University of California, San Diego（加州大学圣迭戈分校）

KLDrive: Fine-Grained 3D Scene Reasoning for Autonomous Driving based on Knowledge Graph

KLDrive: 基于知识图谱的细粒度3D场景推理用于自动驾驶

Ye Tian, Jingyi Zhang, Zihao Wang, Xiaoyuan Ren, Xiaofan Yu, Onat Gungor, Tajana Rosing

机构 * University of California San Diego, La Jolla, California, USA（加州大学圣地亚哥分校） ； University of California Merced, Merced, California, USA（加州大学默塞德分校） 纠错

AI总结 KLDrive通过构建可靠场景知识图谱和LLM代理进行事实驱动推理，提升自动驾驶中的细粒度问答性能，实验表明其在NuScenes-QA和GVQA上均取得最佳准确率和SPICE分数。

Agentic AI and the next intelligence explosion

代理AI与下一次智能爆炸

James Evans, Benjamin Bratton, Blaise Agüera y Arcas

机构 * Paradigms of Intelligence Team, Google（谷歌智能范式团队） ； University of Chicago（芝加哥大学） ； Santa Fe Institute（圣菲研究所） ； Antikythera, Berggruen Institute（安提基特拉与伯格格林研究所） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文探讨代理AI如何通过模拟内部思想社会解决复杂任务，提出智能爆炸将不再是单一硅基脑，而是复杂社会结构。

Comments 4 pages

Effectiveness of Distributed Gradient Descent with Local Steps for Overparameterized Models

分布式梯度下降与局部步骤在过参数化模型中的有效性

Heng Zhu, Harsh Vardhan, Arya Mazumdar

机构 * Halicioğlu Data Science Institute（哈利奇奥卢数据科学研究所） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文分析了局部梯度下降在过参数化模型中收敛到零训练损失的隐含偏置，揭示了其在异构数据中仍能保持性能的原因，并扩展至局部随机梯度下降和非分离数据。

High Confidence Level Inference is Almost Free using Parallel Stochastic Optimization

利用并行随机优化实现高置信度推断几乎是免费的

Wanrong Zhu, Zhipeng Lou, Ziyang Wei, Wei Biao Wu

机构 * Department of Statistics, University of California, Irvine（加州大学 Irvine 分校统计系） ； Department of Mathematics, University of California, San Diego（加州大学圣地亚哥分校数学系） ； Department of Statistics, University of Chicago（芝加哥大学统计系） 纠错

AI总结 本文提出一种高效构建置信区间的方法，通过少量独立多轮运行获取分布信息，实现快速收敛和高置信度推断，无需额外计算资源。

OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis

OpenResearcher: 一个完全开放的长 horizon 深度研究轨迹合成管道

Zhuofeng Li, Dongfu Jiang, Xueguang Ma, Haoxiang Zhang, Ping Nie, Yuyu Zhang, Kai Zou, Jianwen Xie, Yu Zhang, Wenhu Chen

机构 * Texas A&M University（德克萨斯大学） ； University of Waterloo（滑铁卢大学） ； UC San Diego（圣地亚哥大学） ； Verdent AI ； NetMind AI ； Lambda Code Demo Data Model 纠错

AI总结 OpenResearcher 提出了一种可重复的管道，通过解耦一次性语料库初始化与多轮轨迹合成，利用浏览器原语在1500万文档语料库上进行离线搜索和浏览循环，合成97000条轨迹并提升浏览任务准确率。