高校专区
像素空间文本到图像扩散模型训练的实证研究
机构 * Alibaba Token Hub（阿里巴巴令牌中心） ； Alibaba Group（阿里巴巴集团） ； Nanjing University（南京大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校）
AI总结 本文通过实证研究提出潜空间到像素空间的训练策略，确定关键设计选择，使像素空间文本到图像扩散模型性能媲美或超越潜空间模型，且推理加速3.18至4.75倍，为相关研究提供实用指南。
Comments Z-Image-Pixel & Empirical Insight of Training Pixel-Space Diffusion Models
学习剩余内容，而非已掌握内容：面向多奖励策略优化的饱和感知优势重加权方法
机构 * University of Florida（佛罗里达大学） ； UC San Diego（加州大学圣迭戈分校） ； Northeastern University（东北大学） ； Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； Universität Innsbruck（因斯布鲁克大学）
AI总结 针对多奖励策略优化中现有方法的缺陷，提出SA-MRPO方法，动态分配优化资源，在数学推理、自适应推理、编码任务中均实现性能提升。
Comments 14 pages, 2 figures
PixelControl：文本到图像扩散中的细粒度条件保真度
机构 * Adobe Research（奥多比研究院） ； Nanyang Technological University（南洋理工大学） ； University of California San Diego（加州大学圣迭戈分校）
AI总结 针对可控文本到图像扩散模型细粒度结构保真度不足的问题，提出PixelControl框架，通过结构感知控制注入与多尺度金字塔循环损失等设计，提升了边界及中/小区域的结构保真度。
Comments The project homepage can be found: https://linxin0.github.io/pixelcontrol_homepage/pixelcontrol-site/
ReForce：学习力感知重定向以实现灵巧操作
机构 * UC San Diego（加州大学圣迭戈分校）
AI总结 该研究提出力感知重定向方法ReForce，通过对运动学重定向动作预测残差实现力跟踪，在接触丰富的机器人操作任务中提升了力跟踪精度与接触参与度。
ArtLang：面向铰接3D驱动的结构化语言到运动学的绑定
机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； University of North Texas（北得克萨斯大学）
AI总结 研究针对铰接物体控制的语义匿名问题，提出ArtLang框架，通过语义-运动学铰接图等技术实现开放词汇语言控制，经多类实验验证了可靠的语言绑定与连续铰接控制能力。
受鳗鱼启发的软体机器人的执行器控制与健康实时估计器（REACH）
机构 * Cornell University（康奈尔大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校）
AI总结 针对受鳗鱼启发的软体游泳机器人，本文提出REACH算法，结合软体机器人模型、sigma点滤波器和统计假设检验，可在不同传感器配置、游动步态下准确估计执行器健康，实验验证其在噪声数据和制造差异下的有效性。
均衡强迫：无需噪声条件的自适应视频生成
机构 * UC San Diego（加州大学圣地亚哥分校） ； MIT（麻省理工学院） ； Harvard University（哈佛大学）
AI总结 该研究提出无需噪声条件的均衡强迫（EqF）框架，解耦去噪场学习与采样，实现自适应闭环推理，提升自回归视频生成的质量与一致性，性能优于传统噪声条件方法。
Comments Project page: https://equilibriumforcing.github.io/
首个中文BabyLM挑战：训练数据高效且认知合理的中文语言模型
机构 * Princeton University（普林斯顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； Chinese Academy of Sciences（中国科学院） ； Columbia University（哥伦比亚大学） ； Beijing Normal University（北京师范大学） ； Tsinghua University（清华大学） ； University of California San Diego（加利福尼亚大学圣地亚哥分校） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 首个中文BabyLM挑战将在2026年自然语言处理与中文计算会议举办，要求用1亿中文词元从头训练语言模型，在自然语言理解、认知对齐和汉字知识三轨道评估，不限分词器、模型架构和训练轮数。
Comments 13 pages
SimulCost: 一个用于自动化物理模拟的代价感知基准与工具包
机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking University（北京大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； California Institute of Technology（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对现有LLM评估忽略工具使用代价的问题，提出SimulCost基准，通过单轮和多轮参数调优任务比较LLM与传统扫描方法在准确性和计算代价上的表现，发现LLM在高精度任务中初始猜测不可靠且多轮模式效率更低。
Comments post conference revision version at ICML; update: removed CGYRO due to bug in cases search. Will add back soon; Make the title consistent w/ pdf
SimulRAG：基于模拟器的检索增强生成（RAG）框架，用于将大型语言模型（LLMs）落地到长篇科学问答任务中
机构 * University of California San Diego（加州大学圣迭戈分校） ； Stanford University（斯坦福大学） ； Northeastern University（东北大学）
