Cornell University（康奈尔大学）

Characterizing Driver Interactions with Autonomous Vehicles via Response Maps

通过响应图刻画驾驶员与自动驾驶车辆的交互

Dave Broaddus, Rachel DiPirro, Chishang, Yang, Dan Calderone, Wendy Ju, Meeko Oishi

机构 * University of New Mexico（新墨西哥大学） ； Cornell Tech（康奈尔科技） 纠错

AI总结 本文基于博弈论中的响应图概念，利用驾驶模拟器数据线性表示驾驶员行为，发现驾驶员加速行为可被响应图捕获，且对自动驾驶车辆的让行、不让行和响应行为有显著差异。

EntMTP: Accelerating LLM Inference with Entropy Guided Multi Token Prediction

EntMTP：基于熵引导的多令牌预测加速LLM推理

Carrie Chen

机构 * Cornell University（康奈尔大学） 纠错

AI总结 提出EntMTP，一种无需训练的动态树注意力拓扑调度器，根据局部生成熵调整推测深度，在保持生成质量的同时最大化接受令牌吞吐量，相比Hydra和Medusa分别实现1.15倍和1.36倍加速。

Comments 7 pages, 5 figures

Honey, I Shrunk the Arc de Triomphe!

亲爱的，我把凯旋门缩小了！

Yuanbo Xiangli, Hanyu Chen, Xueqing Tsang, Noah Snavely

机构 * Cornell University（康奈尔大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 针对单目度量几何估计中的“尺度坍缩”现象，通过构建新数据集MetricScenes并采用两阶段泊松补全方法提升深度图质量，微调MoGe-2模型显著缓解了尺度低估问题。

Comments Project page: https://metricscenes.github.io/

High-dimensional inference for the $γ$-ray sky with differentiable programming

高维推断用于γ射线天空的不同可微编程

Siddharth Mishra-Sharma, Tracy R. Slatyer, Yitian Sun, Yuqing Wu

机构 * Faculty of Computing ； Data Sciences, Boston University, Boston, MA 02215, USA ； The NSF AI Institute for Artificial Intelligence ； Center for Theoretical Physics -- a Leinweber Institute, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； Department of Physics, Harvard University, Cambridge, MA 02138, USA ； Center for Theoretical Physics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； Trottier Space Institute \& Department of Physics, McGill University, Montreal, QC H3A 2T8, Canada ； Department of Physics, Cornell University, Ithaca, NY 14853, USA 纠错

AI总结 本文利用可微概率编程技术解决银河系中心γ射线异常问题，通过GPU加速和向量化方法构建可微前向模型和似然函数，实现对多种空间形态的灵活推断。

Comments 20 pages, 16 figures. Code available at https://github.com/smsharma/fermi-prob-prog. V2: Updated with a more complete set of coverge tests