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

Stochastic Optimization with Optimal Importance Sampling

具有最优重要性采样的随机优化

Liviu Aolaritei, Bart P. G. Van Parys, Henry Lam, Michael I. Jordan

机构 * University of California, Berkeley（加州大学伯克利分校） ； CWI（荷兰信息与计算科学研究所） ； Columbia University（哥伦比亚大学） ； Inria（法国国家信息与自动化技术研究院） 纠错

AI总结 本文提出了一种单循环随机逼近算法，用于解决随机优化中决策变量与重要性采样分布相互依赖的问题，实现了全局收敛和最小渐近方差。

K-Sort Eval: Efficient Preference Evaluation for Visual Generation via Corrected VLM-as-a-Judge

K-Sort Eval: 通过校正VLM作为评判者实现视觉生成的高效偏好评估

Zhikai Li, Jiatong Li, Xuewen Liu, Wangbo Zhao, Pan Du, Kaicheng Zhou, Qingyi Gu, Yang You, Zhen Dong, Kurt Keutzer

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 K-Sort Eval通过后验校正和动态匹配策略，实现高效可靠的视觉生成模型偏好评估。

Comments ICLR 2026. Code is available at: https://github.com/zkkli/K-Sort-Eval

FlyAOC: Evaluating Agentic Ontology Curation of Drosophila Scientific Knowledge Bases

FlyAOC：评估代理本体编纂的果蝇科学知识库

Xingjian Zhang, Sophia Moylan, Ziyang Xiong, Qiaozhu Mei, Yichen Luo, Jiaqi W. Ma

机构 * University of Michigan（密歇根大学） ； 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） ； University of Washington（华盛顿大学） 纠错

AI总结 FlyAOC通过FlyBench评估AI代理在从科学文献中进行端到端本体编纂的能力，发现多代理设计性能更优，但模型规模扩大效益递减。

TURBO: Utility-Aware Bandwidth Allocation for Cloud-Augmented Autonomous Control

TURBO：面向云增强自主控制的效用感知带宽分配

Peter Schafhalter, Alexander Krentsel, Hongbo Wei, Joseph E. Gonzalez, Sylvia Ratnasamy, Scott Shenker, Ion Stoica

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

AI总结 TURBO通过联合优化汽车和云的带宽分配与控制管道配置，提升自动驾驶系统的精度和安全性。

Comments 34 pages, 13 figures

General Binding Affinity Guidance for Diffusion Models in Structure-Based Drug Design

基于结构的药物设计中扩散模型的通用结合亲和力指导

Yue Jian, Curtis Wu, Danny Reidenbach, Aditi S. Krishnapriyan

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

AI总结 BADGER是一种用于基于结构的药物设计中扩散模型的通用结合亲和力指导框架，通过两种互补策略提升配体生成的结合亲和力控制，并支持多约束优化设计真实可合成的药物候选物。