AI总结 针对LLMs在长篇科学问答中易幻觉的问题，本文提出SimulRAG框架，引入UE+SBA机制，发布相关基准，实验表明其信息量与事实性较基线分别提升30.4%、16.3%
Comments Haozhou Xu and Dongxia Wu are co-first authors
自监督视觉在线策略蒸馏
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； University of Oxford（牛津大学） ； UC San Diego（加利福尼亚大学圣迭戈分校）
AI总结 该研究提出S²VOPD方法，通过从学生模型减信息而非给教师加特权信息，实现无特权信息的视觉在线策略蒸馏，在6个细粒度感知基准上显著提升Qwen3.5-4B性能，表现优于多数模型。
揭秘智能体技能：为何它们有效——直至失效
机构 * Princeton University（普林斯顿大学） ； UC San Diego（加州大学圣迭戈分校） ； Stanford University（斯坦福大学） ； University of Southern California（南加利福尼亚大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该研究探究 LLM 智能体技能的有效与失效原因，通过对比实验与轨迹分析揭示技能的作用机制，发现其主要靠程序锚定稳定动作，还指出检索瓶颈等问题，为智能体评估与优化提供指导。
RGBX-Next：基于G-buffers的真实感生成式渲染
机构 * University of California, Santa Barbara（加利福尼亚大学圣巴巴拉分校） ； NVIDIA（英伟达公司） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出RGBX-Next框架，将扩散Transformer（DiT）微调为正向与反向渲染器，可从图像等估算G-buffers或从G-buffers渲染真实感内容，在相关任务中表现优异，将公开模型并推动领域研究。
FlashDrive：面向自动驾驶的Flash视觉-语言-动作推理
机构 * Princeton（普林斯顿大学） ； UC San Diego（加州大学圣迭戈分校）
AI总结 FlashDrive通过算法-系统协同设计解决VLA推理的四个级联瓶颈，使Alpamayo 1.5-10B的端到端自动驾驶延迟降4.7倍，推理频率提升至6.6Hz，逼近实时部署。
Comments 15 pages; 8 figures
Foam-Agent：迈向自动化智能CFD工作流程
机构 * Department of Computer Science, Rensselaer Polytechnic Institute（里士满理工学院计算机科学系） ； Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute（里士满理工学院机械、航空航天与核工程系） ； Department of Computer Science and Engineering, University of California San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； College of Education, Zhejiang Normal University（浙江师范大学教育学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）
AI总结 Foam-Agent通过多智能体框架和大型语言模型，实现自动化CFD工作流程，显著提升模拟效率和成功率。
Comments 34 pages, 9 figures, 9 tables
Journal ref Computer Methods in Applied Mechanics and Engineering, Vol. 461, 119271 (2026)
Mechanist：作为科学仪器的AI，用于发现智能的机制
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Heriot-Watt University（赫瑞瓦特大学） ； Southern University of Science and Technology（南方科技大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Northeastern University（东北大学）
AI总结 本研究推出智能体系统Mechanist，以AI为科学仪器自主发现AI智能机制，其生成假设更有价值、实验更可靠，还能发现安全风险、构建信念机制理论并转化为提升模型性能的干预措施。
Comments Work in progress
基于公共领域电影集的对话感知视频到音乐生成
机构 * University of California San Diego（加利福尼亚大学圣地亚哥分校） ； University of Michigan（密歇根大学）
AI总结 该研究针对视频到音乐生成的可复现性问题，构建了OSSL-v2数据集，提出用对话作为条件信号的方法，在电影上评估后性能优于现有基线。
生成式引擎的机制设计：从利用到双赢结果
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 针对生成式引擎引用竞争引发的引用战争问题，本文将供给方与平台互动建模为重复斯塔克尔伯格博弈，提出VCR机制，实验显示其防御效用优于基线且能实现双赢。
FACT：面向世界-动作模型的故障感知因果训练方法
机构 * University of California San Diego（加州大学圣迭戈分校）
AI总结 FACT是一种故障感知因果世界-动作模型，通过将错误动作转化为训练目标，在模拟与真实双臂操作任务中提升了世界-动作模型的性能，减少了成功偏差导致的未来幻觉。
基于N最佳教师轨迹选择的在线策略蒸馏
机构 * Johns Hopkins University（约翰霍普金斯大学） ； TikTok ； University of California, San Diego（加州大学圣地亚哥分校） ； Fudan University（复旦大学）
AI总结 本文提出BRTS框架，通过选择更准确且与学生行为一致的教师轨迹提升在线策略蒸馏效果，在AIME和AMC基准测试中取得显著改进。
Comments 10 pages, 5 figures
