Intel（英特尔）

Sparrow: Sparse Rollout for Stable and Efficient Long-context RL of Large Language Models

Sparrow: 用于大语言模型稳定高效长上下文强化学习的稀疏 rollout

Yang Zhou, Ranajoy Sadhukhan, Zhaofeng Sun, Zhuoming Chen, Souvik Kundu, Saket Dingliwal, Sai Muralidhar Jayanthi, Aram Galstyan, Haizhong Zheng, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学） ； Intel（英特尔） ； Amazon AGI（亚马逊AGI） 纠错

AI总结 针对RLVR中长上下文rollout计算昂贵的问题，提出Sparrow方法，通过动态稀疏度调度保持token级策略失配的下尾统计量稳定，在Qwen3系列模型上实现2.0-2.4倍加速，并推广到更大模型和编程领域。

CTS-Bench: Benchmarking Graph Coarsening Trade-offs for GNNs in Clock Tree Synthesis

CTS-Bench: 面向时钟树综合中GNN的图粗化权衡基准测试

Barsat Khadka, Kawsher Roxy, Md Rubel Ahmed

机构 * The University of Southern Mississippi（密苏里州南方大学） ； Intel Corporation（英特尔公司） ； Louisiana Tech University（路易斯安那理工大学） 纠错

AI总结 提出CTS-Bench基准套件，系统评估图粗化对GNN在时钟树综合中预测精度与计算效率的权衡，发现粗化虽降低内存和加速训练，但会移除关键结构信息导致零样本评估下R²为负。

Comments Accepted to ML Bench'26 ASPLOS