arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Harvard University(哈佛大学)

共收录 1302
2506.00294 2026-05-13 astro-ph.IM cs.CV

Applying Vision Transformers on Spectral Analysis of Astronomical Objects

将视觉变换器应用于天体物体的光谱分析

Luis Felipe Strano Moraes, Ignacio Becker, Pavlos Protopapas, Guillermo Cabrera-Vives

机构 * Harvard Extension School(哈佛大学延伸学校) Harvard University(哈佛大学) John A. Paulson School of Engineering and Applied Science(约翰·A·保罗森工程与应用科学学院) Department of Computer Science(计算机科学系) Center for Data and Artificial Intelligence(数据与人工智能中心) Millennium Institute of Astrophysics (MAS)(千年天体物理研究所 (MAS)) Millennium Nucleus for Galaxies (MINGAL)(银河千年核 (MINGAL)) Heidelberg Institute for Theoretical Studies(海德堡理论研究所)

AI总结 本文将预训练的视觉变换器应用于天文光谱数据分析,通过将一维光谱转换为二维图像表示,利用空间自注意力机制捕捉局部和全局特征,实现了优于传统方法的分类和红移估计性能。

Comments 9 pages, 9 figures

Journal ref A&A 709, A122 (2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.11161 2026-05-13 cs.LG cs.AI

Interpretability Can Be Actionable

可解释性可以是可操作的

Hadas Orgad, Fazl Barez, Tal Haklay, Isabelle Lee, Marius Mosbach, Anja Reusch, Naomi Saphra, Byron Wallace, Sarah Wiegreffe, Eric Wong, Ian Tenney, Mor Geva

机构 * Kempner Institute at Harvard University(哈佛大学凯默纳研究所) University of Southern California(美国南加州大学) Mila – Quebec AI Institute(魁北克AI研究所) McGill University(麦吉尔大学) Google DeepMind(谷歌DeepMind) Tel Aviv University(特拉维夫大学) University of Pennsylvania(宾夕法尼亚大学) University of Maryland(马里兰大学) University of Oxford(牛津大学) Northeastern University(东北大学) Boston University(波士顿大学)

AI总结 本文探讨了可解释性研究的核心问题,提出应以可操作性作为评价标准,通过具体性和验证性两个维度分析阻碍实际应用的障碍,并提出五个领域和评估框架。

Comments Accepted to ICML 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08571 2026-05-13 cs.RO

BEACON: Cross-Domain Co-Training of Generative Robot Policies via Best-Effort Adaptation

BEACON:通过最佳努力适应进行跨领域生成机器人策略的协同训练

Antong Zhang, Han Qi, Heng Yang

机构 * Department of Computer Science, Brown University(布朗大学计算机科学系) School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院)

AI总结 BEACON提出一种理论驱动框架,通过大量源演示和有限目标演示训练生成机器人策略,通过跨领域协同训练提升鲁棒性和数据效率。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10817 2026-05-12 cs.AI

CLEF: EEG Foundation Model for Learning Clinical Semantics

CLEF:用于学习临床语义的EEG基础模型

Peng Cao, Ali Mirzazadeh, Jong Woo Lee, Aleksandar Videnovic, Dina Katabi

机构 * MIT CSAIL(麻省理工学院计算机科学与人工智能实验室) Brigham and Women’s Hospital, Harvard Medical School(哈佛医学院布里奇沃特医院) Massachusetts General Hospital, Harvard Medical School(哈佛医学院麻省总医院)

AI总结 本文提出CLEF,一种基于临床场景的长上下文EEG基础模型,通过对比学习将EEG会话与神经科报告和结构化电子健康记录对齐,提升了EEG解读的临床相关性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10521 2026-05-12 cs.CV cs.AI

DuetFair: Coupling Inter- and Intra-Subgroup Robustness for Fair Medical Image Segmentation

DuetFair: 联合跨组和内组鲁棒性以实现公平的医学图像分割

Yiqi Tian, Sangjoon Park, Bo Zeng, Pengfei Jin, Yujin Oh, Quanzheng Li

机构 * Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School(先进医学计算与分析中心,麻省总医院和哈佛医学院) Department of Industrial Engineering, University of Pittsburgh(工业工程系,匹兹堡大学) Department of Radiation Oncology, College of Medicine, Yonsei University(放射肿瘤学系,延世大学医学院) Institute for Innovation in Digital Healthcare, Yonsei University(数字医疗创新研究所,延世大学) Department of Biomedical Systems Informatics, College of Medicine, Yonsei University(生物医学系统信息学系,延世大学医学院)