模拟有组织群体行为：新框架、基准和分析
机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of California, Irvine（加州大学尔湾分校） ； Meta
AI总结 本文提出新框架和基准，用于模拟有组织群体决策，通过结构化分析模型提升预测性能，并揭示群体行为随时间的变化及跨群体相似性。
Comments Accepted by COLM 2026
学习世界如何演化：基于潜动态推理的外推视频世界模型
机构 * UCSD（加利福尼亚大学圣迭戈分校） ； Adobe（奥多比公司）
AI总结 针对主流视频扩散模型未建模像素时间转换的问题，提出LDR方法，在PhyWorld基准上实现更优动态外推，参数更少、速度更快，是首个能泛化至训练分布外的视频世界模型
Comments Project page: https://lat-dyn-reason.github.io/
从可及性残差到任意时刻有效的证据：投注检验的在线凸几何
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 该研究通过在线凸优化与投注检验的关联，构建了可及性残差与任意时刻有效证据的理论框架，给出有限时间下的检验误差界，实现了多种统计检验场景的统一。
重新思考基于学习的影响力最大化：简单神经代理与原生离散搜索
机构 * UC San Diego（加利福尼亚大学圣迭戈分校）
AI总结 该研究针对现有基于学习的影响力最大化框架的不足，提出SIMBA框架，采用轻量级神经代理与原生离散搜索，缩短求解时间并提升影响力传播与数据效率。
神经劳动分工：用于鲁棒神经形态计算的生物启发式模块化架构
机构 * University of California San Diego（加州大学圣地亚哥分校） ； University of Alberta（阿尔伯塔大学） ； University of Alabama（阿拉巴马大学）
AI总结 本文提出可分解脉冲神经网络（D-SNN），采用生物启发模块化架构，在减少参数与突触操作的同时，实现鲁棒性与决策透明性，为边缘神经形态计算提供高效方案。
Comments 39 pages, 7 figures
无任何监督的在线策略自蒸馏
机构 * UC San Diego（加州大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Maryland, College Park（马里兰大学帕克分校） ； ByteDance（字节跳动）
AI总结 本研究提出无监督在线策略自蒸馏（U-OPSD），仅用模型自身生成结果实现在线策略自蒸馏，在多数学基准上优于基础模型，部分场景超越OPSD、GRPO等监督方法。
Comments Project page at https://williamium3000.github.io/u-opsd/ and code at https://github.com/williamium3000/u-opsd
学习带有主体特定编码器的对齐脑电图表示
机构 * University of São Paulo（圣保罗大学） ； Université Paris-Saclay, Inria TAU team, LISN-CNRS（巴黎萨克雷大学，Inria TAU团队，LISN-CNRS） ； Institut de neuromodulation, GHU Paris, psychiatrie et neurosciences, centre hospitalier Sainte-Anne, pôle hospitalo-universitaire 15, Université Paris Cité（神经调控研究所，GHU巴黎，精神病学与神经科学，圣安娜医院，大学医院中心15区，巴黎西岱大学） ； Federal University of ABC (UFABC)（ABC联邦大学） ； Yneuro ； Swartz Center for Computational Neuroscience (SCCN), Institute for Neural Computation (INC), University of California San Diego（斯沃茨计算神经科学中心，神经计算研究所，加州大学圣地亚哥分校）
AI总结 提出使用主体特定编码器替代共享编码器，结合共同分类器实现跨主体脑电图对齐，实验表明该方法能内化欧几里得对齐的作用，提高类别区分度，并识别出未见主体的编码器选择是主要瓶颈。
SimSD：扩散语言模型中的简单推测解码
机构 * University of California San Diego（加州大学圣地亚哥分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google（谷歌） ； University of California Santa Barbara（加州大学圣芭芭拉分校）
AI总结 针对扩散语言模型无法直接使用标准推测解码的问题，提出SimSD算法，通过即插即用的掩码策略引入参考令牌并设计注意力掩码，实现单次前向传播验证多个草稿令牌，在保持并行解码优势的同时提升解码吞吐量。
Comments 13 pages, 4 figures, code available at https://github.com/airevo2/SimSD-release
MonitorBench: 一个用于大型语言模型链式思维可监控性的综合基准
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 本文提出MonitorBench，通过1514个测试实例和两种压力测试设置，评估LLM链式思维的可监控性，发现决策关键因素对中间推理过程的影响程度影响可监控性，更高级的LLM表现出更低的可监控性。
Comments COLM 2026
超越注意力：BiomeGPT式微生物组Transformer中的符号化集成梯度归因
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 该研究针对BiomeGPT式微生物组Transformer的注意力权重局限，提出符号化集成梯度归因方法，结合二阶集成海森矩阵，可区分致病与保护性微生物信号，揭示群落相互作用规则，提升模型可解释性
Comments 15 pages, 6 figures. Code: https://github.com/nohren/token-source-attribution
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