Flaws in the LLM Automation Narrative
LLM自动化叙事中的缺陷
机构 * New York University（纽约大学）
AI总结 通过编写代码完成数据分析任务的新基准测试，发现前沿LLM在平均性能、方差和错误幅度上均不如人类专家，挑战了LLM达到人类专家水平的说法。
高校专区
New York University（纽约大学）
ArabiGEE: A Hierarchical Taxonomy for Arabic Grammatical Error Explanation
ArabiGEE：阿拉伯语语法错误解释的层次分类体系
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； New York University Abu Dhabi（纽约大学阿布扎克分校）
AI总结 提出首个基于显式错误类型的阿拉伯语语法错误解释层次分类体系，涵盖正字法、形态、句法和词汇四个维度，包含27种错误类型、140种修正类型和324种解释，并用于人工标注现有语料库以支持大语言模型的自动评估。
LakeQA: An Exploratory QA Benchmark over a Million-Scale Data Lake
LakeQA：百万级数据湖上的探索性问答基准
机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） ； Barnard College（巴纳德学院）
AI总结 提出LakeQA基准，要求LLM在9.5TB异构数据湖中搜索并多跳推理，GPT-5.2仅达18.37%精确匹配，挑战性强。
RealMath-Eval: Why SOTA Judges Struggle with Real Human Reasoning
RealMath-Eval：为何SOTA裁判难以应对真实人类推理
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； East China Normal University（华东师范大学） ； New York University（纽约大学） ； Tongji University（同济大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出RealMath-Eval基准，评估LLM裁判对真实学生数学解答的评分能力，发现与人类评分存在高均方误差，而合成数据上表现更好，揭示评估差距源于人类错误空间的多样性和高信息熵。
Comments Code available at https://github.com/RicharMd/RealMath-Eval , Data available at https://huggingface.co/datasets/RicharMd/RealMath-Eval
A Source Domain is All You Need: Source-Only Cross-OS Transfer Learning for APT Anomaly Detection via Semantic Alignment and Optimal Transport
一个源域足矣：基于语义对齐和最优传输的仅源域跨操作系统APT异常检测迁移学习
机构 * New York University, NYUAD, Division of Science, Computer Science Department（纽约大学，NYUAD，科学学院，计算机科学系） ； University of Quebec in Montreal, Computer Science Department, Montreal（魁北克大学蒙特利尔分校，计算机科学系，蒙特利尔） ； University of Edinburgh, School of Informatics, Edinburgh（爱丁堡大学，信息学院，爱丁堡）
AI总结 针对跨操作系统APT检测中目标域无标签的挑战，提出基于最优传输的仅源域异常评分框架，通过语义抽象和三种偏差通道实现零目标监督下的异常排序。
Predictive Assistance and the Temporal Dynamics of Exploratory Compression
预测性辅助与探索性压缩的时间动态
机构 * European University Institute（欧洲大学学院） ； New York University Abu Dhabi（纽约大学阿布扎比分校）
AI总结 提出几何动力学框架，研究预测性AI如何通过外源探索性压缩改变认知探索的时间动态，发现持续稳定会降低探索响应性、曲率不对称积累导致滞后效应、早期干预限制后续探索多样性。
Exploratory Responsiveness and Adaptive Rigidity under AI-Assisted Optimization
AI辅助优化下的探索响应性与适应性刚性
机构 * European University Institute（欧洲大学研究所） ； New York University Abu Dhabi（纽约大学阿布扎比分校）
AI总结 本文提出AI辅助优化下的探索适应理论，通过动态框架分析预测辅助如何影响系统探索响应性，揭示收敛预测机制导致适应性降低、刚性增强，而探索增强机制则促进适应性。
One Lens, Many Worlds : A Capability-Typed Interface for World-Model Interpretability
一个镜头，多个世界：面向世界模型可解释性的能力类型接口
机构 * New York University（纽约大学） ； Independent Researcher（独立研究者） ； Veermata Jijabai Technological Institute（韦尔玛塔·吉贾拜技术学院） ； Mercity ； University of Southern California（南加州大学） ； Independent Researcher, MIT（麻省理工学院独立研究者） ； Independent Researcher, GITAM（GITAM独立研究者） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出WorldModelLens，通过能力类型适配器统一不同世界模型（如PlaNet、IRIS、I-JEPA）的可解释性分析，避免重复实现。
First-Order Trajectory Matching: Fast Ensemble Predictions of Chaotic, Turbulent, Stochastic Systems
一阶轨迹匹配：混沌、湍流、随机系统的快速集成预测
机构 * Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所）
AI总结 提出一阶轨迹匹配（FTM）方法，通过学习随机系统轨迹的一阶局部概率质量输运，实现低成本的集成预测，并捕捉通量、环流等轨迹量。