AI总结 本文提出DuetFair机制,通过联合考虑跨组适应和内组鲁棒性,解决医学图像分割中内组隐藏失败问题,并在三个医学图像分割基准上验证了FairDRO的有效性。

Comments 16 pages, 2 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10019 2026-05-12 cs.LG cs.AI cs.CC stat.ML

The two clocks and the innovation window: When and how generative models learn rules

两个时钟与创新窗口:生成模型何时以及如何学习规则

Binxu Wang, Emma Lucia Byrnes Finn, Bingbin Liu

机构 * Kempner Institute at Harvard University(哈佛大学凯普纳研究所)

AI总结 本文研究生成模型在学习规则时的两个关键时间尺度,分析了规则有效性与记忆时间对创新窗口的影响,并揭示了扩散和自回归模型中的一致结构。

Comments 48 pages, 28 figures. Earlier versions are presented in NeurIPS2025 SPIGM workshop as oral presentation https://openreview.net/forum?id=LjqX8OhPPi

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09967 2026-05-12 cs.LG

Tensor Product Representation Probes Reveal Shared Structure Across Linear Directions

张量积表示探针揭示线性方向间的共同结构

Andrew Lee, Fernanda Viégas, Martin Wattenberg

机构 * Harvard University(哈佛大学) Google DeepMind(谷歌DeepMind)

AI总结 研究通过张量积表示探针揭示语言模型中线性方向的共同结构,发现线性探针可通过张量积探针参数恢复。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09588 2026-05-12 cs.GT cs.AI cs.LG

Efficient Ensemble Selection from Binary and Pairwise Feedback

从二元和成对反馈中高效选择集成

Tzeh Yuan Neoh, Nicholas Teh, Je Qin Chooi, Paul W. Goldberg, Milind Tambe

机构 * Harvard University(哈佛大学) University of Oxford(牛津大学)

AI总结 研究在未知领域分布下,通过二元和成对反馈选择高效集成的方法,提出基于覆盖的优化策略和失败条件贪心算法,同时探讨θ-胜利委员会的优化与子模性放松。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09422 2026-05-12 cs.CL cs.CV

Perception Without Engagement: Dissecting the Causal Discovery Deficit in LMMs

无参与的感知:LMMs中因果发现缺陷的剖析

Jiafeng Liang, Zhihao Zhu, Zihan Zhang, Baoqi Ren, Shixin Jiang, Runxuan Liu, Tao Ren, Ming Liu, See-Kiong Ng, Bing Qin

机构 * Harbin Institute of Technology(哈尔滨工业大学) Pengcheng Laboratory(鹏城实验室) National University of Singapore(新加坡国立大学) Peking University(北京大学) Harvard University(哈佛大学)

AI总结 本文探讨了大型多模态模型在因果发现中的缺陷,提出ProCauEval评估协议和ADPO框架,通过扰动分析揭示模型在视觉和文本模态间的依赖关系,提升视觉推理能力。

Comments 17 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09360 2026-05-12 cs.LG cs.AI cs.CL cs.SE

Your Simulation Runs but Solves the Wrong Physics: PDE-Grounded Intent Verification for LLM-Generated Multiphysics Simulation Code

你的模拟运行但解错了物理:基于PDE的意图验证用于LLM生成的多物理场模拟代码

Zhenghan Song, Yulong Liu, Cheng Wan, Chenjun Li, Lingfu Liu, Yunyi Li, Congcong Yuan

机构 * Cornell University(康奈尔大学) Columbia University(哥伦比亚大学) Harvard University(哈佛大学) Nanyang Technological University(南洋理工大学)

AI总结 本文提出基于PDE的意图验证方法,用于检查LLM生成的多物理场模拟代码是否符合预期物理,通过确定性重构和比较PDE结构提升代码的意图保真度。

Comments Preprint

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09314 2026-05-12 cs.AI

How LLMs Are Persuaded: A Few Attention Heads, Rerouted

大语言模型如何被说服:几个被重定向的注意力头

Xiangkun Sun, Lingkai Kong, Aoqi Zhang, Liang Zeng, Tonghan Wang

机构 * Northeastern University(东北大学) Harvard University(哈佛大学) Tsinghua University(清华大学) Skywork AI

