California Institute of Technology（加州理工学院）

Likelihood scoring for continuations of mathematical text: a self-supervised benchmark with tests for shortcut vulnerabilities

数学文本延续的似然评分：一个自监督基准及快捷漏洞测试

Daniel Ranard

机构 * Department of Physics, California Institute of Technology（加州理工学院物理系） 纠错

AI总结 本文提出一个自动基准，用于预测技术论文中的隐藏文本。通过比较模型生成的辅助预测字符串与评分器对延续的预测，评估信息传递效果。实验显示，GPT-5.5等模型在方程后缀预测任务中优于基线，支持似然评分作为静态基准和快捷漏洞测试的工具。

Comments 13 pages + appendices, 4 figures; v2: expanded related work

Terrain Consistent Reference-Guided RL for Humanoid Navigation Autonomy

地形一致的参考引导强化学习用于人形导航自主性

William D. Compton, Zachary Olkin, Aaron D. Ames

机构 * Department of Computing and Mathematical Sciences, California Institute of Technology（计算与数学科学部，加州理工学院） 纠错

AI总结 本文提出一种训练参考引导感知强化学习策略的方法，通过在训练中调节参考轨迹使其与地形几何一致，提升人形机器人导航自主性。

Comments 8 pages, 4 figures, intended to submit to Humanoids 2026

Escaping Plato's Cave: JAM for Aligning Independently Trained Vision and Language Models

走出洞穴：JAM用于对齐独立训练的视觉和语言模型

Lauren Hyoseo Yoon, Yisong Yue, Been Kim

机构 * Computation and Neural Systems（计算与神经系统） ； California Institute of Technology（加利福尼亚理工学院） ； Computation and Mathematical Sciences（计算与数学科学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出JAM方法，通过联合训练模态特定的自编码器，优化视觉和语言模型的对齐，提升细粒度上下文区分能力。