University of California, Berkeley（加州大学伯克利分校）

Flow Policy Gradients for Robot Control

用于机器人控制的流匹配策略梯度

Brent Yi, Hongsuk Choi, Himanshu Gaurav Singh, Xiaoyu Huang, Takara E. Truong, Carmelo Sferrazza, Yi Ma, Rocky Duan, Pieter Abbeel, Guanya Shi, Karen Liu, Angjoo Kanazawa

机构 * Amazon FAR（亚马逊Far） ； UC Berkeley（加州大学伯克利分校） ； Stanford（斯坦福大学） ； HKU（香港大学） ； CMU（卡内基梅隆大学） 纠错

AI总结 本文提出了一种基于流匹配的策略梯度方法，用于训练更复杂的机器人控制策略，实现了在四肢运动、人形运动跟踪和操作任务中的成功，并展示了在仿真到现实迁移中的鲁棒性。

Comments Project webpage: https://hongsukchoi.github.io/fpo-control

World-Gymnast: Training Robots with Reinforcement Learning in a World Model

World-Gymnast: 在世界模型中用强化学习训练机器人

Ansh Kumar Sharma, Yixiang Sun, Ninghao Lu, Yunzhe Zhang, Jiarao Liu, Sherry Yang

机构 * New York University（纽约大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 World-Gymnast通过在世界模型中进行强化学习微调，有效提升真实机器人性能，比监督学习和软件模拟更具优势。

Comments https://world-gymnast.github.io/

HuPER: A Human-Inspired Framework for Phonetic Perception

HuPER：一种受人类启发的语音感知框架

Chenxu Guo, Jiachen Lian, Yisi Liu, Baihe Huang, Shriyaa Narayanan, Cheol Jun Cho, Gopala Anumanchipalli

机构 * Zhejiang University, China（浙江大学） ； University of California, Berkeley, USA（加州大学伯克利分校） 纠错

AI总结 HuPER是一种受人类启发的语音感知框架，通过自适应推断实现高效语音识别，仅需100小时训练数据即可在多个语言基准中取得最佳性能，并支持跨语言零样本迁移。

Code over Words: Overcoming Semantic Inertia via Code-Grounded Reasoning

基于代码的词：通过代码引导的推理克服语义惯性

Manjie Xu, Isabella Yin, Xinyi Tu, Chi Zhang, Yixin Zhu

机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； School of Psychological and Cognitive Sciences, Peking University（心理与认知科学学院，北京大学） ； Tsinghua International School（清华大学国际学校） ； University of California, Berkeley（加州大学伯克利分校） ； State Key Lab of General AI, Peking University（通用人工智能国家重点实验室，北京大学） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，北京大学-武汉人工智能研究院） 纠错

AI总结 通过代码引导的推理（LCV）克服语义惯性，表明表示形式影响模型在动态场景中的推理能力。

Generalization or Hallucination? Understanding Out-of-Context Reasoning in Transformers

泛化还是幻觉？理解Transformer中的上下文推理

Yixiao Huang, Hanlin Zhu, Tianyu Guo, Jiantao Jiao, Somayeh Sojoudi, Michael I. Jordan, Stuart Russell, Song Mei

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文研究了Transformer中上下文推理机制，揭示其驱动泛化与幻觉的双重性，并通过理论分析与实验验证了矩阵因子化在其中的关键作用。

Comments NeurIPS 2025, first three authors contributed equally

FlowCast: Trajectory Forecasting for Scalable Zero-Cost Speculative Flow Matching

FlowCast: 为可扩展的零成本推测性流匹配进行轨迹预测

Divya Jyoti Bajpai, Shubham Agarwal, Apoorv Saxena, Kuldeep Kulkarni, Subrata Mitra, Manjesh Kumar Hanawal

机构 * Indian Institute of Technology Bombay（印度理工学院班加罗尔分校） ； University of California, Berkeley（加州大学伯克利分校） ； Inception Labs（Inception实验室） ； Adobe Research India（Adobe印度研究） 纠错

AI总结 FlowCast通过利用流匹配模型保持恒定速度的特性，实现无需训练的高效推理，提升图像生成等任务的速度2.5倍，同时保持质量。

Comments Accepted at International Conference on Learning Representations (ICLR 2026)

