New York University（纽约大学）

Learning to Think from Multiple Thinkers

从多个思考者学习思考

Nirmit Joshi, Roey Magen, Nathan Srebro, Nikolaos Tsilivis, Gal Vardi

机构 * Toyota Technological Institute at Chicago（芝加哥科技学院） ； Weizmann Institute of Science（魏茨曼科学研究院） ； New York University（纽约大学） 纠错

AI总结 研究从多个思考者提供的链式思维监督学习，探讨在单个思考者监督下易学但仅凭结果监督难学的类别，证明在加密假设下，多思考者监督下学习可能困难，并提出高效主动学习算法。

Comments Comments are welcome. There are 78 pages and 5 Figures

Enhancing molecular dynamics with equivariant machine-learned densities

通过等价性机器学习密度增强分子动力学

Mihail Bogojeski, Muhammad R. Hasyim, Leslie Vogt-Maranto, Klaus-Robert Müller, Kieron Burke, Mark E. Tuckerman

机构 * BIFOLD and Machine Learning Group, Technische Universität Berlin（BIFOLD与机器学习组，柏林技术大学） ； Department of Chemistry, New York University（纽约大学化学系） ； Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； Max-Planck-Institut für Informatik（马克斯·普朗克研究所（信息学）） ； Department of Physics and Astronomy, University of California, Irvine（加州大学 Irvine 分校物理与天文学系） ； Department of Chemistry, University of California, Irvine（加州大学 Irvine 分校化学系） ； Courant Institute of Mathematical Sciences, New York University（纽约大学数学科学学院） ； NYU-ECNU Center for Computational Chemistry at NYU Shanghai（纽约大学上海计算化学中心） 纠错

AI总结 本文提出DenSNet，通过等价神经网络学习电子密度，实现分子动力学与电子结构的统一框架，验证了其在乙醇、乙硫醇和香豆素等分子中的应用，并展示了其在大规模分子模拟中预测光谱和电子性质的可行性。

Comments 30 pages, 7 figures

MIMIC: A Generative Multimodal Foundation Model for Biomolecules

MIMIC：一种生成式多模态基础模型用于生物分子

Siavash Golkar, Jake Kovalic, Irina Espejo Morales, Samuel Sledzieski, Minhuan Li, Ksenia Sokolova, Geraud Krawezik, Alberto Bietti, Claudia Skok Gibbs, Roman Klypa, Shengwei Xiong, Francois Lanusse, Liam Parker, Kyunghyun Cho, Miles Cranmer, Tom Hehir, Michael McCabe, Lucas Meyer, Rudy Morel, Payel Mukhopadhyay, Mariel Pettee, Helen Qu, Jeff Shen, David Fouhey, Hadi Sotoudeh, Vikram Mulligan, Pilar Cossio, Sonya M. Hanson, Alisha N. Jones, Olga G. Troyanskaya, Shirley Ho

机构 * Polymathic AI Center for Data Science, New York University（多学科人工智能数据科学中心，纽约大学） ； Polymathic AI Department of Applied Physics, Yale University（多学科人工智能应用物理系，耶鲁大学） ； Center for Computational Mathematics, Flatiron Institute（计算数学中心，Flatiron研究所） ； Center for Computational Biology, Flatiron Institute（计算生物学中心，Flatiron研究所） ； Princeton Precision Health, Princeton University（普林斯顿精准健康，普林斯顿大学） ； Department of Chemistry, New York University（化学系，纽约大学） ； Department of Computer Science, Princeton University（计算机科学系，普林斯顿大学） ； Lewis-Sigler Institute for Integrative Genomics, Princeton University（刘易斯-西格尔整合基因组学研究所，普林斯顿大学） ； Center for Computational Astrophysics, Flatiron Institute（计算天文学中心，Flatiron研究所） ； Department of Astrophysical Sciences, Princeton University（天体物理科学系，普林斯顿大学） ； Department of Physics, New York University（物理学系，纽约大学） 纠错

AI总结 MIMIC通过多模态生成模型统一生物分子的表示学习、条件预测和受限设计，实现对RNA和蛋白质的先进预测与设计。

LLM-Augmented Traffic Signal Control with LSTM-Based Traffic State Prediction and Safety-Constrained Decision Support

基于LSTM的交通信号控制与大语言模型增强的交通状态预测与安全约束决策支持

Jiazhao Shi

机构 * Tandon School of Engineering, New York University（纽约大学Tandon工程学院） 纠错

AI总结 本文提出一种结合LSTM交通状态预测和大语言模型的交通信号控制框架，通过预测信号相位和生成自然语言解释，提升交通效率并确保安全约束。

Cooptimizing Safety and Performance Using Safety Value-Constrained Model Predictive Control

通过安全价值约束模型预测控制优化安全与性能

Hao Wang, Nam Nguyen, Armand Jordana, Ludovic Righetti, Somil Bansal

机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（南加州大学明希德电气与计算机工程系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与航天系） ； Electrical and Computer Engineering Department, New York University（纽约大学电气与计算机工程系） 纠错

