Cornell University（康奈尔大学）

Budget-Aware Routing for Long Clinical Text

面向预算的路由：长临床文本

Khizar Qureshi, Geoffrey Martin, Yifan Peng

机构 * MIT, Cambridge, MA（麻省理工学院，马萨诸塞州剑桥） ； Cornell University, Ithaca, NY（康奈尔大学，纽约州伊萨克中心） ； Weill Cornell Medicine, New York, NY（韦尔医学院，纽约市） 纠错

AI总结 本文研究了在预算限制下选择临床文本上下文的方法，提出RCD目标平衡相关性、覆盖性和多样性，并通过实验展示不同单位化策略和路由启发式方法的效果差异。

Vibe Coding in Product Teams: Reconfiguring AI-Assisted Workflows, Prototyping, and Collaboration

产品团队中的Vibe编码：重新配置AI辅助的工作流、原型设计与协作

Jie Li, Youyang Hou, Laura Lin, Ruihao Zhu, Hancheng Cao, Abdallah El Ali

机构 * Netherlands and MIT Media Lab（荷兰和MIT媒体实验室） ； Notion Labs（Notion实验室） ； Collov AI ； Cornell University（康奈尔大学） ； Goizueta Business School, Emory University（埃默里大学戈伊兹埃塔商学院） ； Centrum Wiskunde & Informatica, The Netherlands and Utrecht University, The Netherlands（荷兰代尔夫特理工大学和乌得勒支大学） 纠错

AI总结 本文研究Vibe编码如何重塑产品开发流程与协作，揭示其四阶段工作流及带来的效率与创造力提升，同时指出代码不可靠、集成困难等挑战。

Markets with Heterogeneous Agents: Dynamics and Survival of Bayesian vs. No-Regret Learners

异质主体市场：贝叶斯学习者与无遗憾学习者的动态与生存

David Easley, Yoav Kolumbus, Eva Tardos

机构 * Cornell University（康奈尔大学） 纠错

AI总结 研究比较贝叶斯学习者与无遗憾学习者在资产市场中的表现，探讨其生存条件及市场主导因素，提出混合策略提升鲁棒性与适应性。

Comments Learning in Markets, Heterogeneous Agents, Regret and Survival, Bayesian Learning, No-Regret Learning, Portfolio Optimization, Kelly Rule, Distribution Shifts, Robust Bayesian Updates

Koopman-Assisted Reinforcement Learning

Koopman辅助强化学习

Preston Rozwood, Edward Mehrez, Ludger Paehler, Wen Sun, Steven L. Brunton

机构 * Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Subharmonic Technologies Inc.（Subharmonic Technologies公司） ； Department of Economics, Cornell University（康奈尔大学经济学系） ； Department of Engineering Physics and Computation, Technical University of Munich（慕尼黑技术大学工程物理与计算系） ； Department of Mechanical Engineering, University of Washington（华盛顿大学机械工程系） 纠错

AI总结 本文提出基于数据驱动Koopman算子的强化学习算法，通过将非线性系统提升到新坐标空间，使动力学近似线性化，从而更易处理Hamilton-Jacobi-Bellman方程。该方法重构了两种最大熵RL算法，适用于确定性和随机性系统。

Comments 28 pages, 10 figures, 4 tables