New York University（纽约大学）

From "Weak" Signals to Strong Models: Preference Delta Aggregation with LoRA Merging

从“弱”信号到强模型：基于LoRA合并的偏好增量聚合

Qi Sun, Siyue Zhang, Yulin Chen, Yuxiang Xue, Ru Peng, Chen Zhao

机构 * NYU Shanghai（纽约大学上海校区） ； NTU（国立台湾大学） ； NYU（纽约大学） ； ZJU（浙江大学） 纠错

AI总结 提出偏好增量聚合（PDA）框架，通过从弱-更弱模型对中提取偏好增量并转化为LoRA适配器，再经几何对齐合并（GAM）聚合多个“弱”信号，以提升强模型性能。

COF26: A new on-top functional for multiconfiguration pair-density functional theory

COF26：多组态对密度泛函理论的一种新的on-top泛函

Yuhao Chen, Donald G. Truhlar, Xiao He

机构 * Shanghai Engineering Research Center of Molecular Therapeutics and New Drug Development（分子治疗与新药开发上海工程研究中心） ； Shanghai Frontiers Science Center of Molecule Intelligent Syntheses（分子智能合成上海前沿科学中心） ； School of Chemistry and Molecular Engineering, East China Normal University（东华大学化学与分子工程学院） ； Department of Chemistry, Chemical Theory Center, and Minnesota Supercomputing Institute, University of Minnesota（明尼苏达大学化学系、化学理论中心和明尼苏达超级计算研究所） ； Chongqing Key Laboratory of Precision Optics, Chongqing Institute of East China Normal University（重庆精密光学重点实验室，东华大学重庆研究所） ； New York University–East China Normal University Center for Computational Chemistry, New York University Shanghai（纽约大学–东华大学计算化学中心，纽约大学上海） 纠错

AI总结 提出COF26泛函，通过大语言模型辅助优化工作流，在强和弱关联体系中均表现优越，推荐用于未来MC-PDFT计算。

LLM-Augmented Digital Twin for Policy Evaluation in Short-Video Platforms

LLM增强的数字孪生用于短视频平台策略评估

Haoting Zhang, Yunduan Lin, Jinghai He, Denglin Jiang, Zuo-Jun Shen, Zeyu Zheng

机构 * University of California, Berkeley（加州大学伯克利分校） ； The Chinese University of Hong Kong（香港中文大学） ； New York University（纽约大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 提出一种LLM增强的四模块数字孪生架构（用户、内容、交互、平台），通过事件驱动执行层和可插拔策略组件，支持在闭环动态下对平台策略（含AI策略）进行可复现的仿真评估。