高校专区
过剩智能与匮乏需求：快速AI采纳的宏观金融压力测试
机构 * Department of Electrical and Computer Engineering, New York University（纽约大学电气与计算机工程系）
AI总结 本文提出快速AI采纳的宏观金融压力测试，揭示AI生成的过剩与需求匮乏并存的机制，通过三种传导路径分析其对金融系统的影响，并提出可检验的预测与模拟条件。
DOCFORGE-BENCH：一个全面的零样本文档伪造检测与分析基准
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California, Irvine（加州大学尔湾分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Duke University（杜克大学） ； University of California, Davis（加州大学戴维斯分校） ； New York University（纽约大学） ； Georgetown University（乔治城大学）
AI总结 DOCFORGE-BENCH提出首个零样本文档伪造检测基准，揭示校准失败问题，强调阈值适应对实际部署的重要性。
UAT-LITE：推理时间不确定性感知注意力用于预训练变换器
机构 * University of Central Florida（佛罗里达大学中央分校） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Meharry Medical College（梅哈里医学院） ； University of Southern Queensland（昆士兰南方大学） ； New York University（纽约大学）
AI总结 UAT-LITE通过在预训练变换器中引入不确定性感知的自注意力机制，提升模型在不确定情况下的预测能力，减少校准误差，提高选择性预测效果。
逐步引导策略优化：在GRPO中着色你的错误推理
机构 * Department of Industrial Engineering and Operations Research（工业工程与运营管理系） ； Department of Mathematics（数学系） ； Columbia University（哥伦比亚大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Stern School of Business, New York University（纽约大学斯特恩商学院）
AI总结 SGPO通过引入组内响应多样性，解决GRPO在所有负样本组时无法更新策略的问题，提升推理模型性能。
Comments Accepted by TMLR; 47 pages
质量优于数量：通过影响函数进行演示数据的 curated
机构 * KAIST（韩国科学技术院） ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学）
AI总结 本文提出 QoQ 方法，通过影响函数识别高质量演示数据，提升机器人学习性能。
Comments Accepted to ICRA 2026, 8 pages
MolCrystalFlow：通过流匹配进行分子晶体结构预测
机构 * University of Florida（佛罗里达大学） ； University of Minnesota - Twin Cities（明尼苏达大学-双城分校） ； New York University（纽约大学）
AI总结 MolCrystalFlow通过流匹配方法实现分子晶体结构预测，优于现有生成模型并具有竞争力的性能，结合通用机器学习势能加速预测。
Comments 20 pages, 4 figures. 14 pages in SI. Code: https://github.com/Liu-Group-UF/MolCrystalFlow
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