AI总结 本文提出基于安全价值函数的终端约束MPC方法，实现安全与性能的协同优化，通过仿真和硬件实验验证了其在约束满足和鲁棒性方面的改进。

DRACULA: Hunting for the Actions Users Want Deep Research Agents to Execute

DRACULA：寻找用户想要的行动深度研究代理执行研究

Nishant Balepur, Malachi Hamada, Varsha Kishore, Sergey Feldman, Amanpreet Singh, Pao Siangliulue, Joseph Chee Chang, Rachel Rudinger, Eunsol Choi, Jordan Lee Boyd-Graber, Doug Downey, Aakanksha Naik

机构 * University of Maryland（马里兰大学） ； New York University（纽约大学） ； Allen Institute for Artificial Intelligence (Ai2)（人工智能研究院（Ai2）） 纠错

AI总结 DRACULA通过收集用户对中间行动的反馈，研究深度研究代理如何预测用户偏好行动，揭示了行动选择的可预测性及用户目标对行动执行的影响。

Comments In-progress Preprint

Comparison of sEMG Encoding Accuracy Across Speech Modes Using Articulatory and Phoneme Features

不同说话模式下基于发声和音素特征的sEMG编码精度比较

Chenqian Le, Ruisi Li, Beatrice Fumagalli, Yasamin Esmaeili, Xupeng Chen, Amirhossein Khalilian-Gourtani, Tianyu He, Adeen Flinker, Yao Wang

机构 * New York University（纽约大学） 纠错

AI总结 研究比较了SPARC和音素特征在不同说话模式下的sEMG预测精度，发现SPARC在多数电极和所有说话模式中表现更优，且亚 vocal说话仍能检测到发声活动。

DanceCrafter: Fine-Grained Text-Driven Controllable Dance Generation via Choreographic Syntax

DanceCrafter: 通过编舞语法实现细粒度文本驱动可控舞蹈生成

Hang Yuan, Xiaolin Hu, Yan Wan, Menglin Gao, Wenzhe Yu, Cong Huang, Fei Xu, Qing Li, Christina Dan Wang, Zhou Yu, Kai Chen

机构 * East China Normal University（东华大学） ； Beijing Dance Academy（北京舞蹈学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； New York University Shanghai（纽约大学上海分校） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

AI总结 本文提出编舞语法框架和DanceFlow数据集，结合专业舞蹈档案与高保真动作捕捉数据，构建细粒度可控舞蹈生成模型DanceCrafter，实现高质量复杂舞蹈序列生成。

Comments 22 pages, 13 figures

Value Alignment Tax: Measuring Value Trade-offs in LLM Alignment

价值对齐税：在大语言模型对齐中测量价值权衡

Jiajun Chen, Hua Shen

机构 * Center for Data Science, NYU Shanghai（纽约大学上海分校数据科学中心） 纠错

AI总结 本文提出VAT框架，用于测量对齐干预如何影响价值系统，揭示目标值与非目标值之间的系统性权衡，通过实验数据展示对齐过程中的潜在风险。

Comments Preprint. Under review. 20 pages, 13 figures

Collaborative Trajectory Prediction via Late Fusion

通过晚期融合进行协作轨迹预测

Nadya Abdel Madjid, Murad Mebrahtu, Zakhar Yagudin, Bilal Hassan, Naoufel Werghi, Jorge Dias, Dzmitry Tsetserukou, Majid Khonji

机构 * Khalifa University, Computer Science（卡利法大学，计算机科学） ； New York University Abu Dhabi, Computer Science（纽约大学阿布扎赫德分校，计算机科学） ； Khalifa University, Computer and Information Engineering（卡利法大学，计算机与信息工程） ； Khalifa University, KUCARS-KU Center for Autonomous Robotic Systems, Department of Computer Science（卡利法大学，KUCARS-KU自主机器人系统中心，计算机科学系） ； Skolkovo Institute of Science, Intelligent Space Robotics Laboratory, Center for Engineering Systems and Sciences, and Technology（斯科尔科沃科学研究所，智能空间机器人实验室，工程系统与科学中心，和技术） 纠错

AI总结 本文提出通过将协作从感知阶段转移到预测模块，并引入晚期融合框架来减少不确定性，提升轨迹预测的准确性和成功率。

Dream-Cubed: Controllable Generative Modeling in Minecraft by Training on Billions of Cubes

Dream-Cubed：通过训练数十亿个立方体实现Minecraft中的可控生成建模

Tim Merino, Sam Earle, Ryunosuke Iwai, Julian Togelius, Edoardo Cetin

机构 * New York University（纽约大学） ； Sakana AI 纠错

AI总结 本文提出Dream-Cubed数据集及基于立方体的生成模型，用于高效生成交互式3D环境，通过分析扩散模型的不同形式和架构，评估生成质量并释放预训练模型以推动未来研究。