AI总结 研究揭示大语言模型在被说服时,少量中间层注意力头决定答案,通过重定向注意力产生事实性错误,该机制在开源LLM和现实攻击场景中均有效。

Comments 9 pages, 9 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09272 2026-05-12 cs.AI cs.CL cs.CV

Towards Conversational Medical AI with Eyes, Ears and a Voice

面向有眼睛、耳朵和声音的对话式医疗AI

Meet Shah, Jason Gusdorf, Anil Palepu, Chunjong Park, Jack W. O'Sullivan, Vishnu Ravi, Tim Strother, Pavel Dubov, Aliya Rysbek, Toshiyuki Fukuzawa, Yana Lunts, Jan Freyberg, Michael B. Chang, Aniruddh Raghu, David Stutz, Devora Berlowitz, Eliseo Papa, Taylan Cemgil, JD Velasquez, Jack Chen, Arthur Chen, Doug Fritz, Charlie Taylor, Katya Tregubova, Jing Rong Lim, Richard Green, Sara Mahdavi, Mahvish Nagda, Jihyeon Lee, Craig Schiff, Liviu Panait, Sukhdeep Singh, Valentin Liévin, David G. T. Barrett, Hannah Gladman, Anna Cupani, Francesca Pietra, Uchechi Okereke, Katherine Tong, Clemens Meyer, Erwan Rolland, Mili Sanwalka, Michael D. Howell, Shixiang Shane Gu, Bibo Xu, Euan A. Ashley, S. M. Ali Eslami, Gregory Wayne, Pushmeet Kohli, Vivek Natarajan, Adam Rodman, Alan Karthikesalingam, Ryutaro Tanno

机构 * Google DeepMind(谷歌DeepMind) Google Research(谷歌研究) Beth Israel Deaconess Medical Center, Harvard Medical School(贝塞斯达医院, 哈佛医学院) Stanford University(斯坦福大学)

AI总结 本文提出AI co-clinician系统,利用音频视频数据实现实时临床决策,通过TelePACES评估标准显示其在管理计划和诊断差异方面接近医生,但在体格检查和疾病特异性推理上仍有不足。

Comments Video examples are available on Youtube: https://youtu.be/y5Vaa_SN1t0, https://youtu.be/dC4icb75vLQ, and https://youtu.be/E7iEvWo-E6c

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.07027 2026-05-12 cs.AI cs.CL cs.LG cs.NE physics.chem-ph

LLM-Augmented Chemical Synthesis and Design Decision Programs

基于大语言模型的化学合成与设计决策程序

Haorui Wang, Jeff Guo, Lingkai Kong, Rampi Ramprasad, Philippe Schwaller, Yuanqi Du, Chao Zhang

机构 * École Polytechnique Fédérale de Lausanne (EPFL)(瑞士联邦理工学院洛桑校区) National Centre of Competence in Research (NCCR) Catalysis(催化领域竞争力研究国立中心) Harvard University(哈佛大学) Cornell University(康奈尔大学)

AI总结 本文提出利用大语言模型增强的 retrosynthesis 规划方法,通过高效编码反应路径和新的路线搜索策略,提升多步合成规划与可合成分子设计能力。

Comments ICML 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09009 2026-05-12 cs.LG cs.AI

Large Language Models for Sequential Decision-Making: Improving In-Context Learning via Supervised Fine-Tuning

用于序列决策的大型语言模型:通过监督微调提升上下文学习

Minmin Zhang, Sina Aghaei, Soroush Saghafian

机构 * Harvard University(哈佛大学)

AI总结 本文研究了大型语言模型在序列决策任务中的上下文学习能力,通过监督微调提升其在马尔可夫决策过程等场景中的决策性能,实验表明微调后的模型在复杂环境中表现更优。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08485 2026-05-12 stat.ML cs.LG math.ST stat.ME stat.TH

Sinkhorn Treatment Effects: A Causal Optimal Transport Measure

Sinkhorn治疗效应:一种因果最优传输度量

Medha Agarwal, Alex Luedtke

机构 * Department of Statistics, University of Washington, Seattle, WA, USA(华盛顿大学统计学系) Department of Health Care Policy, Harvard Medical School, Boston, MA, USA(哈佛医学院医疗政策系)

AI总结 本文提出Sinkhorn治疗效应,作为因果分布差异的熵最优传输度量,通过核方法构建去偏估计器,并提出聚合检验方法以提高测试效力。

Comments 55 pages, 6 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.21456 2026-05-12 cs.LG cs.RO

