觉基础模型与脑活动关联的统一框架，以视觉原型的稀疏可解释表征结合线性读出，实现对视觉大脑的多视角可解释探测，为研究人类大脑视觉表征提供了统一基础。
Comments NeurIPS 2026
速度-功率关系主导AI数据中心的能源成本：美国大陆AI供电的技术经济分析
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本研究通过技术经济分析发现，美国大陆AI数据中心的供电方案中，直流耦合微电网因部署速度快，在85%地区是成本最低选项，部署速度而非单位能源成本是关键决定因素。
Comments 80 pages incl. SI
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； NVIDIA（英伟达）
AI总结 本文提出EgoX框架，通过带具身梦境的模块化交叉具身Transformer，解决异构具身演示学习难题，在13个任务-具身对中显著提升操纵任务进度。
机构 * Netflix（网飞） ； Spotify（声田） ； Independent（独立研究者） ； Roblox（罗布乐思） ； University of California, Berkeley（加州大学伯克利分校） ； OpenAI（开放人工智能研究中心） ； Microsoft（微软） ； Anthropic（安色克） ； Columbia University（哥伦比亚大学） ； Amazon（亚马逊） ； Meta ； Cornell University（康奈尔大学）
AI总结 该研究探讨AI时代数据科学家如何通过因果推断与数字实验，将组织的分析能力转化为更优决策，明确了相关实践方向与启示。
Comments 17 pages, 1 table. Perspective based on the 2026 Causal Inference and Digital Experimentation Roundtable (CIDER)
机构 * University of California, Berkeley（加州大学伯克利分校） ； National Tsing Hua University（国立清华大学）
AI总结 本研究针对冻结VLA模型动作验证延迟问题，提出轻量级HDH框架，利用其部署回溯信息训练紧凑验证器，在LIBERO-10任务及真实操纵任务中均显著提升了动作验证的成功率。
机构 * UC Berkeley（加州大学伯克利分校） ； Università Bocconi（博科尼大学） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院）
AI总结 该研究发现基于Bradley-Terry模型的语言模型偏好评估排行榜易受策略性投票、提示、提名攻击，可使模型排名提升最多45位，并提出了防护方法。
MITRA-Swarm：向基础模型注入显式语言结构以实现古典梵语机器翻译
机构 * Purdue University（普渡大学） ； UC Berkeley（加州大学伯克利分校） ； University of Illinois（伊利诺伊大学）
AI总结 MITRA-Swarm多智能体架构向基础模型注入显式语言结构，解决古典梵语机器翻译的三大挑战，在1000节经文基准上较整体式基线提升MQM，验证了双评判者机制的有效性。
Comments 17 pages, accepted to NeurIPS 2026 LP4FM Workshop
机构 * UC Berkeley（加州大学伯克利分校） ； Topos Institute（托普斯研究所）
AI总结 本文结合关怀相关研究与存在论设计传统，重新解读AGI的人类衰弱风险，提出设计AI支持人类关怀能力以应对后AGI时代的意义问题。
Comments 8 pages
Journal ref M. Ikle et al. (Eds.): AGI 2026, LNAI 16855, pp. 211-218, 2026
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学）
AI总结 本文针对子空间规避集的显式构造问题，通过组合子空间设计码与局部子空间规避集，得到了$c$随$r$增长更优的构造，还首次实现了近最优列表大小的显式容量实现列表恢复码。
Comments 27 pages
机构 * Tel Aviv University（特拉维夫大学） ； Ben-Gurion University of the Negev（内盖夫本-古里安大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 该研究建立了KMS复形的逆多项式交换上边缘展开界，为稀疏代数代码的局部测试及两查询PCP构造提供了关键改进。
Comments 63 pages
机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； University of California Berkeley（加州大学伯克利分校） ； Stockholm University（斯德哥尔摩大学） ； University of Manchester（曼彻斯特大学）
AI总结 该研究针对开放量子系统中量子存储器的检测问题，提出三时间见证方法，通过超导量子比特实验证明存在仅在多时间联合检测中显现的真实多时间量子存储器，建立了量子存储器效应的严格层级。
机构 * Ernest Orlando Lawrence Berkeley National Laboratory, University of California, Berkeley（加州大学伯克利分校劳伦斯伯克利国家实验室）
AI总结 该研究针对美强子半轻衰变的LFUV异常，综述相关理论与实验要点，分析当前分析现状及未来精确研究的核心挑战，梳理解决策略，为通过半τ粲B强子衰变发现新物理提供支撑。
Comments Invited review for Annual Review of Nuclear and Particle Science; 30 pages, 2 figures, 1 table
humidity调制的FAPbI₃马氏体相变中的奥斯特瓦尔德步阶规则
