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

2607.19750 2026-07-23 hep-ex cs.LG 新提交

Machine Can Automatically Discover Parametric Functions to Model HEP Data

机器可自动发现参数函数以对高能物理数据建模

Ho Fung Tsoi, Dylan Rankin, Cecile Caillol, Miles Cranmer, Sridhara Dasu, Javier Duarte, Philip Harris, Elliot Lipeles

机构 * University of Pennsylvania, USA（宾夕法尼亚大学）； European Organization for Nuclear Research (CERN), Switzerland（欧洲核子研究中心）； University of Cambridge, UK（剑桥大学）； University of Wisconsin-Madison, USA（威斯康星大学麦迪逊分校）； University of California San Diego, USA（加州大学圣地亚哥分校）； Massachusetts Institute of Technology, USA（麻省理工学院）； Institute for Artificial Intelligence（人工智能研究所）

AI总结研究高能物理数据分析中为分箱数据找合适函数建模的问题，核心方法是用符号回归实现自动化，主要贡献是展示SymbolFit软件包，在双喷注谱演示中取得良好效果，如生成众多拟合函数，部分运行重新发现已用函数。

Comments 6 pages. to be presented at ICHEP 2026

2607.18232 2026-07-23 cs.CL 版本更新

It's Not What You Say, It's How You Say It: Evaluating LLM Responses to Expressions of Belief

重要的不是你说了什么，而是你怎么说：评估大语言模型对信念表达的回应

Kevin Du, Clara Kümpel, Michelle Wastl, Alex Warstadt

机构 * ETH Zürich（苏黎世联邦理工学院）； University of Zurich（苏黎世大学）； UC San Diego（加州大学圣地亚哥分校）

AI总结研究用户信念表达形式对大语言模型的影响，引入基于语言维度的类型学，生成可控查询对，评估不同架构、规模和训练阶段的16个LLMs，发现响应行为差异及能显著说服模型的特定信念表达，揭示语言框架对模型情境整合的影响。

Comments Published at ACL 2026

2503.22676 2026-07-23 cs.CV

TranSplat: Instant Object Relighting in Gaussian Splatting via Spherical Harmonic Radiance Transfer

TranSplat：基于高斯点云的即时物体光照重置

Boyang Tony Yu, Yanlin Jin, Yun He, Akshat Dave, Ravi Ramamoorthi, Guha Balakrishnan

机构 * Rice University（里士大学）； University of Maryland（马里兰大学）； Stony Brook University（石溪大学）； University of California, San Diego（加州大学圣地亚哥分校）

AI总结 TranSplat在高斯点云框架中实现物体即时准确光照重置，通过BRDF无关的辐射传输策略，利用源和目标环境图的每法线辐照比调节球谐函数外观系数，无需显式材质估计，实现视点依赖和光泽外观的处理。

Comments ICCP 2026

2510.05592 2026-07-23 cs.AI cs.CL cs.LG cs.MA 版本更新

In-the-Flow Agentic System Optimization for Effective Planning and Tool Use

用于有效规划和工具使用的流内智能体系统优化

Zhuofeng Li, Haoxiang Zhang, Seungju Han, Sheng Liu, Jianwen Xie, Yu Zhang, Yejin Choi, James Zou, Pan Lu

机构 * Stanford University（斯坦福大学）； Texas A&M University（德克萨斯农工大学）； UC San Diego（圣地亚哥大学）； Lambda Website（Lambda网站）

AI总结研究针对大语言模型中工具增强方法的不足，提出可训练的流内智能体框架AgentFlow及Flow-GRPO训练方法，通过协调模块优化规划器，在多基准测试中表现优异，展现流内优化优势。

Comments 47 pages, 12 figures. ICLR 2026 Oral. Project website: https://agentflow.stanford.edu/