AbsenceBench: Language Models Can't Tell What's Missing
机构 * University of Chicago（芝加哥大学） ； Stanford University（斯坦福大学）
Comments 23 pages, 8 figures. Code and data are publicly available at https://github.com/harvey-fin/absence-bench
高校专区
Stanford University（斯坦福大学）
Searching for ribbons with machine learning
机构 * Dublin Institute for Advanced Studies（都柏林高级研究院） ； California Institute of Technology（加州理工学院） ； Department of Physics, Northeastern University（东北大学物理系） ； Department of Mathematics, Stanford University（斯坦福大学数学系）
Comments 26 pages, 11 figures. Added clarifying remarks, one figure, and a detailed description of the algorithm
Visually Descriptive Language Model for Vector Graphics Reasoning
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯A&M大学） ； Northwestern University（西北大学）
Comments Project page: https://mikewangwzhl.github.io/VDLM/
Journal ref TMLR 2025
The Optimization Paradox in Clinical AI Multi-Agent Systems
机构 * Stanford School of Medicine（斯坦福医学院） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Department of Medicine, Stanford School of Medicine（斯坦福医学院医学系）
Great Models Think Alike and this Undermines AI Oversight
机构 * Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Stanford University Core contributors（斯坦福大学核心贡献者）
Comments 60 pages, 20 figures
PointNet with KAN versus PointNet with MLP for 3D Classification and Segmentation of Point Sets
机构 * Cranberry-Lemon University（Cranberry-Lemon 大学） ； University of the Witwatersrand（威特沃特斯兰大学） ； Stanford University（斯坦福大学）
Efficient Part-level 3D Object Generation via Dual Volume Packing
机构 * State Key Laboratory of General AI, Peking University（人工智能通用基础理论国家重点实验室，北京大学） ； NVIDIA Research（NVIDIA研究） ； Stanford University（斯坦福大学）
Comments Code: https://github.com/NVlabs/PartPacker Project Page: https://research.nvidia.com/labs/dir/partpacker/
Dataset of News Articles with Provenance Metadata for Media Relevance Assessment
机构 * Stanford University（斯坦福大学）
Journal ref Workshop on NLP for Positive Impact @ ACL 2025
Gradient Aligned Regression via Pairwise Losses
机构 * Department of Genetics, Stanford University, CA, USA（遗传学系，斯坦福大学，加州，美国） ； Department of Computer Science, Texas A\&M University, TX, USA（计算机科学系，德克萨斯A&M大学，德克萨斯州，美国）
Comments ICML 2025; 23 pages, 12 figures, 7 tables
Synthetic Human Action Video Data Generation with Pose Transfer
机构 * SSPS（社会学系） ； Stanford University（斯坦福大学）
Journal ref Synthetic Data for Computer Vision Workshop @ CVPR 2025
SkillBlender: Towards Versatile Humanoid Whole-Body Loco-Manipulation via Skill Blending
机构 * University of Southern California（南加州大学） ； Stanford University（斯坦福大学） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校）
Feature Shift Localization Network
机构 * Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Department of Computer Science, Munster Technological University（穆尔斯特技术大学计算机科学系） ； Department of Biomolecular Engineering, University of California Santa Cruz（加州大学圣克鲁兹分校生物分子工程系）
Comments 9 pages, 2 figures, 4 tables
Certified Unlearning for Neural Networks
机构 * Stanford University, USA（斯坦福大学） ； EPFL, Switzerland（苏黎世联邦理工学院）
ByteMorph: Benchmarking Instruction-Guided Image Editing with Non-Rigid Motions
机构 * ByteDance Seed（字节跳动种子） ； University of Southern California（南加州大学） ； University of Tokyo（东京大学） ； University of California Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of California Los Angeles（加州大学洛杉矶分校）
Comments Website: https://boese0601.github.io/bytemorph Dataset: https://huggingface.co/datasets/ByteDance-Seed/BM-6M Benchmark: https://huggingface.co/datasets/ByteDance-Seed/BM-Bench Code: https://github.com/ByteDance-Seed/BM-code Demo: https://huggingface.co/spaces/Boese0601/ByteMorph-Demo
Archon: An Architecture Search Framework for Inference-Time Techniques
机构 * Stanford University, Stanford, CA, USA（斯坦福大学） ； University of Washington, Seattle, WA, USA（华盛顿大学）
Comments International Conference on Machine Learning (ICML) 2025
Sim-to-Real Causal Transfer: A Metric Learning Approach to Causally-Aware Interaction Representations
机构 * École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Stanford University（斯坦福大学） ； ETH Zurich（苏黎世联邦理工学院）
Comments CVPR 2025
Employing self-supervised learning models for cross-linguistic child speech maturity classification
机构 * Dept. of Computer Science, UCLA, USA（UCLA计算机科学系） ； Dept. of Linguistics, UCLA, USA（UCLA语言学系） ； Dept. of Linguistics, Stanford University, USA（斯坦福大学语言学系） ； Dept. of Communication, UCLA, USA（UCLA传播学系） ； Department of Computer Science George Washington University, USA（乔治华盛顿大学计算机科学系） ； Département d’études cognitives, ENS, France（法兰西综合理工学院认知研究系）
Comments To be published in Interspeech 2025. 5 pages, 2 figures. For associated Github repository, see https://github.com/spoglab-stanford/w2v2-pro-sm/tree/main/speechbrain/recipes/W2V2-LL4300-Pro-SM
Diffusion Models for Safety Validation of Autonomous Driving Systems
机构 * Computer Science（计算机科学） ； Stanford University（斯坦福大学） ； Astronautics（航空与航天）
From Passive to Active Reasoning: Can Large Language Models Ask the Right Questions under Incomplete Information?
