New York University（纽约大学）

When Does LeJEPA Learn a World Model?

LeJEPA 何时学习世界模型？

David Klindt, Yann LeCun, Randall Balestriero

机构 * Cold Spring Harbor Laboratory（冷泉港实验室） ； New York University（纽约大学） ； Brown University（布朗大学） 纠错

AI总结 本文证明 LeJEPA（对齐加高斯正则化）在潜变量服从平稳加性噪声演化的世界中能够线性恢复潜变量（线性可识别性），并指出高斯分布是唯一保证该性质的潜分布，同时验证了近似可识别性和最优规划能力。

Two-Parameter Flows for Learning Population Dynamics of Physical Systems

用于学习物理系统群体动力学的双参数流

Paul Schwerdtner, Tobias Blickhan, Benjamin Peherstorfer

机构 * Courant Institute of Mathematical Sciences, New York University, 251 Mercer Street, New York, NY 10012, USA（数学科学学院，纽约大学，251 Mercer Street，纽约，NY 10012，美国） 纠错

AI总结 提出双参数流方法，通过从基础分布到每个边际的采样时间传输学习高维概率密度动力学，并利用耦合合成轨迹回归提取物理时间速度，无需轨迹信息即可处理旋转等非梯度动力学。

To model human linguistic prediction, make LLMs less superhuman

为了模拟人类语言预测，让大语言模型不那么超人类

Byung-Doh Oh, Tal Linzen

机构 * Division of Linguistics and Multilingual Studies, Nanyang Technological University, Singapore（南洋理工大学语言学与多语言研究系，新加坡） ； Department of Linguistics, New York University, New York, USA（纽约大学语言学系，纽约，美国） ； Center for Data Science, New York University, New York, USA（纽约大学数据科学中心，纽约，美国） 纠错

AI总结 本文指出大语言模型因超人类预测能力而无法解释人类阅读行为，主张通过模拟人类记忆来改进模型，并提出新实验方向。

Comments Accepted to Trends in Cognitive Sciences