高校专区
StagedWorkspace：面向知识工作智能体的版本化工作空间
机构 * Harvard University（哈佛大学） ； Raycaster AI（雷caster人工智能公司） ； University of Technology Sydney（悉尼科技大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 该研究针对知识工作智能体的版本化工作空间问题，提出StagedWorkspace方案，通过绑定解析记录与原生文件内容哈希提升性能，在OfficeQA Pro等数据集上取得显著优于基准的效果，为相关基准构建提供了新方向。
Comments Under Review
基于记忆树引导的关键帧查询的高效三维问答
机构 * University of Washington（华盛顿大学） ； Amazon（亚马逊公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本研究针对具身场景三维问答的效率问题，提出MemTree3D记忆树引导的关键帧选择方法，在OpenEQA数据集上显著提升GPT-4o与LLaVA-OneVision-7B的问答性能，优于现有视觉搜索方法。
Comments ECCV 2026
利用现有稀疏点标注进行底栖图像的密集分割
机构 * Universidad de Zaragoza（萨拉戈萨大学） ； Berklee College of Music（伯克利音乐学院） ； University of Washington（华盛顿大学）
AI总结 本研究结合SAM2基础模型与底栖图像的稀疏专家点标注，提出自动筛选可靠点的机制以生成高质量伪真值掩码，训练细粒度分割模型，还引入新基准推进生态分析。
FetchMan：基于模拟经验学习人形机器人视觉 locomotion-manipulation（移动操作）策略
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学）
AI总结 该研究提出 FetchMan，通过端到端 sim-to-real 流水线训练人形机器人视觉移动操作策略，在 FetchMan-Bench 评估中，其单物体抓取策略在 Unitree G1 上零样本部署成功率达73.3%，并扩展至多物体训练。
Comments Project website: this https URL (https://orayyan.com/fetchman)
分层虚拟试穿
机构 * University of Washington（华盛顿大学）
AI总结 研究针对现实中服装分层搭配的虚拟试穿难题，提出LVTON方法。先通过自动数据生成管道训练获取一般VTON先验知识，再在专用数据集微调学习分层逻辑，在LVTON基准及传统VTON基准上取得优异成果，展现零样本能力。
Comments Accepted to ECCV 2026
状态空间NTK在接近分岔点时的坍缩
机构 * University of Washington（华盛顿大学）
AI总结 研究通过经验状态空间神经 tangent 核（sNTK）分析梯度下降在分岔点附近的动态，发现分岔点主导并简化了学习过程，通过分解sNTK揭示了高维递归系统的学习几何结构。
AI聊天机器人中的广告：大型语言模型如何应对利益冲突分析
机构 * Princeton University（普林斯顿大学） ； University of Washington（华盛顿大学）
AI总结 本文分析了大型语言模型在面临用户与公司利益冲突时的决策问题，通过实验发现多数模型优先考虑公司利益而非用户福祉，展示了在广告推荐中潜在的风险。
Comments COLM 2026
通过记忆增强的规划和前瞻性构建视觉导航的统一世界模型
机构 * University of Washington（华盛顿大学） ； National University of Singapore（新加坡国立大学） ； Apple（苹果公司） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出UniWM，一种整合视觉前瞻性与规划的统一世界模型，通过记忆机制提升导航鲁棒性和泛化能力，在多个基准测试中显著提升导航成功率。
Comments Accepted to ECCV 2026. 22 pages, 12 figures, code: this https URL (https://github.com/UWMILab/UniWM)
SCRIBES：基于脚本的网页级半结构化数据强化学习提取框架
机构 * Stanford University（斯坦福大学） ； Meta Reality Labs（Meta现实实验室） ； FAIR at Meta（Meta的FAIR） ； University of Washington（华盛顿大学）
AI总结 SCRIBES是一种新型强化学习框架，利用同一网站内网页布局相似性生成可复用提取脚本，在脚本质量和下游问答准确率上均优于基线，实现高效网页级半结构化数据提取。
基于分层语言模型的动态多字节预测
机构 * The Ohio State University（俄亥俄州立大学） ； University of Florida（佛罗里达大学） ； University of Washington（华盛顿大学）
AI总结 本文针对分层语言模型逐字节生成推理速度慢的问题，提出多字节预测方法，通过可变长度预测窗口与因果注意力掩码实现并行字节预测，在多任务中达成性能与吞吐量的最优权衡。
利用记忆：记忆智能体中记忆载体的整体评估
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Washington（华盛顿大学） ； McGill University（麦吉尔大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 该研究评估了记忆智能体的多种记忆载体，发现无通用最优载体，不同载体适配不同场景，为自适应智能体记忆系统设计提供了实证指导。
