高校专区
算法语言：隐藏在开放中的平衡：可理解性与检测规避之间的权衡
机构 * Stanford University（斯坦福大学） ； Freie Universität Berlin（柏林自由大学）
AI总结 本文研究了算法语言在内容生成和审核中的平衡问题，提出了多数可理解调制概念，并通过实验验证了可理解性与检测规避之间的关系。
Comments Under Review
专家联邦：用于大型语言模型的通信高效的分布式推理
机构 * Stanford University（斯坦福大学）
AI总结 本文提出FedEx架构，通过将MoE块分为多个集群，减少专家间通信开销，提升单节点和多节点下的推理吞吐量和延迟，同时保持生成质量。
一种基于波场相关的方法用于改进超声自聚焦中的声速估计
机构 * Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学） ； Department of Radiology, School of Medicine, Stanford University（放射学系，医学院，斯坦福大学） ； Department of Applied Physics, Stanford University（应用物理学系，斯坦福大学） ； Department of Biomedical Engineering, Columbia University（生物医学工程系，哥伦比亚大学）
AI总结 本文提出利用波场相关技术优化声速估计，以提高超声自聚焦中图像质量，通过改进的波场相关成像方法减少杂波干扰，提升成像分辨率和对比度。
多接触运动中摆动结构的出现
机构 * School of Engineering and Applied Science, University of Pennsylvania（宾夕法尼亚大学工程与应用科学学院） ； Department of Aeronautics & Astronautics, Stanford University（斯坦福大学航空航天系）
AI总结 本文探讨了多接触运动中摆动结构的形成机制，通过分析角动量变化率的优化问题，揭示了足部几何和摩擦锥对运动模式的影响，并验证了在点质量四足机器人和Unitree Go1上实验结果。
BALAR：主动推理的贝叶斯代理循环
机构 * Department of Statistics, Stanford University（统计学系，斯坦福大学） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
AI总结 BALAR是一种无需微调的任务无关外环算法，通过维护潜在状态的结构信念，选择澄清问题以最大化预期互信息，并动态扩展状态表示，从而在三个基准测试中显著提升性能。
ViTok-v2：将原生分辨率自编码器扩展到50亿参数
机构 * University of Texas, Austin（德克萨斯大学奥斯汀分校） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Spellbrush ； Meta Superintelligence Labs（Meta超智能实验室） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 ViTok-v2通过NaFlex实现跨分辨率和宽高比泛化，引入新的DINOv3感知损失，提升重建性能并稳定训练，达到当前最佳水平。
超越语义相似性：通过直接语料交互重新思考代理搜索的检索
机构 * Texas A&M University（德克萨斯A&M大学） ； University of Waterloo（滑铁卢大学） ； UC San Diego（圣地亚哥大学） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Verdent AI ； Lambda
AI总结 本文提出直接语料交互（DCI）方法，通过通用终端工具直接搜索原始语料，无需嵌入模型或检索接口，有效提升代理搜索性能。
动态藤Copula：检测和量化时间变化的高阶相互作用
机构 * Kempner Institute at Harvard University（哈佛大学凯普勒研究所） ； Stanford University（斯坦福大学）
AI总结 本文提出动态藤Copula模型，用于估计和诊断序列中非高斯依赖关系，通过比较完整藤与1截断版本区分灵活的首树成对依赖与更高树条件项的证据。
通过强化LLM进化搜索获得Zarankiewicz数的新界
机构 * Massachusetts Institute of Technology（麻省理工学院） ； ETH Zürich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学）
AI总结 本文首次确定三个Zarankiewicz数的精确值，并通过强化LLM进化搜索方法为41个数建立下界，展示了LLM引导的进化搜索在数学研究中的潜力。
Comments *Jay Bhan and Nicole Nobili contributed equally to this work as first authors, and their order was determined via coin flip
双语婴儿语言模型的培养：利用小型模型研究多语言语言习得
机构 * Stanford University（斯坦福大学）
AI总结 本文通过训练小型语言模型，研究多语言习得机制，发现双语模型在两种语言上均表现良好，表明多语言输入对统计学习者无实质挑战。
Comments Code and data at https://github.com/lindazeng979/bilingual-babyLM
感知型人形扑动：通过动作匹配链式动态人类技能
机构 * Amazon FAR（亚马逊FAR） ； UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） ； Stanford University（斯坦福大学）
AI总结 本文提出感知型人形扑动框架，通过动作匹配和强化学习实现人形机器人在复杂环境中自主执行长时程视觉扑动任务，展示高动态扑动技能和多障碍物穿越能力。
稀疏视频生成2：通过语义感知排列加速视频生成
机构 * University of California, Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） ； NVIDIA（英伟达） ； Stanford University（斯坦福大学）
AI总结 本文提出SVG2框架，通过语义感知排列提升视频生成的准确性和效率，实现生成质量与效率的帕累托最优。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