The Chinese University of Hong Kong（香港中文大学）

Fishing Out Free Riders: Shapley-Based Reward Attribution for Parallel Reasoning via Reinforcement Learning

揪出搭便车者：基于夏普利值的强化学习并行推理奖励归因

Wentao Zhang, Haoyu Zhang, Xinke Jiang, Yuxuan Cheng, Yuhan Pan, Miao Li, Zhipeng Qiao, Tao Feng, Zhen Tao, Dengji Zhao

机构 * ShanghaiTech University（上海科技大学） ； City University of Hong Kong（香港城市大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhejiang University（浙江大学） 纠错

AI总结 研究大型语言模型多步推理中并行推理路径贡献难区分问题，提出基于夏普利值的强化学习框架并行夏普利值方法，通过量化边际贡献等实现按比例分配奖励，实验证明其优于基线且能改进多路径推理。

Comments 19 pages, 4 figures, 8 Tables

Breaking Feedback-Blindness: Utility-Augmented Transformer for Sequential Decision Making

打破反馈盲目性：用于序列决策的效用增强Transformer

Yuyang Shen, Shan Dai, Daimin Chen

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； University of International Business and Economics（对外经济贸易大学） 纠错

AI总结 研究非平稳和部分可观测环境下序列决策问题，提出效用增强Transformer（UAT），通过紧凑效用状态调制注意力检索，解决现有模型反馈盲目性问题，在四个非平稳基准测试中性能优于其他基线。

Comments 25 pages, 6 figures

One Rewrite to Fix Them All? Type-Aware Repair Allocation for Text-to-Image Prompt Optimization

一劳永逸？用于文本到图像提示优化的类型感知修复分配

Haoyue Liu, Xiaoyu Ma, Ye Chen, Shuguang Cui, Xiaoying Tang

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院） ； XJTU-POLIMI Joint School, Xi’an Jiaotong University（西安交通大学-米兰理工大学联合学院） ； Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)（深圳未来智能网络研究院） 纠错

AI总结 研究文本到图像提示优化问题，提出将语义提示优化制定为原子修复分配的方法，在无需训练的TARA框架中实例化，实验表明该方法在多个基准生成器单元中语义准确性最佳，且运行快、图像质量好。

MILP-Evo: Closed-Loop Fully Automatic Design of MILP Solvers

MILP-Evo：混合整数线性规划求解器的闭环全自动设计

Jinbiao Nie, Kewei Feng, Xiaoyuan Zhang, Shan Yin, Zizhuo Wang, Bin Dong

机构 * BUPT（北京邮电大学） ； BZA（未提及具体中文名，推测可能是某个机构简称） ； BIT（北京理工大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； PKU（北京大学） 纠错

AI总结 研究能否将MILP求解器逻辑自动设计为LLM引导的闭环搜索，提出闭环程序演化框架，通过PySCIPOpt实现，在割集选择器和分支规则联合设计上实例化，输出可检查修改部署的组件，在多基准测试中发现有竞争力的策略。