University of California, Berkeley（加州大学伯克利分校）

IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation

IMMACULATE: 通过可验证计算实现的实用LLM审计框架

Yanpei Guo, Wenjie Qu, Linyu Wu, Shengfang Zhai, Lionel Z. Wang, Ming Xu, Yue Liu, Binhang Yuan, Dawn Song, Jiaheng Zhang

机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 IMMACULATE通过可验证计算实现对大语言模型的审计，检测模型替换、量化滥用和令牌过账等经济动机驱动的偏差，具有低吞吐量开销和强检测保证。

dLLM: Simple Diffusion Language Modeling

dLLM：简单的扩散语言建模

Zhanhui Zhou, Lingjie Chen, Hanghang Tong, Dawn Song

机构 * UC Berkeley（伯克利大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

AI总结 dLLM提供了一个统一的开源框架，用于标准化和灵活扩展扩散语言建模的核心组件，同时提供可重现的食谱以加速小型DLMs的研究与开发。

Comments Code available at: https://github.com/ZHZisZZ/dllm

K-Search: LLM Kernel Generation via Co-Evolving Intrinsic World Model

K-Search: 通过共进化内在世界模型生成LLM内核

Shiyi Cao, Ziming Mao, Joseph E. Gonzalez, Ion Stoica

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 K-Search通过共进化内在世界模型生成LLM内核，显著优于现有进化搜索方法，实现高效内核优化。

Evaluating the Diversity and Quality of LLM Generated Content

评估大型语言模型生成内容的多样性和质量

Alexander Shypula, Shuo Li, Botong Zhang, Vishakh Padmakumar, Kayo Yin, Osbert Bastani

机构 * University of Pennsylvania（宾夕法尼亚大学） ； New York University（纽约大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 本文提出有效语义多样性测量框架，发现偏好微调模型在质量阈值下具有更高多样性，且小模型在固定预算内更高效生成独特内容。

Comments Published at COLM 2025

Strategy Executability in Mathematical Reasoning: Leveraging Human-Model Differences for Effective Guidance

数学推理中的策略可执行性：利用人类-模型差异实现有效指导

Weida Liang, Yiyou Sun, Shuyuan Nan, Chuang Li, Dawn Song, Kenji Kawaguchi

机构 * National University of Singapore（新加坡国立大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出SSR框架，通过显式建模策略可执行性，利用人类-模型差异提升数学推理的指导效果。

ArchAgent: Agentic AI-driven Computer Architecture Discovery

ArchAgent: 由人工智能驱动的计算机架构发现

Raghav Gupta, Akanksha Jain, Abraham Gonzalez, Alexander Novikov, Po-Sen Huang, Matej Balog, Marvin Eisenberger, Sergey Shirobokov, Ngân Vũ, Martin Dixon, Borivoje Nikolić, Parthasarathy Ranganathan, Sagar Karandikar

机构 * University of California, Berkeley（加州大学伯克利分校） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 ArchAgent利用人工智能驱动的自动化方法，快速发现并优化计算机架构中的缓存替换策略，显著提升性能并展示出在模拟器中的新发现。

Comments 13 pages, 5 figures, 2 tables

Depth from Defocus via Direct Optimization

通过直接优化实现深度恢复

Holly Jackson, Caleb Adams, Ignacio Lopez-Francos, Benjamin Recht

机构 * University of California, Berkeley, California, USA（加州大学伯克利分校） ； NASA Ames Research Center, Moffett Field, California, USA（美国航空航天局阿姆斯研究中心） ； KBR, Houston, Texas, USA（KBR公司） 纠错

AI总结 本文提出了一种基于交替最小化的深度恢复方法，通过凸优化和并行搜索在更高分辨率上实现优于深度学习的模糊恢复效果。