高校专区
医疗LLM基准测试的可靠性仅取决于其显式假设
机构 * Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
AI总结 本文提出医疗LLM基准测试的评估-部署差距源于隐式假设，而非基准设计问题，并通过BenchmarkCards和分阶段评估方法来解决这一问题。
Comments 13 pages, 1 figure
SynAE: 一个用于评估工具调用代理合成数据质量的框架
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Research（微软研究院）
AI总结 本文提出SynAE框架，用于评估多轮工具调用代理合成数据的质量，通过四个指标类别评估合成数据的有效性、保真度和多样性，揭示单一指标不足以全面表征合成数据质量。
CLORE：面向推理效率的内容级优化
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Northwestern University（西北大学） ； University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Pittsburgh（匹兹堡大学）
AI总结 本文提出CLORE框架，通过编辑正确在线轨迹来提升大语言模型的推理效率，通过外部增强模型删除冗余、不可读或无关内容，同时保留最终答案，并结合辅助参考-free DPO目标和标准策略梯度训练优化增强-原始对，实验表明CLORE在五个数学推理基准上提升了准确性和效率的平衡，并与GRPO、DAPO、Training Efficient和ThinkPrune兼容。
Comments 9 pages, 9 figures
通过自我调节模拟规划实现高效的代理推理
机构 * Institute of Foundation Models (IFM)（基础模型研究所） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出通过分解决策过程为三个系统：模拟推理、自我调节和反应执行，来提升代理推理的效率，并展示了SR$^2$AM模型在不同任务中的表现。
Comments Code and model artifacts are available at https://github.com/sailing-lab/sr2am
UniSD：面向大语言模型的统一自蒸馏框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Carnegie Mellon University（卡内基梅隆大学） ； William & Mary（威廉与玛丽大学）
AI总结 本文提出UniSD框架，系统研究自蒸馏方法，通过整合多种机制提升监督可靠性、表征对齐和训练稳定性，从而在多个基准和模型上验证自蒸馏的有效性，并构建出性能最优的UniSDfull流水线。
Comments Website: https://unifiedsd.github.io/ Code: https://github.com/Ahren09/UniSD
通过世界模型的模拟推理实现通用代理规划
机构 * Institute of Foundation Models (IFM)（基础模型研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego（南加州大学）
AI总结 本文提出通过模拟推理实现通用代理规划，利用世界模型进行未来状态预测，提升决策能力，通过SiRA架构在不同任务中取得更高任务完成率。
Comments Winner of Berkeley LLM Agents Hackathon (Fundamentals Track); code available at https://github.com/sailing-lab/sira
ArabDiscrim: 一个十年的阿拉伯语Facebook语料库，涉及种族主义和歧视
机构 * Northwestern University in Qatar（卡塔尔西北大学） ； Carnegie Mellon University in Qatar（卡塔尔卡内基梅隆大学）
AI总结 本文提出了ArabDiscrim，一个包含293,000条阿拉伯语Facebook公开帖子的十年长的词料库（2014-2024年），用于研究种族主义和歧视。该语料库整合了平台原生的互动信号，如反应、分享、评论和页面元数据，支持语言和受众反应的联合分析。该资源包括200个精心挑选的术语（100个与种族主义相关，100个与歧视相关）以及20个歧视轴，捕捉基于身份的不平等对待。它还提供了显式的归属模式。ArabDiscrim在伦理合规的限制研究使用许可下发布，支持弱监督、轴感知采样和平台生态研究。通过连接词法深度和生态效度，它为公平导向、平台意识的阿拉伯语NLP建立了基础。
Comments Accepted at LREC 2026 Main Conference
TacO: 用于物体操作的触觉传感器基准测试
机构 * UC San Diego（圣迭戈大学） ； CMU（卡内基梅隆大学） ； SNU（首尔国立大学）
AI总结 本文提出了一种基于任务驱动的触觉传感器评估框架，通过训练不同模态的触觉传感器（视觉、声学、磁性和电阻性）在三个任务上的表现，探讨了触觉信息在不同材料和任务中的有效性。
扩散模型的噪声调度设计：一个最优控制视角
