University of Michigan（密歇根大学安娜堡分校）

Maximin Relative Improvement: Fair Learning as a Bargaining Problem

最大化相对改进：将公平学习视为讨价还价问题

Jiwoo Han, Moulinath Banerjee, Yuekai Sun

机构 * Department of Statistics, University of Michigan, Ann Arbor, USA（密歇根大学统计学系，安阿伯，美国） 纠错

AI总结 提出将群体公平解释为子群体间的讨价还价问题，通过相对改进指标恢复Kalai-Smorodinsky解，并给出公理化和有限样本收敛保证。

Comments Accepted at ICML 2026

Branch-and-Browse: Efficient and Controllable Web Exploration with Tree-Structured Reasoning and Action Memory

Branch-and-Browse：具有树状推理与动作记忆的高效可控网页探索

Shiqi He, Yue Cui, Xinyu Ma, Yaliang Li, Bolin Ding, Mosharaf Chowdhury

机构 * University of Michigan（密歇根大学） ； Alibaba Group（阿里巴巴集团） ； McMaster University（麦马斯特大学） 纠错

AI总结 提出Branch-and-Browse框架，通过树状结构化推理、网页状态重放和页面动作记忆，实现LLM网页代理的高效可控多分支探索，在WebArena上成功率35.8%，执行时间降低40.4%。