Princeton University（普林斯顿大学）

Neural Networks With Dense Weights Are Not Universal Approximators

具有密集权重的神经网络不是通用逼近器

Levi Rauchwerger, Stefanie Jegelka, Ron Levie

机构 * Princeton University, Dept of CS（普林斯顿大学计算机科学系） ； MIT, Dept of EECS and CSAIL（麻省理工学院电子工程与计算机科学系及计算机科学与人工智能实验室） ； TUM, School of CIT, MCML, MDSI（技术大学（TUM）信息科技学院，MCML，MDSI） ； Technion – IIT, Faculty of Mathematics（技术学院–以色列理工学院数学学院） 纠错

AI总结 研究探讨了密集神经网络的逼近能力，指出在有限的权重约束下，密集连接的神经网络无法逼近任意连续函数，从而揭示了密集层神经网络的固有局限性，推动了稀疏连接在实现真正通用性中的必要性。

Evaluating Language Models' Evaluations of Games

评估语言模型对游戏的评估

Katherine M. Collins, Cedegao E. Zhang, Graham Todd, Lance Ying, Mauricio Barba da Costa, Ryan Liu, Prafull Sharma, Adrian Weller, Ionatan Kuperwajs, Lionel Wong, Joshua B. Tenenbaum, Thomas L. Griffiths

机构 * University of Cambridge（剑桥大学） ； MIT（麻省理工学院） ； Princeton University（普林斯顿大学） ； NYU（纽约大学） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文研究了语言模型对游戏评估的能力，通过比较现代语言模型和人类及符号计算代理的评估结果，发现推理模型在游戏评估上更接近人类，但随着模型接近博弈最优，其与人类数据的匹配度会减弱，且在评估趣味性时表现出更大的波动。

WorldArena 2.0: Extending Embodied World Model Benchmarking on Modality, Functionality and Platform

WorldArena 2.0: 扩展模态、功能和平台的具身世界模型基准测试

Yu Shang, Yinzhou Tang, Yiding Ma, Zhuohang Li, Lei Jin, Weikang Su, Xin Jin, Zhaolu Wang, Ziyou Wang, Xin Zhang, Haisheng Su, Weizhen He, Wei Wu, Haoyi Duan, Gordon Wetzstein, Xihui Liu, Dhruv Shah, Zhaoxiang Zhang, Zhibo Chen, Jun Zhu, Yonghong Tian, Tat-Seng Chua, Wenwu Zhu, Chen Gao, Yong Li

机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Stanford University（斯坦福大学） ； The University of Hong Kong（香港大学） ； Princeton University（普林斯顿大学） ； Chinese Academy of Sciences（中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出WorldArena 2.0，扩展了具身世界模型的评估，涵盖模态、功能和平台三个维度，提供全面的测试平台以评估具身世界模型的进展。

Agent Bazaar: Enabling Economic Alignment in Multi-Agent Marketplaces

Agent Bazaar: 使多智能体市场场所具备经济对齐能力

Seth Karten, Cameron Crow, Chi Jin

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 该研究提出Agent Bazaar框架，用于评估多智能体系统的经济对齐能力，通过分析两种失败模式（算法不稳定和Sybil欺骗）发现模型难以自我调节，并提出经济对齐的训练方法和EAS评分标准。

Comments 17 pages, 9 figures

OpenDeepThink: Parallel Reasoning via Bradley-Terry Aggregation

OpenDeepThink: 通过布拉德利-蒂尔利聚合实现并行推理

Shang Zhou, Wenhao Chai, Kaiyuan Liu, Huanzhi Mao, Qiuyang Mang, Jingbo Shang

机构 * UC San Diego（UC圣地亚哥大学） ； Princeton University（普林斯顿大学） ； University of Washington（华盛顿大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 该研究提出OpenDeepThink框架，通过布拉德利-蒂尔利聚合方法在测试时扩展计算资源，以提高大语言模型的推理能力，通过并行选择候选方案并消除选择瓶颈，从而提升模型在Codeforces等领域的表现。

Comments 19 pages, 4 figures

Calibration of a neural network ocean closure for improved mean state and variability

神经网络海洋闭合的校准以提高均值状态和变异性

Pavel Perezhogin, Alistair Adcroft, Laure Zanna

机构 * Courant Institute School of Mathematics, Computing, and Data Science, New York University, New York, NY, USA（科朗学院数学、计算与数据科学学院，纽约大学，纽约，纽约州，美国） ； Program in Atmospheric and Oceanic Sciences, Princeton University, Princeton, NJ, USA（大气与海洋科学项目，普林斯顿大学，普林斯顿，新泽西州，美国） 纠错

AI总结 本文提出利用集合卡尔曼反演方法对神经网络参数进行校准，以改进粗分辨率海洋模型的均值状态和变异性，通过校准减少了约1.7至3.3倍的误差。

Automatic Generation of High-Performance RL Environments

自动生成高性能强化学习环境

Seth Karten, Rahul Dev Appapogu, Chi Jin

机构 * Princeton University（普林斯顿大学） ； Independent Researcher（独立研究者） 纠错

AI总结 本文提出了一种闭环方法，通过最小的计算成本生成等效的高性能强化学习环境，展示了三种不同的工作流程，并在五个环境中验证了无仿真到仿真的差距，同时展示了新的环境创建方法。

Comments 20 pages, 5 figures

HEED: Density-Weighted Residual Alignment for Hybrid Vision-Language Model Distillation

HEED：基于密度加权残差对齐的混合视觉-语言模型蒸馏

Yihao Liang, Niraj K. Jha

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 本文提出HEED方法，通过密度加权残差对齐改进混合视觉-语言模型蒸馏，提升在OCR和文档任务中的性能，同时在不同教师模型和混合架构上实现高效推理。

Statistical Unlearning of Distributions: A Hypothesis Testing Approach

分布统计遗忘：一种假设检验方法

Aaradhya Pandey, Sanjeev Kulkarni

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 本文提出一种分布统计遗忘框架，通过假设检验选择样本以减少不需要的分布影响，同时保持所需分布的性能，并分析了允许的编辑数据分布区域和帕累托前沿。

Comments Comments welcome

Interactive Benchmarks

交互式基准测试

Baoqing Yue, Zihan Zhu, Yutong Han, Brian Fan, Qian Sun, Jichen Feng, Hufei Yang, Yifan Zhang, Mengdi Wang

机构 * InteractiveBench ； Princeton University（普林斯顿大学） 纠错

AI总结 本文提出交互式基准测试，通过预算化的多轮交互评估模型推理能力，改进传统基准和偏好评估的局限性，揭示模型在交互场景中的改进空间。

Comments Project Page: https://github.com/interactivebench/interactivebench