University of California, Los Angeles（加州大学洛杉矶分校）

A canonical generalization of OBDD

OBDD的规范推广

Florent Capelli, YooJung Choi, Stefan Mengel, Martín Muñoz, Guy Van den Broeck

机构 * Univ. Artois, CNRS, UMR 8188, CRIL（阿尔图瓦大学，法国国家科学研究中心，UMR 8188，计算机科学、信号与图像处理研究实验室） ； Arizona State University（亚利桑那州立大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 本文提出Tree Decision Diagrams作为布尔函数模型，扩展了OBDD。TDD在结构d-DNNF限制下具有与OBDD相同的可计算性，且更简洁，能高效表示树宽为k的CNF公式。

Comments Submitted to SAT26

Adaptive Serverless Resource Management via Slot-Survival Prediction and Event-Driven Lifecycle Control

基于槽生存预测和事件驱动生命周期控制的自适应无服务器资源管理

Zeyu Wang, Cuiqianhe Du, Renyue Zhang, Kejian Tong, Qi He, Qiyuan Tian

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学） ； Independent Researcher, Mukilteo（独立研究员，穆基尔托） ； Fordham University（福特汉姆大学） ； Independent Researcher, Washington（独立研究员，华盛顿） 纠错

AI总结 本文提出一种自适应框架，通过事件驱动架构和概率建模优化无服务器性能，采用双策略动态调整空闲时间并基于槽生存预测实现智能请求等待策略，实验表明在多云环境中冷启动减少51.2%且成本效率提升近2倍。

Scalar Federated Learning for Linear Quadratic Regulator

标量联邦学习用于线性二次调节器

Mohammadreza Rostami, Shahriar Talebi, Solmaz S. Kia

机构 * University of California, Irvine（加州大学尔湾分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 ScalarFedLQR通过分解投影梯度机制，实现高效联邦学习LQR控制，降低通信开销，提升高维下的收敛速度与稳定性。

MVNN: A Measure-Valued Neural Network for Learning McKean-Vlasov Dynamics from Particle Data

MVNN：一种用于从粒子数据中学习麦克肯-瓦拉斯动力学的测度神经网络

Liyao Lyu, Xinyue Yu, Hayden Schaeffer

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文提出一种测度神经网络，用于从粒子轨迹数据中学习相互作用力，通过学习概率测度的柱状特征，实现对测度依赖的漂移项的直接推断，并在理论和数值实验中验证了其有效性。

DialectGen: Benchmarking and Improving Dialect Robustness in Multimodal Generation

DialectGen：多模态生成中方言鲁棒性评估与改进

Yu Zhou, Sohyun An, Haikang Deng, Da Yin, Clark Peng, Cho-Jui Hsieh, Kai-Wei Chang, Nanyun Peng

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 本文通过构建涵盖六种英语方言的大型基准，评估多模态生成模型在方言输入下的表现，提出一种通用编码器策略提升方言鲁棒性，同时保持标准美式英语性能。