机构 * TMLR Group, Department of Computer Science, Hong Kong Baptist University ； Stanford University ； Mila - Qu\'ebec AI Institute ； Cooperative Medianet Innovation Center, Shanghai Jiao Tong University
Comments Accepted by ICML 2025
Chip Placement with Diffusion Models
机构 * Department of EECS, UC Berkeley, CA, USA（UC伯克利电子工程与计算机科学系） ； SambaNova Systems Inc., Palo Alto, CA, USA（SambaNova Systems公司） ； Computer Science Department, Stanford University, CA, USA（斯坦福大学计算机科学系）
Comments Code available at https://github.com/vint-1/chipdiffusion
Automatic Generation of Inference Making Questions for Reading Comprehension Assessments
机构 * Stanford University（斯坦福大学） ； ETS Research Institute（教育考试服务中心研究所）
Comments Accepted to the 20th Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2025), co-located with the ACL 2025
Retrieval-augmented systems can be dangerous medical communicators
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Duke University（杜克大学） ； Stanford University（斯坦福大学）
Comments Position paper in Proceedings of the 42 nd International Conference on Machine Learning
Precise High-Dimensional Asymptotics for Quantifying Heterogeneous Transfers
机构 * Yau Mathematical Sciences Center, Tsinghua University（清华大学数学科学中心） ； Khoury College of Computer Sciences, Northeastern University（东北大学计算机科学学院） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系）
Comments 88 pages
Journal ref J. Mach. Learn. Res. 26 (2025)
Synthetic Visual Genome
机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能艾伦研究所） ； Stanford University（斯坦福大学） ； Woven by Toyota（丰田编织）
Comments CVPR 2025
Reinforcement Learning via Implicit Imitation Guidance
机构 * Stanford University（斯坦福大学）
MIRIAD: Augmenting LLMs with millions of medical query-response pairs
机构 * Department of Biosystems Science and Engineering, ETH Zurich（生物系统科学与工程系，苏黎世联邦理工学院） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学） ； Department of Internal Medicine, Mayo Clinic（内科医学系，梅奥诊所） ； Hugging Face ； Department of Radiology, Stanford University（放射学系，斯坦福大学） ； Hasso-Plattner-Institute for Digital Engineering, University of Potsdam（数字工程研究所，波茨坦大学） ； Center for Artificial Intelligence in Medicine and Imaging, Stanford, CA, USA（医学与成像人工智能中心，斯坦福，CA，美国） ； Scripps Translational Science Institute, San Diego, CA, USA（斯克里普斯转化科学研究所，圣地亚哥，CA，美国）
Comments Preprint
When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration
机构 * Princeton Language and Intelligence（普林斯顿语言与智能研究所） ； Stanford University（斯坦福大学） ； OpenAI（开放人工智能研究所）
Comments For code, data, visualizer, visit: https://kite-live.vercel.app
A Versatile Diffusion Transformer with Mixture of Noise Levels for Audiovisual Generation
机构 * Seoul National University（首尔国立大学） ； Google DeepMind（谷歌DeepMind） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
Journal ref In Proceedings of the 38th Conference on Neural Information Processing Systems (NeurIPS 2024)
Structure-agnostic Optimality of Doubly Robust Learning for Treatment Effect Estimation
机构 * Stanford University（斯坦福大学）
Comments 31 pages, to appear in COLT 2025
Quantile Regression with Large Language Models for Price Prediction
机构 * Amazon.com, Inc.（亚马逊公司） ； Stanford University（斯坦福大学）
Comments Accepted to Findings of ACL, 2025
