University of Edinburgh（爱丁堡大学）

PRISM: Parallel Reward Integration with Symmetry for MORL

PRISM: 基于对称性的并行奖励整合用于多目标强化学习

Finn van der Knaap, Kejiang Qian, Zheng Xu, Fengxiang He

机构 * University of Edinburgh（爱丁堡大学） ； Meta Superintelligence Labs（Meta超智能实验室） 纠错

AI总结 PRISM通过引入基于对称性的并行奖励整合算法，解决多目标强化学习中稀疏奖励与密集奖励之间的样本效率问题，提升Pareto覆盖和分布平衡。

Neural-HSS: Hierarchical Semi-Separable Neural PDE Solver

神经-HSS：分层半分离神经PDE求解器

Pietro Sittoni, Emanuele Zangrando, Angelo A. Casulli, Nicola Guglielmi, Francesco Tudisco

机构 * Gran Sasso Science Institute, L'Aquila, Italy.（格兰萨索科学研究所） ； University of Edinburgh, UK.（爱丁堡大学） 纠错

AI总结 Neural-HSS通过分层半分离矩阵结构高效求解PDEs，展示在低数据条件下优于基线方法的性能。

Thinking by Subtraction: Confidence-Driven Contrastive Decoding for LLM Reasoning

通过减法思考：基于置信度的对比解码用于大语言模型推理

Lexiang Tang, Weihao Gao, Bingchen Zhao, Lu Ma, Qiao jin, Bang Yang, Yuexian Zou

机构 * Peking University, Beijing, China（北京大学） ； University of Edinburgh, Edinburgh, UK（爱丁堡大学） 纠错

AI总结 通过置信度驱动的对比解码方法提升大语言模型推理可靠性，减少输出长度并提高准确性。

Analyzing LLM Instruction Optimization for Tabular Fact Verification

分析用于表格事实验证的LLM指令优化

Xiaotang Du, Giwon Hong, Wai-Chung Kwan, Rohit Saxena, Ivan Titov, Pasquale Minervini, Emily Allaway

机构 * University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文研究了指令优化在表格事实验证中的应用，发现MiPROv2在CoT中表现最佳，SIMBA在ReAct中效果显著，且CoT在小模型中仍有效。