Sublinear Time Quantum Algorithm for Attention Approximation

亚线性时间的注意力近似量子算法

Zhao Song, Jianfei Xue, Jiahao Zhang, Lichen Zhang

机构 * Simons Institute for the Theory of Computing, UC Berkeley（Simons理论计算研究所，伯克利大学） ； New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出了一种量子算法，以亚线性时间近似注意力矩阵的行，利用量子Nyström近似、均值估计和杠杆得分采样技术。

Comments ICLR 2026

PIS: A Generalized Physical Inversion Solver for Arbitrary Sparse Observations via Set Conditioned Flow Matching

PIS：一种通过集合条件流匹配实现任意稀疏观测的通用物理反演求解器

Weijie Yang, Xun Zhang, Simin Jiang, Yubao Zhou

机构 * School of Information, University of California, Berkeley, USA（信息学院，加州大学伯克利分校） ； College of Civil Engineering, Tongji University, Shanghai, China（土木学院，同济大学） ； Institute of Mechanical Sciences（机械科学研究院） 纠错

AI总结 PIS通过集合条件流匹配和余弦退火稀疏课程，实现从任意稀疏传感器稳定反演，显著提升极端稀疏条件下的反演精度和效率。

Digital Simulations to Enhance Military Medical Evacuation Decision-Making

数字化模拟以增强军事医疗撤离决策制定

Jeremy Fischer, Mahdi Al-Husseini, Ram Krishnamoorthy, Vishal Kumar, Mykel J. Kochenderfer

机构 * University of California Berkeley, Fung Institute（加州大学伯克利分校，冯研究所） ； Stanford University, Stanford Intelligent Systems Laboratory（斯坦福大学，斯坦福智能系统实验室） ； United States Army, Department of Aviation Medicine（美国陆军，航空医学部） 纠错

AI总结 MEWI通过三维模拟提升医疗撤离决策能力，增强联合部队的医疗撤离教育与操作效率。

DistMLIP: A Distributed Inference Platform for Machine Learning Interatomic Potentials

DistMLIP：一种用于机器学习互原子势的分布式推断平台

Kevin Han, Bowen Deng, Amir Barati Farimani, Gerbrand Ceder

机构 * Carnegie Mellon University（卡内基梅隆大学） ； UC Berkeley（加州大学伯克利分校） ； LBNL（劳伦斯伯克利国家实验室） 纠错

AI总结 DistMLIP是一种基于图级并行化的分布式推断平台，可提升机器学习互原子势的模拟效率和规模。

Comments ICLR 2026

Parallel Stochastic Gradient-Based Planning for World Models

并行随机梯度规划用于世界模型

Michael Psenka, Michael Rabbat, Aditi Krishnapriyan, Yann LeCun, Amir Bar

机构 * University of California, Berkeley（加州大学伯克利分校） ； Meta FAIR ； New York University（纽约大学） 纠错

AI总结 GRASP是一种基于世界模型的并行随机梯度规划方法，通过引入随机性和软约束，有效解决长时间跨度的控制任务，优于现有规划算法。

Comments 23 pages, 7 figures

3DGS$^2$-TR: Scalable Second-Order Trust-Region Method for 3D Gaussian Splatting

3DGS$^2$-TR：一种用于3D高斯点云的可扩展的二次信任区域方法

Roger Hsiao, Yuchen Fang, Xiangru Huang, Ruilong Li, Hesam Rabeti, Zan Gojcic, Javad Lavaei, James Demmel, Sophia Shao

机构 * University of California, Berkeley（加州大学伯克利分校） ； NVIDIA（英伟达） 纠错

AI总结 3DGS$^2$-TR提出了一种基于信任区域的二次优化方法，通过高效计算和低内存开销实现3D高斯点云场景训练的加速与扩展。

Identity, Cooperation and Framing Effects within Groups of Real and Simulated Humans

身份、合作与群体中真实与模拟人类的框架效应

Suhong Moon, Minwoo Kang, Joseph Suh, Mustafa Safdari, John Canny

机构 * University of California, Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本研究通过深度绑定基础模型与扩展背景故事，提升LLMs在社会困境游戏中模拟人类行为的保真度，探索影响人类研究的细节因素。

Model Editing with Graph-Based External Memory

基于图的外部记忆模型编辑

Yash Kumar Atri, Ahmed Alaa, Thomas Hartvigsen

机构 * University of Virginia（弗吉尼亚大学） ； UC Berkeley（伯克利大学） ； UCSF（旧金山加州大学） 纠错

AI总结 HYPE通过双曲几何和图神经网络实现稳定的模型编辑，提升编辑稳定性、事实准确性和多跳推理能力。