《波士顿环球报》2026年“科技强人”榜单中，八位MIT成员入选。文章探讨了MIT在人工智能、创业、能源和量子技术等领域的领导力，强调马萨诸塞州在科技创新中的核心地位。

本文提出一种基于导纳控制的机器人实时闭环姿态控制算法，用于精密视觉检测。该方法将末端执行器建模为在粘性介质中运动的虚拟球体，统一操作员输入与感知驱动的表面配准。在六自由度机械臂上验证，最终平均姿态误差为0.4°，实现了稳定的法向跟踪。

本研究系统评估了四种动作空间（位姿增量、位姿速度、关节位置增量、关节速度）在视觉抓取和推拉任务中的表现。通过仿真训练并迁移到真实机器人，发现关节速度动作空间在平滑性和任务完成度上最优，并提供了动作空间选择的实用指南。

DREAM-Chunk是一种测试时扩展方法，通过轻量级潜在世界模型增强基于分块的动作策略，无需微调策略本身。该方法在测试时采样多个候选动作分块，预测其潜在未来状态，并选择与实际状态最匹配的分块，从而提升在随机动力学下的鲁棒性。在Kinetix基准和多种机器人平台上验证了其有效性。

本文提出了一种结合凸集图（GCS）轨迹优化与共识捆绑算法（CBBA）分布式任务分配的解决方案，用于多智能体在动态杂乱环境中的任务规划。GCS在3D+时间配置空间中寻找最优轨迹，CBBA协调任务分配，实现避碰并提供准确的任务完成时间估计。在模拟环境中验证了有效性。

本文提出N(CO)$^2$框架，将强化学习融入神经组合优化，无需手动设计启发式算法即可求解随机定向问题。实验表明，该方法在多种实例上泛化良好，性能与最先进的混合整数线性规划相当，减少了人工启发式设计成本。

VEGA是一种从无标签自我中心导航视频中训练导航视觉-语言-行动（VLA）模型的方法。通过重建单目视频的场景几何并生成避障轨迹，VEGA将几何感知规划蒸馏到纯视觉策略中。VEGA-Bench基准包含25万场景和约500万导航目标，实验显示VEGA在减少碰撞和提升障碍物规避方面显著优于基线。

PAIWorld提出了一种扩散变换器框架，通过几何感知跨视图注意力、几何旋转位置编码和潜在3D-REPA蒸馏，实现了机器人操作中的多视图3D一致性，在WorldArena排行榜上排名第一，在AgiBot-Challenge2026上排名第二。

Guava是一种针对具身操作的框架，通过系统性探索设计空间，提出迭代感知-推理-行动循环、语义抽象动作和多模态观察三个关键要素。利用少于2000条仿真轨迹，可将具身操作能力蒸馏至4B开源模型，性能和泛化能力与前沿专有模型相当。

本文提出ReSYNC方法，通过从失败恢复经验中逐步发现和细化状态抽象（关系谓词），联合学习技能与概念，实现机器人从局部恢复向全局失败避免的泛化。在四个模拟域中，ReSYNC持续扩展抽象库，解决未见过的长时域问题，性能超越基线方法50%以上，并成功迁移到真实机器人操作任务。

大型语言模型（LLM）越来越多地用于临床文本任务，但它们在保留诊断不确定性方面表现不佳。本研究构建了一个包含1,200份临床文档和9,184个不确定性标注的基准，评估了三个LLM，发现它们保留原始不确定性线索的比例不到一半，且难以区分相邻级别。

蒙特利尔强制对齐器(MFA)自2016年发布以来，已成为研究和工业界最广泛使用的强制对齐工具。最新版本MFA 3.0在英语、日语和韩语基准测试中均达到或接近最先进水平，平均边界误差低于15毫秒。本文详细介绍了MFA从1.0到3.0的发展历程、技术改进及其跨语言适应能力。

一项跨语言机制分析揭示了多语言大语言模型中数学相关参数在语言间部分重叠，其中英语拥有最大参数集。

VISUALSKILL是一种分层多模态技能库，通过将视觉图形纳入技能表示，显著提升了计算机使用代理在长期任务和未知软件上的表现。在CUA-World和OSExpert-Eval基准测试中，使用VISUALSKILL的Claude Code CLI代理获得了0.456的平均分数，比无技能基线提升15.3个百分点，比纯文本技能提升8.3个百分点。

JetFlow提出了一种基于头部的推测解码框架，通过因果并行草稿头，在保持前向传递效率的同时实现分支级因果条件化，从而将更大的草稿预算转化为更长的接受前缀和更高的端到端加速。在Qwen3模型上的测试显示，JetFlow在MATH-500上实现了高达9.64倍的加速，在开放对话任务上实现了4.58倍加速。

本研究提出激活引导作为低资源语言合成数据生成的替代方案，通过语言引导和质量引导两种策略，在四个开源大语言模型和11种语言上验证了该方法能提升生成数据的多样性及下游任务性能，尤其在早期层进行引导效果最佳。

