Massachusetts Institute of Technology（麻省理工学院）

The Radio-Frequency Transformer for Signal Separation

射频变压器用于信号分离

Egor Lifar, Semyon Savkin, Rachana Madhukara, Tejas Jayashankar, Yury Polyanskiy, Gregory W. Wornell

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出了一种基于Transformer的射频信号分离方法，通过改进的分词器和交叉熵损失训练，实现了在QPSK信号分离中的显著性能提升，并展示了其在其他科学传感问题中的应用潜力。

Improving through Interaction: Searching Behavioral Representation Spaces with CMA-ES-IG

通过交互改进：利用CMA-ES-IG搜索行为表示空间

Nathaniel Dennler, Zhonghao Shi, Yiran Tao, Andreea Bobu, Stefanos Nikolaidis, Maja Matarić

机构 * CSAIL/AeroAstro, Massachusetts Institute of Technology（CSAIL/AeroAstro，麻省理工学院） ； Department of Computer Science, University of Southern California（计算机科学系，南加州大学） 纠错

AI总结 本文提出CMA-ES-IG算法，通过整合用户体验考虑，提升机器人行为偏好学习的效率和鲁棒性。

Comments Under submission to IJRR

A Consequentialist Critique of Binary Classification Evaluation: Theory, Practice, and Tools

二元分类评估的后果论批判：理论、实践与工具

Gerardo Flores, Abigail Schiff, Alyssa H. Smith, Julia A Fukuyama, Ashia C. Wilson

机构 * MIT（麻省理工学院） ； Brigham & Women’s Hospital（布里奇沃特医院） ； Northeastern Indiana U.（东北印度纳大学） 纠错

AI总结 本文从决策理论角度批判二元分类评估方法，提出决策理论框架和工具briertools，改进Brier分数并调和其与决策曲线分析。

Scalable Message Passing Neural Networks: No Need for Attention in Large Graph Representation Learning

可扩展的消息传递神经网络：在大规模图表示学习中无需注意力

Haitz Sáez de Ocáriz Borde, Artem Lukoianov, Anastasis Kratsios, Michael Bronstein, Xiaowen Dong

机构 * University of Oxford（牛津大学） ； Massachusetts Institute of Technology（麻省理工学院） ； McMaster University（麦马斯特大学） ； Vector Institute（向量研究所） ； AITHYRA 纠错

AI总结 本文提出SMPNNs，通过替代注意力机制，实现高效的大规模图表示学习，克服传统GNN的过平滑问题，提升性能。