New York University（纽约大学）

Requential Coding: Pushing the Limits of Model Compression with Self-Generated Training Data

顺序编码：利用自生成训练数据突破模型压缩的极限

Shikai Qiu, Marc Finzi, Yujia Zheng, Kun Zhang, Andrew Gordon Wilson

机构 * New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 研究利用自生成训练数据的顺序编码突破模型压缩极限，教师模型从学生分布选样本，学生代码记录选择，代码长度与参数和熵无关且更短，还能揭示现象、给出泛化保证、隔离可学习信息。

Comments Code available at https://github.com/shikaiqiu/requential-coding

Compositional Context Fine-Tuning Vision-Language Model for Complex Assembly Action Understanding from Videos

用于从视频理解复杂装配动作的组合上下文微调视觉语言模型

Hao Zheng, Jinyi Huang, Tiantian Zheng, Xun Xu, Tuka Alhanai

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； The University of Auckland（奥克兰大学） 纠错

AI总结 针对装配动作理解难题，提出组合上下文微调方法及层划分交替训练方法，将动作分解为语义元素并微调视觉语言模型，创建相关数据集，实验证明该方法优于基线且能提供可解释预测，助力人机协作装配。

Comments Accepted by ICRA 2026. Video Understanding; Vision Language Model; Multi-modal LLM; Action Recognition; Assembly

Pitfalls of Administrative Censoring in Survival Models with Time-Indexed Inputs

具有时间索引输入的生存模型中行政审查的陷阱

Yanqi Xu, Hui Dai, Carlos Fernandez-Granda, Krzysztof J. Geras, Yiqiu Shen

机构 * Center for Data Science, New York University（纽约大学数据科学中心） ； University of Chicago（芝加哥大学） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Ataraxis AI（Ataraxis人工智能公司） 纠错

AI总结 研究生存模型中行政审查的陷阱，通过刻画行政截断泄漏发生的情况，将其与其他情况区分，提出检测方法，经模拟和真实队列验证，为生存预测提出数据集应提供足够潜在随访的设计原则。

Learning Partition Trees for Nearest Neighbor Search

学习用于最近邻搜索的划分树

Sanjeev Khanna, Ashwin Padaki, Erik Waingarten

机构 * NYU（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 从数据驱动算法设计角度研究最近邻搜索，专注平衡半空间树。在类似高斯边际条件下给出算法，能学习到\(o(nd)\)查询时间的树。核心是平衡半空间切割问题，设计非恰当学习算法规避NP难，输出特定平衡多项式阈值函数。

MDQEC-QAS: Meta-Decoding for Quantum Error Correction with Hardware-Aware VQC Search and Confidence-Gated Recovery

MDQEC-QAS：基于硬件感知VQC搜索和置信门控恢复的量子纠错元解码

Prashant Kumar Choudhary, Nouhaila Innan, Muhammad Shafique, Rajeev Singh

机构 * Department of Physics, Indian Institute of Technology (BHU)（印度理工学院（BHU）物理系） ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（纽约大学阿布扎克分校（NYUAD）工程学院eBRAIN实验室） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute, NYUAD（纽约大学阿布扎克分校（NYUAD）量子与拓扑系统中心（CQTS）） 纠错

AI总结 该研究提出用于量子纠错的统一元解码框架，跨多种码和噪声设置学习映射。通过硬件感知搜索选择VQC元解码器并与Meta-MLP比较，发现仅高准确率不够，置信门控回退可降低逻辑故障率，支持基于置信度的选择性恢复。

Comments 15 pages, 12 figures and 11 tables

When do prophets profit in prediction markets?

预言家何时能在预测市场中获利？

Anri Gu, Nicole Kagan, Alec Sun, Jibang Wu, Haifeng Xu

机构 * University of Chicago（芝加哥大学） ； Kalshi Research（卡尔希研究公司） ； New York University, Shanghai（纽约大学上海分校） 纠错

AI总结 研究预测市场中预言家获利问题，通过建立预测准确性与盈利能力的等价关系，给出依赖预测和市场价格的适当投注策略，实证表明此策略能将准确性转化为利润，在Kalshi实时部署获高回报率。

In Search of the Ingredients of Open-Endedness: Replicating Picbreeder with Large Vision-Language Models

