The University of Hong Kong（香港大学）

Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation

读回：预训练的多模态语言模型是文本到图像生成的零样本奖励模型

Runhui Huang, Qihui Zhang, Zhe Liu, Yu Gao, Jie Wu, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； ByteDance Seed（字节跳动Seed） ； Peking University（北京大学） 纠错

AI总结 研究提出SpectraReward将预训练多模态语言模型转为图像生成强化学习奖励模型，用图像条件提示对数似然作奖励，还引入Self-SpectraReward形成闭环框架。经广泛实验验证，二者能提升生成性能，表明奖励-策略对齐是关键。

LayerNorm as Implicit Gain Control in Looped Transformers

层归一化在循环变压器中作为隐式增益控制

Matthias M. M. Buehlmaier

机构 * Faculty of Business and Economics, The University of Hong Kong（香港大学经管学院） 纠错

AI总结 研究预层归一化循环变压器中层归一化作用，指出其为隐式增益控制，分析稳定性预算及进位约束，通过六个任务实验表明线性进位非深度记忆机制，刻画该说法边界，结果经解析得出并在CPU规模实现中验证。

Comments 23 pages, 6 figures, 13 tables. Code available at https://github.com/clojure-finance/mythjure/tree/paper-v1

Approximation of Analytic Functions by ReLU Neural Networks with Adjustable Depth and Width

具有可调深度和宽度的ReLU神经网络对解析函数的逼近

Yanming Lai, Defeng Sun, Yang Wang

机构 * Department of Mathematics, The University of Hong Kong（香港大学数学系） 纠错

AI总结 本文研究通过ReLU网络在$(N,L)$表征下对解析函数的逼近，推导了$\mathcal{O}\left(N^{-C L^{\tau}}\right)$的逼近率，揭示解析函数逼近中深度比宽度更关键，通过精细构造网络克服光滑度与精度权衡的技术难点。

Comments 47 pages, 4 figures, 1 table