arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

New York University(纽约大学)

2026-08-14 至 2026-08-14 共收录 5
2608.13297 2026-08-14 cs.LG 新提交

The Time Value of Evolution

进化的时间价值

Matthew Siper, Ahmed Khalifa, Julian Togelius

机构 * New York University(纽约大学) University of Malta(马耳他大学)

AI总结 该研究提出LVPG框架,将进化的时间价值形式化,通过长视野信用分配加速有限预算搜索,提升了自动交易策略发现的性能。

Comments Submitted to AAAI 2026, 8 pages, 5 figures, 2 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.12831 2026-08-14 cs.LG cs.AI 新提交

Fast A/B/n Testing: Exact Multi-Policy Comparison via Tree-Coupled Feedback Sharing

快速A/B/n测试:通过树耦合反馈共享实现精确多策略比较

Yuxiao Wen

机构 * Courant Institute of Mathematical Sciences, New York University(纽约大学柯朗数学科学研究所)

AI总结 该研究提出树耦合A/B测试(TCAB)方法,通过树耦合反馈共享实现多策略精确比较,将奖励查询数从JT降至T+o(T),实验显示其在成本-精度上有显著提升。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.01692 2026-08-14 cs.LG 版本更新

Beckmann Transport Models: From Autonomous Flows to One-Step Maps

贝克曼运输模型:从自主流到一步映射

Lee Cheuk-Kit, Florentin Coeurdoux, Yuyuan Chen, Sophia Tang, Peter Potaptchik, Yilun Du, Michael Samuel Albergo, Eric Vanden-Eijnden

机构 * Harvard University(哈佛大学) Capital Fund Management (CFM)(凯鹏华盈资产管理公司) University of Oxford(牛津大学) New York University(纽约大学)

AI总结 该研究提出基于自主流的流匹配实例,构建统一框架实现分布间精确映射,修正现有方法不一致性,在ImageNet 256×256上验证了自主流与一步映射的有效性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.29699 2026-08-14 cs.CV cs.AI cs.RO 版本更新

Early Warning Signals for OpenVLA Failure under Visual Distribution Shift

视觉分布偏移下OpenVLA故障的早期预警信号

Dipesh Tharu Mahato, Rachel Ren

机构 * New York University(纽约大学)

AI总结 研究在视觉分布偏移下,OpenVLA内部激活是否包含可线性解码的近期任务失败信息,通过LIBERO操作实验发现第16层逻辑探针在遮挡条件下预测失败AUROC达0.972。

Comments 16 pages, 2 figures, 8 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.09670 2026-08-14 cs.LG cs.AI 版本更新

In-context superposition: human-like working memory interference in large language models

类人工作记忆干扰在大语言模型中

Hua-Dong Xiong, Li Ji-An, Jiaqi Huang, Robert C. Wilson, Kwonjoon Lee, Xue-Xin Wei

机构 * School of Psychological and Brain Sciences, Georgia Tech(佐治亚理工学院心理与脑科学学院) Department of Psychology, New York University(纽约大学心理学系) Department of Cognitive Science, Indiana University Bloomington(印第安纳大学布卢明顿分校认知科学系) Honda Research Institute(本田研究所) Center of Excellence for Computational Cognition, Georgia Tech(佐治亚理工学院计算认知卓越中心) Departments of Neuroscience and Psychology, The University of Texas at Austin(德克萨斯大学奥斯汀分校神经科学和心理学系)

AI总结 研究发现大语言模型在工作记忆任务中存在干扰限制,其表现与人类相似,且通过抑制无关信息实现有效记忆检索。

Comments Published as a conference paper at COLM 2026

详情

展开后加载摘要…

URL PDF HTML 收藏