机构 * Bakar Institute of Digital Materials for the Planet, University of California, Berkeley（加州大学伯克利分校行星数字材料巴卡尔研究所） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本研究通过大规模原子模拟，阐明了湿度调控FAPbI₃马氏体相变的微观机制，揭示了湿度对钙钛矿相变的双重作用，为奥斯特瓦尔德步阶规则提供了环境依赖视角。
钾在银河化学演化中的起源——大质量恒星中氧-碳壳层并合的影响
机构 * Konkoly Observatory, HUN-REN Research Centre for Astronomy and Earth Sciences（孔科利天文台，匈牙利研究与教育网络天文学与地球科学研究中心） ； CSFK, MTA Centre of Excellence（匈牙利科学院天体物理研究所，卓越中心） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本研究通过分析194个大质量恒星模型，量化了C-O壳层并合对钾产生的贡献，发现该并合事件是钾合成的关键来源，且钾的演化可用于推断该并合事件的发生率。
Comments 12 pages, 7 figures, submitted to Astronomy & Astrophysics
射电波段的再亮化：潮汐瓦解事件AT2019ehz与AT2019eve的次级耀斑
机构 * University of Oregon（俄勒冈大学） ； University of Arizona（亚利桑那大学） ； University of California, Berkeley（加州大学伯克利分校） ； Curtin University（科廷大学） ； University of Utah（犹他大学）
AI总结 本研究利用甚大天线阵发现TDE AT2019ehz和AT2019eve的射电次级耀斑，通过光谱建模揭示AT2019ehz次级耀斑或源于约1000天的第二股外流，而AT2019eve的光谱演化需更复杂模型解释。
Comments 25 pages, 8 figures. Accepted for publication in ApJ
Ia-CSM型超新星。I. 统一光变曲线表征及对 underlying Ia型爆炸的推断
机构 * University of Florida（佛罗里达大学） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； National Astronomical Observatory of Japan（日本国立天文台） ； Monash University（莫纳什大学） ； Tel Aviv University（特拉维夫大学） ； CIFAR（加拿大高等研究院） ； Shady Side Academy（阴影侧学院） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Toronto（多伦多大学） ； Rutgers, The State University of New Jersey（罗格斯大学） ； Kurchatov Institute（库尔恰托夫研究所） ； The University of Tokyo（东京大学） ； Kavli Institute for the Physics and Mathematics of the Universe (WPI)（宇宙物理与数学研究 Kavli 研究所） ； Stockholm University（斯德哥尔摩大学） ； California Institute of Technology（加州理工学院） ； NASA Goddard Space Flight Center（美国宇航局戈达德太空飞行中心） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of California, Berkeley（加州大学伯克利分校） ； Texas Tech University（德克萨斯理工大学） ； Space Telescope Science Institute（空间望远镜科学研究所） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Cambridge（剑桥大学）
AI总结 本文对50颗Ia-CSM型超新星的光变曲线开展统一分析，发现其光变曲线形态更统一，辐射能量呈双峰分布，underlying Ia型超新星亚型多样，为约束其前身星及爆炸路径提供了观测基础。
Comments Main: 18 pages, 14 figures, 1 table; Appendix: 8 pages, 3 figures, 2 tables; Submitted to the Open Journal of Astrophysics
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of New Mexico（新墨西哥大学） ； University of California, Berkeley（加州大学伯克利分校） ； Westmont University（韦斯特蒙特学院） ； National Astronomical Research Institute of Thailand（泰国国家天文研究所） ； High Energy Accelerator Research Organization（高能加速器研究机构）
AI总结 本研究利用西蒙斯阵列在90 GHz下对弧分尺度的宇宙微波背景圆偏振进行约束，给出了95%置信上限，还提供了其他望远镜圆偏振观测的实验分析框架。
Comments 33 pages, 14 figures, 5 tables. Submitted to ApJ
Evolving Infra：大规模场景下的智能体自适应大语言模型服务框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Berkeley（加州大学伯克利分校） ； NVIDIA（英伟达） ； OpenAI ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文针对现有LLM服务系统适配智能体工作负载灵活性不足的问题，提出Evolving Infra框架，通过解耦计算分配与KV缓存管理，结合在线规划器与智能体感知KV管理器，在多任务多模型实验中大幅降低了请求延迟与首包时间。
