Harvard University（哈佛大学） - arXivDaily 高校专区

2306.04810 2026-03-27 cs.NE cs.IT cs.LG math.IT q-bio.NC

Correlative Information Maximization: A Biologically Plausible Approach to Supervised Deep Neural Networks without Weight Symmetry

相关信息最大化：一种生物合理的方法用于无权重对称性的监督深度神经网络

Bariscan Bozkurt, Cengiz Pehlevan, Alper T Erdogan

机构 * Gatsby Computational Neuroscience Unit, UCL（伦敦大学学院盖茨比计算神经科学单元）； KUIS AI Center, Koc University（科奇大学KUIS人工智能中心）； EEE Department, Koc University（科奇大学电气与电子工程系）； John A. Paulson School of Engineering & Applied Sciences and Center for Brain Science, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院及脑科学中心）； Kempner Institute for the Study of Natural and Artificial Intelligence（肯普纳自然与人工智能研究所）

AI总结本文提出相关信息最大化作为生物神经网络信号传播的替代规范方法，解决了传统神经网络和反向传播算法的生物合理性问题，并提供了一种无权重对称性的解决方案。

Comments Neurips published version

2603.24676 2026-03-27 cs.AI cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph physics.soc-ph

When Is Collective Intelligence a Lottery? Multi-Agent Scaling Laws for Memetic Drift in LLMs

集体智慧何时是一场彩票？LLM中膜etic漂移的多智能体缩放定律

Hidenori Tanaka

机构 * CBS–NTT Program in Physics of Intelligence（物理智能中心-NTT项目）； Center for Brain Science（脑科学中心）； Harvard University（哈佛大学）； Physics of Artificial Intelligence Group（人工智能物理研究组）； NTT Research, Inc.（NTT研究公司）

AI总结研究通过QSG模型揭示LLM多智能体系统中集体共识的形成机制，发现共识可能由膜etic漂移驱动，提出基于群体规模、通信带宽等因素的缩放定律。

Comments 19 pages, 10 figures

2603.21152 2026-03-27 physics.geo-ph cs.AI

TRACE: A Multi-Agent System for Autonomous Physical Reasoning for Seismology

TRACE：一种用于地震学自主物理推理的多智能体系统

Feng Liu, Jian Xu, Xin Cui, Xinghao Wang, Zijie Guo, Jiong Wang, S. Mostafa Mousavi, Xinyu Gu, Hao Chen, Ben Fei, Lihua Fang, Fenghua Ling, Zefeng Li, Lei Bai

机构 * School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院）； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）； School of Earth and Space Sciences, University of Science and Technology of China（中国科学技术大学地球和空间科学学院）； Department of Earth and Planetary Sciences, Harvard University（哈佛大学地球与行星科学系）； Institute of Earthquake Forecasting, China Earthquake Administration（中国地震局地震预报研究所）

AI总结 TRACE通过结合大语言模型规划与正式地震学约束，从原始观测中推导出可审计的物理机制，解决了地震序列物理机制推断的挑战，推动了地球科学从专家依赖分析向知识引导的自主发现发展。

Comments 25 pages for main text and 164 pages for appendices

2006.09534 2026-03-27 cs.IT cs.LG eess.SP math.IT

Discriminative reconstruction via simultaneous dense and sparse coding

通过同时密集和稀疏编码进行判别重建

Abiy Tasissa, Emmanouil Theodosis, Bahareh Tolooshams, Demba Ba

机构 * Department of Mathematics, Tufts University（塔夫茨大学数学系）； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院）

AI总结本文提出结合表示能力和判别特征的新型密集稀疏编码模型，通过几何条件和凸优化方法恢复密集和稀疏向量，并验证了密集稀疏自编码器在图像去噪和频率内容捕捉方面的有效性。

Comments 27 pages. Made changes to improve the clarity and presentation of the paper