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

Climate Model Tuning with Online Synchronization-Based Parameter Estimation

气候模型调谐与基于在线同步的参数估计

Jordan Seneca, Suzanne Bintanja, Frank M. Selten

机构 * Koninklijk Nederlands Meteorologisch Instituut（荷兰皇家气象研究所） ； Mani L. Bhaumik Institute for Theoretical Physics（Mani L. Bhaumik理论物理研究所） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文提出了一种自适应超模型方法，通过优化超模型成员内部参数来减少气候模型偏差，实验表明该方法在挑战性案例中表现接近完美模型。

Comments 25 pages, 12 figures

A Bipartite Graph Approach to U.S.-China Cross-Market Return Forecasting

一种 bipartite 图方法用于美国-中国跨市场收益率预测

Jing Liu, Maria Grith, Xiaowen Dong, Mihai Cucuringu

机构 * Department of Statistics, University of Oxford, UK（英国牛津大学统计学系） ； Finance Department, Neoma Business School, France（法国Neoma商学院金融系） ； Department of Engineering Science, University of Oxford, UK（英国牛津大学工程科学系） ； Department of Mathematics, University of California Los Angeles, US（美国加州大学洛杉矶分校数学系） ； Oxford-Man Institute of Quantitative Finance, University of Oxford, UK（牛津大学量化金融研究所） 纠错

AI总结 本文通过保留经济结构的机器学习框架研究跨市场收益率可预测性，利用中美股市非重叠交易时间构建有向 bipartite 图，通过滚动窗口假设检验选择边，作为下游模型的稀疏特征选择层，发现美国前收盘到收盘收益率对中国日内收益率有显著预测信息。

Locate, Steer, and Improve: A Practical Survey of Actionable Mechanistic Interpretability in Large Language Models

定位、引导与改进：大型语言模型中可操作机制可解释性的一项实用调查

Hengyuan Zhang, Zhihao Zhang, Mingyang Wang, Zunhai Su, Yiwei Wang, Qianli Wang, Shuzhou Yuan, Ercong Nie, Xufeng Duan, Feijiang Han, Qibo Xue, Zeping Yu, Chenming Shang, Xiao Liang, Jing Xiong, Hui Shen, Chaofan Tao, Zhengwu Liu, Senjie Jin, Zhiheng Xi, Dongdong Zhang, Sophia Ananiadou, Tao Gui, Ruobing Xie, Hayden Kwok-Hay So, Hinrich Schütze, Xuanjing Huang, Qi Zhang, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； LMU Munich（慕尼黑大学） ； Tsinghua University（清华大学） ； Technische Universität Darmstadt（达姆施塔特技术大学） ； Technische Universität Berlin（柏林技术大学） ； Technische Universität Dresden（德累斯顿技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Nanjing University（南京大学） ； University of Manchester（曼彻斯特大学） ； Dartmouth College（达特茅斯学院） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Michigan（密歇根大学） ； Microsoft（微软） ； Tencent（腾讯） 纠错

AI总结 本文提出一个实用调查，围绕'定位、引导与改进'流程，系统分类定位和引导方法，展示如何通过该框架提升模型对齐、能力和效率。

Does RLVR Extend Reasoning Boundaries? Investigating Capability Expansion in Vision-Language Models

RLVR能否扩展推理边界？探究视觉-语言模型中的能力扩展

Minghe Shen, Zhuo Zhi, Chonghan Liu, Shuo Xing, Zhengzhong Tu, Che Liu

机构 * University College London（伦敦大学学院） ； Samsung R&D Institute UK（三星英国研发院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Texas A&M University（德克萨斯农工大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 本文通过Ariadne框架研究RLVR对视觉-语言模型空间推理能力的影响，证明其能扩展推理边界，并在真实导航任务中取得提升。