Cornell University（康奈尔大学）

Building Better Environments for Autonomous Cyber Defence

构建更好的自主网络防御环境

Chris Hicks, Elizabeth Bates, Shae McFadden, Isaac Symes Thompson, Myles Foley, Ed Chapman, Nickolas Espinosa Dice, Ankita Samaddar, Joshua Sylvester, Himanshu Neema, Nicholas Butts, Nate Foster, Ahmad Ridley, Zoe M, Paul Jones

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； University College London（伦敦大学学院） ； Cornell University（康奈尔大学） ； Vanderbilt University（范德比尔特大学） ； Microsoft（微软） ； NSA（美国国家安全局） 纠错

AI总结 本文通过工作坊总结，提出构建更有效的强化学习环境框架和最佳实践指南，以提升自主网络防御系统的训练与评估。

$p1$: Better Prompt Optimization with Fewer Prompts

用更少提示实现更好的提示优化

Zhaolin Gao, Yu, Wang, Bo Liu, Thorsten Joachims, Kianté Brantley, Wen Sun

机构 * Cornell University（康奈尔大学） ； Microsoft（微软） ； Harvard University（哈佛大学） ； Databricks AI Research（Databricks AI研究） 纠错

AI总结 研究揭示提示优化有效性取决于系统提示与响应方差，提出$p1$过滤方法提升优化效果，实验显示其在推理基准上优于基线方法。

MeshOn: Intersection-Free Mesh-to-Mesh Composition

MeshOn：无交集的网格到网格组合

Hyunwoo Kim, Itai Lang, Hadar Averbuch-Elor, Silvia Sellán, Rana Hanocka

机构 * Columbia University（哥伦比亚大学） ； University of Chicago（芝加哥大学） ； Cornell University（康奈尔大学） 纠错

AI总结 MeshOn通过多步骤优化框架实现两个输入网格的物理和语义真实组合，利用结构对齐方案和几何损失防止表面交叠，适用于多种材质配件的精准拟合。

Comments Project page: \hyperlink{https://threedle.github.io/MeshOn/}{this https URL}