University of Michigan（密歇根大学安娜堡分校）

Offline-to-Online Creative Optimization with Generative Models and Adaptive Testing

基于生成模型和自适应测试的离线到在线创意优化

Kevin Lee, Benjamin Letham, Zhiyuan Jerry Lin, Elodie Samson, Eric Onofrey, Poppy Zhang, Shawndra Hill, Eytan Bakshy

机构 * University of Michigan（密歇根大学） ； Meta 纠错

AI总结 研究如何利用历史A/B测试数据，通过性能驱动的离线到在线工作流程，用预测模型指导生成测试广告位候选创意，经实验验证该方法能有效提升创意参与度，为创意优化提供设计原则。

PRISM: Polynomial Representations for Interaction-Structured Motor Control

PRISM：用于交互结构运动控制的多项式表示

Seung Hyun Lee, Stella X. Yu

机构 * University of Michigan（密歇根大学） 纠错

AI总结 研究针对机器人观察中物理变量交互作用问题，提出PRISM策略表示，通过因式分解多项式模块展现高阶交互特征，在强化和模仿学习中应用，提升了人形机器人运动等性能，还能产生无传感器柔顺行为，表明多项式表示应成运动控制标准选择。

A Replay-Constrained Simulation Framework for Personalization of Powered Knee--Ankle Prosthesis Controllers

用于动力膝盖-脚踝假肢控制器个性化的重放约束模拟框架

Duong Le, Ryan Posh, Shihao Cheng, Maani Ghaffari, Robert D. Gregg

机构 * College of Engineering, University of Michigan（密歇根大学工程学院） 纠错

AI总结 研究动力假肢腿阻抗控制器个性化难题，提出重放约束模拟框架，通过再现动力学、重放数据绕过复杂人类机制，用深度强化学习策略个性化关节参数，经实验验证有强预测有效性，提升生物模仿奖励。