SP3O: Reinforcement Learning from Segment Preferences without Reward Modeling
SP3O：无需奖励建模的分段偏好强化学习
机构 * University of Michigan（密歇根大学）
AI总结 SP3O是一种无需奖励建模的新型PbRL算法，利用分段级偏好反馈，通过PPO型损失函数优化策略，在机器人控制和LLM微调等长视界任务中性能优于现有算法。
高校专区
University of Michigan（密歇根大学安娜堡分校）
GeoID-PINN: Identifiability-Aware Regional Epidemic Inference with Geographic Coupling
GeoID-PINN：考虑地理耦合的可识别性感知区域流行病推断方法
机构 * University of Michigan（密歇根大学）
AI总结 本研究提出GeoID-PINN，一种结合地理耦合与正则化的物理信息神经网络，用于区域流行病SIRD动力学推断，在模拟数据与路易斯安那州64个县COVID-19数据上均提升了预测准确性。
Comments 11 pages, 3 figures. Accepted at the 8th epiDAMIK ACM SIGKDD Workshop on Data-driven Decision Making for Public and Population Health (epiDAMIK @ KDD 2026)