面向智能体服务的KV缓存管理的智能体执行学习
机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of Washington（华盛顿大学） ； University of Chicago（芝加哥大学）
AI总结 针对多智能体LLM服务中KV缓存复用不足的问题，提出CacheScout，通过在线学习智能体执行转换优化缓存管理，显著提升缓存命中率、降低延迟并提高吞吐量。
单个冻结模拟器不够：多智能体强化学习中的模拟器崩溃问题
机构 * Northeastern University（东北大学） ； New York University（纽约大学） ； UC Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 针对人机交互多智能体强化学习中单个LLM模拟器导致的策略泛化缺陷，提出Verbalized Sampling和Co-Training两种方案，在多轮基准测试和真实用户研究中显著提升了性能，发布了开源框架SCOPE。
Comments 42 pages, 29 figures
想象感知标记增强多模态语言模型的空间推理能力
机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（Allen人工智能研究所） ； Microsoft（微软） ； OpenAI（开放人工智能研究院）
AI总结 提出想象感知标记（IPT）作为中间感知表征，通过监督学习提升多模态语言模型在不可见视角推理、遮挡路径追踪等空间推理任务上的性能，在三个新构建的数据集上优于文本思维链训练。
高效通信的联邦微调
机构 * University of Washington（华盛顿大学） ； Technical University of Crete（希腊塞萨洛尼基技术大学）
AI总结 本文提出FDA-Opt算法，解决联邦学习中参数通信频繁和刚性的难题，通过统一FDA和FedOpt方法，提升语言模型在下游NLP任务中的微调性能。
Comments CIKM 2026
VFIG：利用视觉-语言模型矢量化SVG中的复杂图形
机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能 Allen 机构） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出VFIG，一种基于视觉-语言模型的矢量化方法，通过大规模数据集和分层训练策略，实现复杂图形到SVG的高保真转换，并在基准测试中取得优异成绩。
基于内容的游戏玩法视频旁白：利用视觉语言模型
机构 * University of Washington（华盛顿大学）
AI总结 该研究提出一种基于内容的游戏玩法视频旁白系统，利用视觉语言模型等技术生成电竞风格解说，无需游戏专用工具，支持本地化语音，还发布了可复现基线。
Comments https://mathewvarghese.space/ai-powered-game-commentary-auto-narrating-gameplay-videos-with-gpt-4o/
PAIR：用于RLVR中自适应rollout分配的成对感知包含重加权方法
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学）
AI总结 针对RLVR中自适应rollout分配的统计不匹配问题，提出PAIR方法，通过成对对比图校正梯度估计，在Qwen3模型上提升准确率同时减少token使用量。
Flex-$π$：具备计算灵活性的多流世界-动作模型
机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（艾伦人工智能研究所）
AI总结 该研究提出Flex-$π$多流世界-动作模型，利用冻结的视频生成VAE实现多模态监督，通过混合专家Transformer与每流丢弃机制提升效率，在双臂操作任务上性能优于基线模型且运行更快。
Comments Project page: https://flex-pi.github.io/
CIDER：用于隐私偏好对齐的上下文披露边界数据集
机构 * University of Washington（华盛顿大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Northeastern University（东北大学）
AI总结 本文推出包含169名用户标注的CIDER数据集，用于评估LLM隐私偏好对齐，发现上下文个性化可提升预测准确率，GPT-5.4和Claude Sonnet 4.6表现更优。
Comments Accepted to COLM 2026
GenFAR：基于49246例多队列MRI通过深度学习得到的脑结构通用表征
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Melbourne（墨尔本大学） ； University of Wisconsin School of Medicine and Public Health（威斯康星大学医学与公共卫生学院） ； CSIRO Health and Biosecurity（联邦科学与工业研究组织健康与生物安全部） ； CSIRO（联邦科学与工业研究组织） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； University of Washington（华盛顿大学） ； Wake Forest School of Medicine（维克森林医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） ； Indiana University（印第安纳大学） ； University of Southern California（南加利福尼亚大学）