SproutRAG是一种新型层次化检索增强生成框架，通过注意力机制学习文档结构，构建二叉分块树，实现多粒度检索而不依赖额外LLM调用或压缩摘要。实验表明，在科学、法律和开放域基准上，信息效率平均提升6.1%。

教育对话是宝贵但敏感的研究资源。现有的方法在隐私保护和准确性之间难以平衡。本文提出一种完全本地的级联框架，将去标识化从开放式实体识别转变为受限的隐私分类。通过召回优先的联合提议生成候选片段，再由上下文感知的评审器决定删除或保留。在数学辅导数据上，本地配置的宏F1达到0.958，优于大模型和商业API，且完全在单台笔记本上运行。

CoAT框架为大型音频语言模型引入连续潜空间，通过专家蒸馏保留声学信息，在无需额外解码成本的情况下提升性能。

SAGE是一种事后净化方法，用于修复大语言模型遗忘过程中对保留能力的损害。通过提取保留激活几何特征并求解封闭优化目标，SAGE能抑制与高能保留方向对齐的更新分量，同时保留遗忘载体，从而缓解遗忘与保留之间的权衡。实验表明，该方法在多种遗忘方法、模型规模和基准测试中均能有效提升保留性能。

TRIDENT是一个新颖的多智能体强化学习框架，专门处理混合离散连续动作、安全约束和物理动力学的三向耦合问题。它引入了Richardson-Romberg梯度校正、Lyapunov约束的顺序信任域更新和物理信息残差批评家，实现了O~(1/√K)的收敛速度，并将训练违规减少高达95.5%。

DRIFT提出了一种通过在线策略影响函数优化监督微调数据的新方法，解决了标准影响函数的邻近差距和梯度范数偏差问题。它改善了数据分布以提升LLM的能力上限，并在7B参数模型上取得一致改进。

本文提出一种面向混合专家模型的结构化剪枝框架，通过将剪枝比率分配转化为通道分数覆盖最大化问题，并利用基于归因的近似方法高效求解。实验表明，在50%或25%结构化剪枝结合4位量化条件下，该方法在DeepSeek和Qwen MoE模型上保持了模型精度，并在Qwen3-30B-A3B上实现5.27倍内存压缩，超越现有基准。

本文建立了冲击波理论与随机梯度下降对称商学习动态之间的数学显式联系，利用微分几何、李群理论和流体力学。在商掉参数对称性并应用局部熵粗粒化后，有效动态满足商流形上的粘性Hamilton-Jacobi方程。进一步假设原始参数动态可由商空间上的梯度场概括，则粗粒化损失函数的梯度服从Burgers型方程，可严格证明冲击形成。该理论应用于多层感知器、卷积神经网络、Transformer和平均场网络，并证明它们满足Hamilton-Jacobi或Burgers型方程。作者推测该框架可为深度学习提供实用诊断工具，尤其是在Transformer等架构中，原始参数范数常因对称冗余而失真，而对称校正的商可观测量为监测、预测和控制训练阶段转变提供了原则性基础。

Artemis是一个区域级因果框架，通过独立干预每个脑区并学习区域特定的混杂因素表征，消除了人口统计学因素（如年龄和性别）在多模态神经影像分析中的因果混淆，从而提升图神经网络在脑疾病诊断和分类中的鲁棒性和可解释性。

CODEBLOCK是一个结构感知的稀疏监督框架，用于代码大语言模型的微调。它选择结构完整的代码块而非孤立令牌进行监督，在六个代码生成基准测试中，仅使用1.9%的监督令牌就达到了更强的平均pass@1指标。

随着强化学习中求解器能力的提升，固定任务分布饱和，而简单生成任务易导致无效或过易问题。PROPEL框架通过训练轻量级激活探针预测求解器通过率，替代直接求解器评估，从而高效生成位于可学习前沿的任务。在数学、代码和软件工程领域，PROPEL显著提升了目标求解率下任务的生成比例。

高斯混合注意力（GMA）是一种新的注意力机制，它通过K个学习到的高斯混合组件进行路由，避免了标准点积注意力的二次复杂度，实现了O(NK)的线性内存缩放。实验表明，GMA在长上下文分类任务上与注意力基线竞争，因果GMA在WikiText-103上优于线性/随机特征注意力，但落后于优化后的因果SDPA和Mamba。GMA提供了一种可解释的、固定K的线性时间注意力替代方案。

ProfiLLM 是一个智能LLM数据管道，用于为网约车调度创建效用对齐的用户画像。它通过工具增强的全局知识挖掘和效用对齐的画像探索克服了扩展挑战。在滴滴上部署后，它在预测AUC、GMV和完成率方面取得了显著提升。

R2D-RL是一个基于RoboCup 2D足球仿真平台的多智能体强化学习环境，通过共享内存和周期级同步连接Python MARL接口，支持全场/场景训练、可配置对手、混合动作空间、EPV奖励塑造和并行执行。