California Institute of Technology（加州理工学院）

AeroJEPA: Learning Semantic Latent Representations for Scalable 3D Aerodynamic Field Modeling

AeroJEPA：学习语义潜在表示以实现可扩展的3D气动场建模

Francisco Giral, Abhijeet Vishwasrao, Andrea Arroyo Ramo, Mahmoud Golestanian, Federica Tonti, Adrian Lozano-Duran, Steven L. Brunton, Sergio Hoyas, Hector Gomez, Soledad Le Clainche, Ricardo Vinuesa

机构 * Universidad Politécnica de Madrid（马德里理工大学） ； University of Michigan（密歇根大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Purdue University（普渡大学） ； Caltech（加州理工学院） ； University of Washington（华盛顿大学） 纠错

AI总结 AeroJEPA通过联合嵌入预测架构，在高保真度和大规模场景中实现可扩展的3D气动场建模，通过语义组织潜在空间提升建模效率与设计意义。

AstroAlertBench: Evaluating the Accuracy, Reasoning, and Honesty of Multimodal LLMs in Astronomical Classification

AstroAlertBench: 评估多模态大语言模型在天文学分类中的准确性、推理和诚实性

Claire Chen, Jiabao Sean Xiao, Shuze Daniel Liu, Facundo Perez Paolino, Luke Handley, Theophile Jegou du Laz, Ricky Nilsson, Alice Zou, Matthew Graham, Ashish Mahabal

机构 * California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Purdue University（普渡大学） 纠错

AI总结 本文提出AstroAlertBench，通过多阶段逻辑链评估多模态大语言模型在天文学事件分类中的性能，揭示高精度与模型诚实性之间的矛盾，并引入人机协同评估协议。

Fragmentation is Efficiently Learnable by Quantum Neural Networks

碎片在量子神经网络中高效可学习

Mikhail Mints, Eric R. Anschuetz

机构 * California Institute of Technology（加州理工学院） ； Institute for Quantum Information and Matter（量子信息与物质研究院） ； Walter Burke Institute for Theoretical Physics（沃尔特·伯克理论物理研究所） 纠错

AI总结 研究提出碎片分类问题，证明在特定条件下量子计算机可高效解决，同时显示经典计算难以处理此任务。

Comments 26 pages, 1 figure

Practical Adversarial Attacks on Stochastic Bandits via Fake Data Injection

针对随机带隙的实用对抗攻击：通过伪造数据注入

Qirun Zeng, Eric He, Richard Hoffmann, Xuchuang Wang, Jinhang Zuo

机构 * University of Science and Technology of China（中国科学技术大学） ； California Institute of Technology（加州理工学院） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文提出一种更实际的对抗模型，通过有限的伪造反馈样本误导带隙算法，分析了在现实约束下对抗攻击的可行性与有效性。