New York University（纽约大学） - arXivDaily 高校专区

2605.00284 2026-05-04 cs.LG cs.NA math.NA stat.ML

A Dirac-Frenkel-Onsager principle: Instantaneous residual minimization with gauge momentum for nonlinear parametrizations of PDE solutions

Dirac-Frenkel-Onsager原理：利用规范动量的瞬时残差最小化用于非线性参数化PDE解

Matteo Raviola, Benjamin Peherstorfer

机构 * EPFL（瑞士洛桑联邦理工学院）； Courant Institute of Mathematical Sciences, New York University（纽约大学Courant数学科学研究所）

AI总结本文提出基于Dirac-Frenkel原理的Onsager扩展，通过引入规范动量提升非线性参数化PDE解的时间稳定性与鲁棒性。

2605.00136 2026-05-04 cs.AI

Are Tools All We Need? Unveiling the Tool-Use Tax in LLM Agents

工具是否足够？揭示LLM代理中的工具使用税

Kaituo Zhang, Zhen Xiong, Mingyu Zhong, Zhimeng Jiang, Zhouyuan Yuan, Zhecheng Li, Ying Lin

机构 * University of Houston（休斯顿大学）； University of Southern California（南加州大学）； New York University（纽约大学）； Texas A&M University（德克萨斯农工大学）； University of California, San Diego（加州大学圣地亚哥分校）

AI总结本文研究了工具增强推理在LLM代理中的有效性，发现语义干扰下工具性能可能下降，提出Factorized Intervention Framework分析工具使用成本，并引入G-STEP缓解协议误差。

2602.04212 2026-05-04 cs.CL cs.AI

Language Models Struggle to Use Representations Learned In-Context

语言模型在上下文学习的表示使用上面临困难

Michael A. Lepori, Tal Linzen, Ann Yuan, Katja Filippova

机构 * Brown University（布朗大学）； Google Research（谷歌研究）； New York University（纽约大学）； Google DeepMind（谷歌DeepMind）

AI总结研究探讨了语言模型是否能利用上下文学习的表示完成简单下游任务，发现开放权重模型在处理新语义表示时存在困难，即使它们在潜在表示中编码了这些语义。