Tempered Sequential Monte Carlo for Trajectory and Policy Optimization with Differentiable Dynamics

温控序贯蒙特卡洛用于具有可微动力学的轨迹和策略优化

Heng Yang

机构 * Harvard University(哈佛大学)

AI总结 本文提出温控序贯蒙特卡洛方法,用于在可微动力学下进行有限时间跨度的轨迹和策略优化,通过将控制器设计转化为推断问题,结合退火方案和哈密顿蒙特卡洛方法,提升采样效率和优化性能。

Comments Robotics: Science and Systems 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.03190 2026-05-12 cs.LG cs.AI cs.CL

PrAg-PO: Prompt Augmented Policy Optimization for Robust and Diverse Mathematical Reasoning

PrAg-PO:用于鲁棒且多样数学推理的提示增强策略优化

Wenquan Lu, Hai Huang, Enqi Liu, Randall Balestriero

机构 * Brown University(布朗大学) Palona AI Harvard University(哈佛大学)

AI总结 本文提出PrAg-PO,通过混合提示模板与特定格式奖励提升大语言模型的数学推理能力,增强鲁棒性和多样性,优于GRPO和DAPO。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.23025 2026-05-12 cs.CL cs.AI

LENS: LLM-Enabled Narrative Synthesis for Mental Health by Aligning Multimodal Sensing with Language Models

LENS:通过对齐多模态传感与语言模型实现LLM赋能的叙事合成用于心理健康

Wenxuan Xu, Arvind Pillai, Subigya Nepal, Amanda C Collins, Daniel M Mackin, Michael V Heinz, Tess Z Griffin, Nicholas C Jacobson, Andrew Campbell

机构 * Dartmouth College(达特茅斯学院) University of Virginia(弗吉尼亚大学) Massachusetts General Hospital(麻省总医院) Harvard Medical School(哈佛医学院)

AI总结 本文提出LENS框架,通过将多模态传感数据与语言模型对齐,生成临床相关的心理健康叙述。该方法构建大规模数据集并训练补丁级编码器,提升对长时序传感器数据的处理能力,实验显示其在自然语言处理指标和症状严重性准确性上优于基线模型。

Comments Camera-ready version. Additional experiments

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.04233 2026-05-12 cs.LG cs.AI

PAINET: A Principled Efficient Transformer for 3D Dynamics Modeling

PAINET:一种基于原理的高效变压器用于3D动态建模

Kai Yang, Yuqi Huang, Junheng Tao, Wanyu Wang, Qitian Wu

机构 * Department of Computer Science and Engineering, Shanghai Jiao Tong University(上海交通大学计算机科学与工程系) Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) School of Artificial Intelligence, Shanghai Jiao Tong University(上海交通大学人工智能学院) SJTU Paris Elite Institute of Technology, Shanghai Jiao Tong University(上海交通大学巴黎精英理工学院) Department of Physics, Harvard University(哈佛大学物理系) Harvard-MIT Center for Ultracold Atoms(哈佛-麻省理工冷原子中心) Eric and Wendy Schmidt Center, Broad Institute of MIT and Harvard(MIT和哈佛大学Broad研究所埃里克和wendy Schmidt中心)

AI总结 本文提出PAINET,一种基于SE(3)等价性的变压器,用于学习多体系统的所有对相互作用,通过物理启发的注意力网络和并行解码器,在多个真实世界基准上实现了3D动态预测的误差降低。

Comments 24 pages, published as a conference paper at ICLR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.26574 2026-05-12 cs.AI cond-mat.other cs.CL hep-th quant-ph

Probing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmark

探测人工智能推理的临界点(CritPt):一个前沿物理研究基准

Minhui Zhu, Minyang Tian, Xiaocheng Yang, Tianci Zhou, Lifan Yuan, Penghao Zhu, Eli Chertkov, Shengyan Liu, Yufeng Du, Ziming Ji, Indranil Das, Qingzhi Chen, Junyi Cao, Yufeng Du, Jiabin Yu, Peixue Wu, Jinchen He, Yifan Su, Yikun Jiang, Yujie Zhang, Chang Liu, Ze-Min Huang, Weizhen Jia, Yunkai Wang, Farshid Jafarpour, Yong Zhao, Xinan Chen, Jessie Shelton, Aaron W. Young, John Bartolotta, Wenchao Xu, Yue Sun, Anjun Chu, Victor Colussi, Chris Akers, Nathan Brooks, Wenbo Fu, Jinchao Zhao, Marvin Qi, Anqi Mu, Yubo Yang, Allen Zang, Yang Lyu, Peizhi Mai, Christopher Wilson, Xuefei Guo, Juntai Zhou, Daniel Inafuku, Chi Xue, Luyu Gao, Ze Yang, Yaïr Hein, Yonatan Kahn, Kevin Zhou, Di Luo, John Drew Wilson, Jarrod T. Reilly, Dmytro Bandak, Ofir Press, Liang Yang, Xueying Wang, Hao Tong, Nicolas Chia, Eliu Huerta, Hao Peng