AI总结 GenFAR是基于49246例多队列MRI的模块化深度学习框架，通过17类任务训练得到通用脑表征，可提升二级预测器的样本效率与准确性
TMRL: 差分时间步调节预训练实现高效策略微调的探索
机构 * University of Washington（华盛顿大学） ； Amazon FAR（亚马逊FAR）
AI总结 本文提出TMRL框架，通过结合行为克隆预训练与强化学习微调，解决预训练中动作分布狭窄的问题，提升机器人策略微调的样本效率。
基于深度虚拟博弈的势微分博弈：用于学习无信号交叉口的类人交互
机构 * Department of Civil and Environmental Engineering, University of Washington（华盛顿大学土木与环境工程系）
AI总结 本研究提出DFP-PDG框架，首次用深度虚拟博弈学习无信号交叉口类人交互驾驶策略，经INTERACTION数据集验证有效，可捕捉驾驶风格差异并保证收敛。
基础的裂痕：看似微小的架构选择会影响长上下文扩展
机构 * Ai2 ； Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学）
AI总结 该研究发现，Olmo、Llama、Qwen等稠密模型系列的四个微小架构决策会复合降低长上下文性能，结合三个及以上选择可使性能降47%，经17万余GPU小时训练发布OlmPool，其部分模型长上下文性能优于Llama 3。
Comments 29 pages; accepted to COLM 2026
离轴，出于目的：Transformer在何处计算概念以及为何如此计算
机构 * University of Washington（华盛顿大学） ； School of Computer Science and Engineering（计算机科学与工程学院）
AI总结 该研究揭示Transformer分两阶段计算，概念阶段采用与读取轴近乎正交的子空间，强制该几何结构可提升稀疏旋转的收敛性，且不损害语言建模基准性能。
实例自适应在线多校准
机构 * Paul G. Allen School of Computer Science and Engineering, University of Washington（华盛顿大学保罗·G·阿伦计算机科学与工程学院） ； Department of Computer and Information Sciences, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系）
AI总结 本文提出了一种高效的实例自适应在线多校准算法，通过动态调整预测值的二进制网格来平衡最坏情况和易处理情况，实现了在不同实例下的最优误差控制。
Comments Affiliation update only; no changes to technical content
在带凸集的双线性鞍点问题中实现高效解耦学习动力学，具有$\tilde{O}\!\left(T^{-1/4}\right)$的最后迭代收敛性
机构 * University of Washington（华盛顿大学） ； University of California, Irvine（加州大学尔湾分校）
AI总结 本文提出了一种高效的解耦学习算法，在双线性鞍点问题中实现$\tilde{O}(T^{-1/4})$的最后迭代收敛性，通过结合实验设计和FTRL框架，利用定制正则化函数以高概率收敛到纳什均衡。
Comments 19 pages, accepted at AISTATS 2026. Affiliation update only; no changes to technical content
MentorCollab: 选择性大到小推理时指导以实现高效推理
机构 * UIUC（伊利诺伊大学香槟分校） ； University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
AI总结 MentorCollab通过选择性推理时指导，使小型模型在多步骤推理任务中实现高效协作，提升性能的同时降低计算开销。
基于不确定性校准的玻片级聚合的设备端多物种疟疾检测
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； University of Washington（华盛顿大学）
AI总结 针对资源有限地区疟疾检测的临床约束，开发基于YOLOv13n的设备端多物种疟疾检测系统，满足多物种鉴别等要求，在2739张图像上实现较高检测精度与聚合性能。
Comments Accepted at The Fifth Workshop on Applications of Medical AI (AMAI) 2026, a satellite event at MICCAI 2026. To appear in Springer Lecture Notes in Computer Science (LNCS)
视觉-语言 Grounding 作为双向概念对应
机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（艾伦人工智能研究所） ； FAIR at Meta（Meta FAIR实验室）
AI总结 本研究将视觉-语言 Grounding 建模为双向概念对应，提出 ConCor-1 模型统一相关任务，在长文本数据集和零样本 LVIS 上对应 F1 分别提升 48%、29%，性能优于基线。
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