高校专区
在线学习与排名反馈下的均衡计算
机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Northeastern University（东北大学）
AI总结 本文研究了在仅获得动作排名反馈的在线学习模型，探讨了不同排名机制下的子线性遗憾算法，并在特定条件下实现近似粗相关均衡。
一种用于从临床笔记中识别患者健康素养信息的数据集和资源
机构 * National Library of Medicine（国家医学图书馆） ； Massachusetts Institute of Technology（麻省理工学院） ； Yonsei University College of Medicine（延世大学医学院） ； Beth Israel Deaconess Medical Center（贝斯以色列医疗中心） ； NYC Health + Hospitals - Lincoln（纽约市卫生局-林肯医院）
AI总结 本文提出HEALIX数据集，通过社会工作者笔记采样、关键词过滤和LLM主动学习方法，标注了589个临床笔记的健康素养信息，验证了其在不同大语言模型上的应用效果。
量子扩散模型中反向扩散并非免费
机构 * Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA（麻省理工学院）
AI总结 研究探讨了量子扩散模型中反向扩散的精确规律，证明了在纯损失动力学下，反向最优解存在从无噪声到有噪声的转变，并确定了最小成本。结果为量子反向扩散理论提供了精确的高斯基准。
贝叶斯估计中的计算-效用-隐私权衡
机构 * Harvard（哈佛大学） ； ETH Zurich（苏黎世联邦理工学院） ； MIT（麻省理工学院）
AI总结 本文首次提出高效的算法，在保证隐私的前提下实现贝叶斯估计的最优误差，同时揭示了计算与统计之间的差距。
Comments To appear at STOC 2026
梯度引导的时间采样提升PDE代理训练中的回放精度
机构 * School of Future Technology, South China University of Technology, China（未来技术学院，华南理工大学，中国） ； State Key Laboratory of Ocean Sensing & Ocean College, Zhejiang University, China（海洋感知国家重点实验室及海洋学院，浙江大学，中国） ； Kavli Institute for Astrophysics and Space Research, Massachusetts Institute of Technology, USA（天体物理与空间研究所，麻省理工学院，美国）
AI总结 本文提出梯度引导的时间采样方法，通过平衡模型特异性和动态信息，提升PDE代理训练中的回放精度，实验显示其在多个PDE系统和模型中表现更优。
模拟到规则：一个双VLM框架用于正式视觉规划
机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
AI总结 本文提出VLMFP框架，结合SimVLM和GenVLM实现自动生成PDDL问题和领域文件，提升视觉规划的精确性和泛化能力。
Comments 40 pages, 6 figures, 13 tables
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