机构 * Argonne National Laboratory(阿贡国家实验室) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Virginia Tech(弗吉尼亚理工大学) Ohio State University(俄亥俄州立大学) Independent(独立) Northeastern University(东北大学) Caltech(加州理工学院) University of Florida(佛罗里达大学) University of Waterloo(滑铁卢大学) University of Maryland, College Park(马里兰大学学院公园分校) Columbia University(哥伦比亚大学) Perimeter Institute for Theoretical Physics(理论物理研究所) University of Connecticut(康涅狄格大学) University of Cologne(科隆大学) The Chinese University of Hong Kong(香港中文大学) Utrecht University(乌得勒支大学) Harvard University(哈佛大学) ETH Zürich(苏黎世联邦理工学院) Paul Scherrer Institute(保罗·谢尔研究所)

AI总结 本文提出CritPt基准,用于测试LLM在未发表的科研级推理任务中的能力,涵盖现代物理多个领域,发现当前LLM在复杂科研挑战中表现有限,仅能实现5.7%的准确率。

Comments 40 pages, 6 figures, 6 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2410.02543 2026-05-12 cs.NE cs.LG

Diffusion Models are Evolutionary Algorithms

扩散模型是进化算法

Yanbo Zhang, Benedikt Hartl, Hananel Hazan, Michael Levin

机构 * Allen Discovery Center at Tufts University(塔夫茨大学阿伦发现中心) Institute for Theoretical Physics, TU Wien(理论物理研究所,维也纳技术大学) Wyss Institute for Biologically Inspired Engineering at Harvard University(哈佛大学生物启发工程研究所)

AI总结 本文揭示扩散模型本质上是进化算法,通过将进化视为去噪过程,提出扩散进化方法以高效寻找多最优解,同时引入潜在空间扩散进化以减少计算步骤。

Comments Accepted by International Conference on Learning Representations (ICLR) 2025

Journal ref Proceedings of the International Conference on Learning Representations (ICLR), 2025, pp. 74873-74894

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08408 2026-05-12 cs.LG

AdamFLIP: Adaptive Momentum Feedback Linearization Optimization for Hard Constrained PINN Training

AdamFLIP: 适应性动量反馈线性化优化用于硬约束PINN训练

Binghang Lu, Runyu Zhang, Changhong Mou, Na Li, Guang Lin

机构 * Purdue University(普渡大学) Massachusetts Institute of Technology(麻省理工学院) Utah State University(犹他州立大学) Harvard University(哈佛大学)

AI总结 本文提出AdamFLIP方法,将PINN训练转化为等式约束优化问题,通过反馈线性化技术提升约束满足能力,实验表明其在PDE问题中优于传统软约束PINN和现有约束优化器。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08360 2026-05-12 cs.AI

Embeddings for Preferences, Not Semantics

偏好而非语义的嵌入

Carter Blair, Ariel D. Procaccia, Milind Tambe

机构 * Harvard University(哈佛大学)

AI总结 本文提出通过偏好相似性而非语义相似性来嵌入文本,改进集体决策中的偏好预测,通过合成数据打破语义与偏好的相关性,提升11个在线讨论数据集的预测效果。

Comments 28 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08326 2026-05-12 cs.LG cs.AI

LLM Advertisement based on Neuron Auctions

基于神经拍卖的大型语言模型广告

Peiran Yun, Wenxin Xu, Jiayuan Liu, Yihang Zhang, Liang Zeng, Lingkai Kong, Tonghan Wang

机构 * Tsinghua University(清华大学) Carnegie Mellon University(卡内基梅隆大学) Harvard University(哈佛大学)

AI总结 本文提出神经拍卖机制,通过在LLM内部表示中进行拍卖,解决广告嵌入中的收益、平台收入与用户体验平衡问题,实现策略-proof且优化平台收益。

Comments 17 pages, 9 figures, including appendices

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08060 2026-05-11 cs.CL cs.AI cs.GT cs.MA