Comments We just modify some intro and add link to the previou paper
机构 * UC Berkeley（加州大学伯克利分校） ； Episteme（埃皮斯特米（Episteme）） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； Institute for Advanced Study（高等研究院）
AI总结 该研究将计算统计学中未调整的混合蒙特卡洛（HMC）方法适配到量子蒙特卡洛（QMC）场景，针对量子相变自旋-费米子模型，证明其在有效样本量上优于调整后的HMC且结果精确。
围绕VX Sgr的秒差距量级星周壳层：质量损失与红超巨星/索恩-祖特阔夫天体（RSG/TŻO）的性质
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 研究发现VX Sgr周围存在0.59秒差距的弧形星周壳层，排除其为弓激波产物，通过运动学年龄排除超AGB模型，估算质量损失率并探讨其超新星抛射物与星周物质的相互作用，以明确VX Sgr的RSG/TŻO性质。
Comments 17 pages, 7 figures, accepted for publication in The Astrophysical Journal
机构 * Brown University（布朗大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； Artificiality Institute（人工性研究所）
AI总结 本研究通过定性调查发现，AI辅助任务中人们的所有权感取决于协作过程，主导、迭代或重写时保留所有权，仅批准建议时则放弃，并提出了促进作者感的AI研究方向。
Comments Accepted to NeurIPS AI and the Self Workshop 2026. Website: https://aiownership.github.io/
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出基于结构的迁移学习框架，利用LLM等智能体生成的支撑集改进目标估计，通过映射、加权聚合和稀疏修正，理论保证不劣于Lasso，并经模拟和基因表达数据验证。
AgentRoom：基于CRDT支持的共享工作空间的并发多智能体编码
机构 * Holistic AI（整体人工智能公司） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 AgentRoom是基于CRDT的并发多智能体编码协议，通过协调机制减少任务放弃率，在计算量匹配下优于单独运行和并行合并，为多智能体编码提供更优方案。
Comments Accepted at NeurIPS 2026. 26 pages, 10 figures, 12 tables
Fast-dLLM++: 用于更快扩散LLM推理的Fréchet轮廓解码
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 针对扩散大语言模型推理中并行令牌生成的瓶颈，提出Fréchet轮廓解码方法，通过利用异构置信度轮廓选择并行提交集，在保持模型和缓存不变的情况下提升吞吐量。
Comments Project Page: https://ringo-star.github.io/projectpage_frechet/ An earlier version was accepted at ICML 2026 SPIGM Workshop. This updated version includes substantially expanded experimental results and additional contributions, and has been accepted to the NeurIPS 2026 main track
空闲是相对的：利用工具调用空闲窗口在MORI代理系统中进行卸载
机构 * University of California, Berkeley（加州大学伯克利分校） ； Renmin University of China（中国人民大学） ； Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出MORI系统，通过将代理程序按空闲程度连续排序并动态划分内存层级，解决了LLM代理工作负载中KV缓存卸载效率低下的问题。
机构 * University of California, Berkeley（加州大学伯克利分校） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
AI总结 本文研究了在相关数据集下序列贝叶斯推断的一致性问题，通过伪数据验证了因子化更新方法的偏差，并提出信息分解方法来解释信息重叠对推断结果的影响。
Comments v1: 11 pages, 7 figures; v2: Discussion expanded and presentation improved. Main results and conclusions unchanged. Published in Physics Letters B
机构 * University of Warsaw（华沙大学） ； Nomagic ； UC Berkeley, Amazon FAR（伯克利大学，亚马逊FAR）
AI总结 本文提出基于奖励的强化学习（RCRL），通过在收集经验时使用单一名义目标，使智能体在不额外交互的情况下暴露于多种奖励目标，从而提高样本效率并支持零样本行为调整。
Comments NeurIPS 2026
机构 * University of California, Berkeley（加州大学伯克利分校） ； Hoffmann La Roche Ltd（罗氏制药有限公司） ； Genentech（基因泰克） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 本文提出基于影响函数的留一验证方差估计器，用于二元结果的标准化均值差异平均治疗效应估计，解决了边际概率接近0或1时的方差估计问题，通过模拟研究验证其在小样本和稀有事件场景下的可靠性。
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