寻找开放性的要素：用大型视觉语言模型复现 Picbreeder

Sam Earle, Kai Arulkumaran, Andrew Dai, Akarsh Kumar, Julian Togelius, Sebastian Risi

机构 * New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本研究通过用前沿视觉语言模型替代人类用户复现 Picbreeder，探索人工智能在无引导发现中的开放性能力，并分析系统输出与人类基线在系统发育复杂性、视觉和语义显著性及新颖性上的差异，同时研究探索性噪声、行为多样性和叙事动量等因素的影响。

Comments 26 pages, 21 figures, to be published at GECCO 2026

Journal ref Proceedings of the Genetic and Evolutionary Computation Conference (GECCO '26), July 13-17, 2026, San José, Costa Rica. ACM, 2026

Emotion Recognition in Sign Language Conversation

手语对话中的情感识别

Yusong Wang, Keyu Mao, Takao Obi, Minghao Shao, Kotaro Funakoshi

机构 * Institute of Science Tokyo（东京科学研究所） ； New York University（纽约大学） 纠错

AI总结 针对手语情感识别缺乏对话上下文的问题，提出eJSL Dialog数据集，并系统评估了从孤立视觉网络到多模态对话架构的模型，发现通用多模态对话情感识别模型在手语领域存在领域差距，需要开发面向手语的上下文感知视觉提取器并扩大对话数据集规模。

Rare Event Analysis via Stochastic Optimal Control

基于随机最优控制的稀有事件分析

Yuanqi Du, Jiajun He, Dinghuai Zhang, Eric Vanden-Eijnden, Carles Domingo-Enrich

机构 * Microsoft Research New England（微软研究院新英格兰分部） ； Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； Courant Institute of Mathematical Sciences, NYU（纽约大学Courant数学科学研究所） 纠错

AI总结 提出将稀有事件分析中的committor函数估计转化为随机最优控制问题，通过反馈控制引导轨迹采样，并开发两种损失函数及处理亚稳态的方法，在基准系统上获得更准确的结果。

VehAnchor: Metadata-Free Metric Scale Recovery from Vehicle Cues in Aerial Imagery

VANGUARD：用于GPS受限环境下的无人机车辆锚定地面采样距离估计

Yifei Chen, Chenqian Le, Jiayi Cheng, Xupeng Chen

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； Tandon School of Engineering, New York University（纽约大学工学院） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） 纠错

AI总结 VANGUARD通过利用车辆锚点和核密度估计，为无人机在GPS受限环境中提供可靠地面采样距离估计，降低空间推理中的误差和失败率。

Graph-Based Bayesian Optimization for Quantum Circuit Architecture Search with Uncertainty Calibrated Surrogates

基于图的贝叶斯优化在量子电路架构搜索中的应用：不确定性校准代理

Prashant Kumar Choudhary, Nouhaila Innan, Muhammad Shafique, Rajeev Singh

机构 * Department of Physics, Indian Institute of Technology (BHU)（印度理工学院（BHU）物理系） ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（纽约大学阿布扎赫分校（NYUAD）工程系eBRAIN实验室） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute, NYUAD（纽约大学阿布扎赫分校（NYUAD）量子与拓扑系统中心（CQTS）） 纠错

AI总结 针对量子电路设计瓶颈，提出基于图的贝叶斯优化框架，用GNN代理发现和优化VQCs，经特征选择等处理后评估候选电路，与多种方法基准测试，其能找到低复杂度、高精度电路，实现可扩展且可解释的量子电路自动发现。

Comments 17 pages, 13 figures

Controllably Efficient Language Models

可控高效语言模型

Jatin Prakash, Aahlad Puli, Rajesh Ranganath

机构 * New York University（纽约大学） 纠错

AI总结 研究提出可控高效语言模型CAT，通过关注压缩序列块解码，能在训练时控制推理成本与质量的权衡，测试时无需重新训练，使用密集注意力作混合器可匹配多种高效模型，在长上下文理解任务中表现出色且吞吐量高。

Comments Preprint v2; Added more experiments

People use fast and flat simulation to reason about new games

人们使用快速且扁平的模拟来对新游戏进行推理

Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Princeton University（普林斯顿大学） ； University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 研究人们对新游戏的推理，通过超千名参与者和121种新棋盘游戏的研究，发现人们玩新游戏或评估时具系统性和适应性理性，用“直观玩家”模型解释，为新问题应对及类人AI系统设计提供见解。