University of Toronto（多伦多大学）

Comparing Exploration-Exploitation Strategies of LLMs and Humans: Insights from Standard Multi-armed Bandit Experiments

比较语言模型和人类的探索-利用策略：来自标准多臂老虎机实验的见解

Ziyuan Zhang, Darcy Wang, Ningyuan Chen, Rodrigo Mansur, Vahid Sarhangian

机构 * Department of Mechanical & Industrial Engineering, University of Toronto（机械与工业工程系，多伦多大学） ； The Rotman School of Management, University of Toronto（罗特曼管理学院，多伦多大学） ； Department of Psychiatry, University of Toronto（精神病学系，多伦多大学） 纠错

AI总结 本文通过多臂老虎机实验比较语言模型、人类和算法的探索-利用策略，发现启用思考使语言模型行为更接近人类，但在复杂环境中表现受限。

Scale-Aware Adversarial Analysis: A Diagnostic for Generative AI in Multiscale Complex Systems

基于尺度的对抗分析：生成AI在多尺度复杂系统中的诊断

Mengke Zhao, Guang-Xing Li, Duo Xu, Keping Qiu

机构 * School of Astronomy and Space Science, Nanjing University（南京大学天文与空间科学学院） ； South-Western Institute for Astronomy Research, Yunnan University（云南西南天文研究所） ； Key Laboratory of Modern Astronomy and Astrophysics (Nanjing University), Ministry of Education（南京大学现代天文与天体物理重点实验室） ； Canadian Institute for Theoretical Astrophysics, University of Toronto（多伦多大学加拿大理论天体物理研究所） 纠错

AI总结 本文提出基于约束扩散分解的诊断框架，用于评估生成AI在多尺度复杂系统中的性能，揭示模型在物理约束下的稳定性与连续性问题。

Comments submitted, comments welcome

Binomial flows: Denoising and flow matching for discrete ordinal data

二项流：用于离散序数数据的去噪和流匹配

Yair Shenfeld, Ricardo Baptista, Stefano Peluchetti

机构 * Division of Applied Mathematics, Brown University, Providence, RI, USA 02912（应用数学系，布朗大学，普罗维德恩，罗德岛州，美国 02912） ； Department of Statistical Sciences, University of Toronto, Toronto, ON, Canada M5G 1X6（统计科学系，多伦多大学，多伦多，安大略省，加拿大 M5G 1X6） 纠错

AI总结 本文提出二项流，为离散非负序数数据提供训练离散扩散模型的简单方法，同时实现去噪、采样和精确似然估计。

Comments 41 pages, 9 figures

Representation in large language models

大型语言模型中的表示

Cameron Yetman

机构 * University of Toronto（多伦多大学） 纠错

AI总结 本文探讨大型语言模型是否通过基于表示的信息处理而非记忆和随机查找来工作，提出通过实践技术研究表示并发展解释，为未来理论提供基础。

Comments Preprint, forthcoming in Ergo: An Open Access Journal of Philosophy, 34 pages, 2 figures