机构 * ECE & CSL University of Illinois Urbana-Champaign（电子工程与计算机科学实验室，伊利诺伊大学厄巴纳-香槟分校） ； Computer Science Department Carnegie Mellon University（计算机科学系，卡内基梅隆大学） ； ECE, CSL & NCSA University of Illinois Urbana-Champaign（电子工程、计算机科学实验室及国家计算科学中心，伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文从最优控制的角度出发，提出了一种分析和设计扩散模型噪声调度的框架，通过将噪声调度问题转化为最优控制问题，推导出噪声调度的充分条件，实现了更优的采样误差，并通过参数调整得到新的噪声调度方案，提升了图像生成的FID分数。
什么是AI阿谀奉承？对一个碎片化概念的分类和专家调查
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； University of Cincinnati（克里夫兰医学中心大学） ； New York University（纽约大学）
AI总结 本文通过文献综述和专家调查，揭示了AI阿谀奉承行为的分类和测量挑战，提出了一种统一的分类体系以促进对这一问题的理解和应对。
Sem-Detect：基于语义层面的AI生成同行评审检测
机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所）
AI总结 本文提出Sem-Detect方法，通过结合文本特征和语义分析，区分AI生成与人类撰写的同行评审，实验表明其在二分类和三分类场景下均表现出色，准确率显著提升。
PGDG: 为从单个示范中学习鲁棒双臂策略而设计的物理基础数据生成
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Dexmate
AI总结 本文提出PGDG，一种基于物理的数据生成框架，通过零样本校准扩展单个示范为包含物理上合理、成功和多样恢复行为的紧凑数据集，从而提升双臂操作中接触丰富的行为克隆性能。
局部协变量选择用于无预处理和因果充分性假设下的平均因果效应估计
机构 * Department of Applied Statistics, Beijing Technology and Business University（北京技术与商业大学应用统计系） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Department of Machine Learning, Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed人工智能大学机器学习系） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出了一种局部学习方法，用于非参数因果效应估计中的协变量选择，避免了预处理和因果充分性假设，提高了计算效率和估计准确性。
通过响应方法实现交换遗憾最小化
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Southern California（南加州大学） ； Google Research（谷歌研究）
AI总结 本文提出了一种更简单高效的算法，通过预处理后的约翰椭球，保证了线性交换遗憾为O(d√T)，并建立了信息论下限，证明了经典算法在减少线性交换遗憾方面的最优性，同时扩展了该方法以处理多项式维度的交换偏差集。
Comments V3 makes certain clarifications and improves the upper bound for general sets via symmetrization
通过大语言模型解决吉尔伯特-波拉克猜想
机构 * School of EECS, Peking University（北京大学电子工程学院） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（北京大学通用人工智能国家重点实验室） ； Carnegie Mellon University, Machine Learning Department（卡内基梅隆大学机器学习系）
AI总结 本文提出一种新的AI系统，通过生成受规则约束的几何引理并构建专用函数，以获得更紧的Steiner比下界，展示了大语言模型在高级数学研究中的强大潜力。
Comments 44 pages, 11 figures
StreetDesignAI: 通过多角色评估拓宽设计师视角
机构 * University of Maryland, College Park（马里兰大学 College Park 分校） ； University of Alabama（阿拉巴马大学） ； University of Florida（佛罗里达大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出StreetDesignAI，通过多角色评估方法帮助设计师更全面地理解骑行者需求，提升设计决策能力。
ImProver：基于代理的自动证明优化
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了自动证明优化问题，提出ImProver这一基于大语言模型的代理，用于重写证明以优化长度、可读性等任意标准，实验表明其能显著缩短证明并提高其模块化和可读性。
Comments Published as a conference paper at ICLR 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