Carnegie Mellon University（卡内基梅隆大学）

Better Bounds for the Distributed Experts Problem

分布式专家问题的更优界限

David P. Woodruff, Samson Zhou

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Texas A&M University（德克萨斯大学） 纠错

AI总结 本文提出了一种改进的分布式专家问题协议，通过更优的通信效率和悔恨值界限，提升了性能表现。

Pri4R: Learning World Dynamics for Vision-Language-Action Models with Privileged 4D Representation

Pri4R: 通过特权4D表示学习视觉-语言-动作模型的世界动态

Jisoo Kim, Jungbin Cho, Sanghyeok Chu, Ananya Bal, Jinhyung Kim, Gunhee Lee, Sihaeng Lee, Seung Hwan Kim, Bohyung Han, Hyunmin Lee, Laszlo A. Jeni, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能研究中心） ； LG AI Research（LG人工智能研究） ； Yonsei University（延世大学） ； Seoul National University（首尔国立大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 Pri4R通过特权4D表示学习视觉-语言-动作模型的世界动态，提升操控任务性能

FrontierCO: Real-World and Large-Scale Evaluation of Machine Learning Solvers for Combinatorial Optimization

FrontierCO: 机器学习求解组合优化问题的现实世界和大规模评估

Shengyu Feng, Weiwei Sun, Shanda Li, Ameet Talwalkar, Yiming Yang

机构 * School of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学） 纠错

AI总结 FrontierCO通过现实世界结构和大规模实例评估，揭示了机器学习求解器在组合优化中的性能差距及优势。

Comments ICLR 2026