View-Invariant Policy Learning via Zero-Shot Novel View Synthesis
机构 * Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究中心）
Comments Accepted to CoRL 2024
高校专区
Stanford University（斯坦福大学）
DexMachina: Functional Retargeting for Bimanual Dexterous Manipulation
机构 * Stanford University（斯坦福大学） ； NVIDIA（英伟达）
RealDrive: Retrieval-Augmented Driving with Diffusion Models
机构 * NVIDIA Research（NVIDIA研究部） ； University of Wisconsin – Madison（威斯康星大学麦迪逊分校） ； Stanford University（斯坦福大学）
Drop Dropout on Single-Epoch Language Model Pretraining
机构 * Stanford University（斯坦福大学）
Comments Accepted to ACL Findings; 5 pages, 2 figures, 4 pages of appendix
Predicting the Past: Estimating Historical Appraisals with OCR and Machine Learning
机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
Comments Accepted to COMPASS 2025
From Citations to Criticality: Predicting Legal Decision Influence in the Multilingual Swiss Jurisprudence
机构 * University of Bern（伯尔尼大学） ； Bern University of Applied Sciences（伯尔尼应用科学大学） ； Stanford University（斯坦福大学） ； University of Copenhagen（哥本哈根大学）
Comments Accepted to ACL main 2025
A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications
机构 * Renmin University of China（中国人民大学） ； Stanford University（斯坦福大学） ； Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； Hupan Lab（华潘实验室） ； Tencent AI Lab（腾讯AI实验室）
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-025-41426-w}
Scaling up the think-aloud method
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院）
Comments 8 pages, 4 figures. Daniel Wurgaft and Ben Prystawski contributed equally
Tell, Don't Show: Leveraging Language Models' Abstractive Retellings to Model Literary Themes
机构 * University of California Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
Comments 26 pages, 7 figures, Findings of ACL 2025
NegVQA: Can Vision Language Models Understand Negation?
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
Comments Published at ACL 2025 Findings
Proper Dataset Valuation by Pointwise Mutual Information
机构 * Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） ； Stanford University（斯坦福大学）
ChatHuman: Chatting about 3D Humans with Tools
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Stanford University（斯坦福大学） ； Meshcapade ； Tsinghua University（清华大学） ； University of Cambridge（剑桥大学）
Comments Project page: https://chathuman.github.io
Learning Compositional Behaviors from Demonstration and Language
机构 * Stanford University（斯坦福大学）
Comments Presented at CoRL 2024 and as an Oral Presentation at the 2024 CoRL LEAP Workshop. The first two authors contributed equally. The last two authors jointly advised the project. For videos and additional results, visit: https://blade-bot.github.io/
Representative Language Generation
机构 * Stanford University（斯坦福大学） ； University of Michigan（密歇根大学）
Comments Accepted to ICML 2025
A Checks-and-Balances Framework for Context-Aware Ethical AI Alignment
机构 * stan（斯坦福大学） ； Computer Science, Stanford University（斯坦福大学计算机科学）
Comments 20 pages, 7 tables, 6 figures. arXiv admin note: substantial text overlap with arXiv:2405.07076
A Call to Arms: AI Should be Critical for Social Media Analysis of Conflict Zones
机构 * University of Alberta（阿尔伯塔大学） ； University of Regina（里贾纳大学） ； University of Maryland（马里兰大学） ； Stanford University（斯坦福大学）
Thinking beyond the anthropomorphic paradigm benefits LLM research
机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
Spatial RoboGrasp: Generalized Robotic Grasping Control Policy
机构 * Stanford University（斯坦福大学） ； Peking University（北京大学） ； ZhiCheng AI（智城AI）
Improved Representation Steering for Language Models
机构 * Stanford University（斯坦福大学）
Comments 46 pages, 23 figures, preprint
SeqPO-SiMT: Sequential Policy Optimization for Simultaneous Machine Translation
机构 * The Chinese University of Hong Kong（香港中文大学） ； Bytedance（字节跳动） ； Stanford University（斯坦福大学）
Comments Accepted by The 63rd Annual Meeting of the Association for Computational Linguistics (ACL 2025)
Multi-Stage Speaker Diarization for Noisy Classrooms
机构 * Stanford University（斯坦福大学） ； University of Maryland（马里兰大学）
Dual-Directed Algorithm Design for Efficient Pure Exploration
机构 * Stanford Graduate School of Business, Stanford University（斯坦福商学院、斯坦福大学） ； Department of Industrial Engineering and Decision Analytics, The Hong Kong University of Science and Technology（工业工程与决策分析系、香港科学与技术大学）
CLEVRER-Humans: Describing Physical and Causal Events the Human Way
机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学）
Comments Version 3. NeurIPS 2022 (Dataset and Benchmark Track). First two authors contributed equally. Project page: https://sites.google.com/stanford.edu/clevrer-humans/home
Category-Agnostic Neural Object Rigging
机构 * Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学）
Comments Accepted to CVPR 2025. Project Page: https://guangzhaohe.com/canor
Long-Context State-Space Video World Models
机构 * Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； Adobe Research（Adobe研究）
Comments Project website: https://ryanpo.com/ssm_wm
Subtle Risks, Critical Failures: A Framework for Diagnosing Physical Safety of LLMs for Embodied Decision Making
机构 * Yonsei University（延世大学） ； Stanford University（斯坦福大学） ； University of Washington, Seattle WA（华盛顿大学）
Comments 37 pages, 13 tables, 6 figures
RAGEN: Understanding Self-Evolution in LLM Agents via Multi-Turn Reinforcement Learning
机构 * Northwestern University（西北大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Microsoft（微软） ； New York University（纽约大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Singapore Management University（新加坡国立管理学院）
RESTOR: Knowledge Recovery in Machine Unlearning
机构 * University of Maryland（马里兰大学） ； Mistral AI ； Stanford University（斯坦福大学） ； Allen Institute for AI（人工智能研究院） ； University of Washington（华盛顿大学）
Comments Accepted to TMLR 2025
Kuramoto-FedAvg: Using Synchronization Dynamics to Improve Federated Learning Optimization under Statistical Heterogeneity
机构 * Stanford University（斯坦福大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
LogiCoL: Logically-Informed Contrastive Learning for Set-based Dense Retrieval
机构 * Stanford University（斯坦福大学） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Pennsylvania（宾夕法尼亚大学）