The Memory Curse: How Expanded Recall Erodes Cooperative Intent in LLM Agents

记忆诅咒:扩展回忆如何在LLM代理中侵蚀合作意图

Jiayuan Liu, Tianqin Li, Shiyi Du, Xin Luo, Haoxuan Zeng, Emanuel Tewolde, Tai Sing Lee, Tonghan Wang, Carl Kingsford, Vincent Conitzer

机构 * Carnegie Mellon University(卡内基梅隆大学) Foundations of Cooperative AI Lab (FOCAL)(合作人工智能基础实验室) University of Michigan(密歇根大学) Harvard University(哈佛大学)

AI总结 研究发现扩展回忆会系统性地削弱多代理社会困境中的合作意图,通过三种分析揭示记忆内容对合作的影响,证明记忆是影响多代理行为的主动因素。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08019 2026-05-11 cs.AI q-bio.NC

Reason to Play: Behavioral and Brain Alignment Between Frontier LRMs and Human Game Learners

玩乐的动机:前沿LRMs与人类游戏学习者的行为与大脑对齐

Botos Csaba, Sreejan Kumar, Austin Tudor David Andrews, Laurence Hunt, Chris Summerfield, Joshua B. Tenenbaum, Rui Ponte Costa, Marcelo G. Mattar, Momchil Tomov

机构 * University of Oxford(牛津大学) Columbia University(哥伦比亚大学) New York University(纽约大学) Massachusetts Institute of Technology(麻省理工学院) Harvard University(哈佛大学)

AI总结 本文研究了前沿LRMs在游戏学习中的行为与大脑活动对齐情况,发现其在游戏发现阶段更接近人类行为,并能更准确预测大脑活动。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.03147 2026-05-11 cs.CL cs.AI cs.CY

Valence-Arousal Subspace in LLMs: Circular Emotion Geometry and Multi-Behavioral Control

情感价值-唤醒子空间在大语言模型中:圆形情感几何与多行为控制

Lihao Sun, Lewen Yan, Xiaoya Lu, Andrew Lee, Jie Zhang, Jing Shao

机构 * University of Chicago(芝加哥大学) Shanghai AI Lab(上海人工智能实验室) Harvard University(哈佛大学)

AI总结 研究揭示大语言模型中的情感向量由二维情感价值-唤醒子空间组织,通过主成分分解和岭回归恢复情感操控向量,实现对生成文本情感属性的单向控制及多下游行为的双向控制。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.04774 2026-05-11 cond-mat.dis-nn cs.LG stat.ML

Theory of Optimal Learning Rate Schedules and Scaling Laws for a Random Feature Model

优化学习率调度与随机特征模型的缩放定律理论

Blake Bordelon, Francesco Mori

机构 * Center for Mathematical Sciences and Applications, Harvard University(哈佛大学数学科学中心)

AI总结 本文研究了随机特征模型中最优学习率调度与缩放定律,通过分析易相和难相,提出优化调度方法并验证其在ResNet和GPT-2任务中的有效性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.07086 2026-05-11 cs.CV cs.LG

Task Relevance Is Not Local Replaceability: A Two-Axis View of Channel Information

任务相关性并非局部可替换性:通道信息的双轴视角

Houman Safaai, Andrew T. Landau, Celia C. Beron, Yasin Mazloumi, Bernardo L. Sabatini

机构 * Kempner Institute for the Study of Natural and Artificial Intelligence(自然与人工智能研究学院) Harvard University(哈佛大学) Department of Neurobiology, Howard Hughes Medical Institute(神经生物学系,霍华德·休斯医学研究所) Harvard Medical School(哈佛医学院)

AI总结 本文提出双轴视角分析通道重要性,区分任务相关性和局部可替换性,发现不同轴在不同网络中表现各异,局部轴更可靠预测可删除性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.07080 2026-05-11 cs.AI cs.DS

Online Allocation with Unknown Shared Supply

在线分配与未知共享供应

Tzeh Yuan Neoh, Davin Choo, Mengchu Yue, Milind Tambe

机构 * Harvard University(哈佛大学)

AI总结 本文提出OSSA问题,研究在未知供应下在线分配资源的方法,提出GPA策略并证明其在4/3倍近似最优,同时展示学习增强扩展在稀缺供应下的优越性。

详情

展开后加载摘要…

URL PDF HTML 收藏