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

SimulCost: A Cost-Aware Benchmark and Toolkit for Automating Physics Simulations with LLMs

SimulCost: 一个用于自动化物理模拟的代价感知基准与工具包

Yadi Cao, Sicheng Lai, Jiahe Huang, Yang Zhang, Zach Lawrence, Rohan Bhakta, Izzy F. Thomas, Mingyun Cao, Chung-Hao Tsai, Zihao Zhou, Yidong Zhao, Hao Liu, Alessandro Marinoni, Alexey Arefiev, Rose Yu

机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking University（北京大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； California Institute of Technology（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 针对现有LLM评估忽略工具使用代价的问题，提出SimulCost基准，通过单轮和多轮参数调优任务比较LLM与传统扫描方法在准确性和计算代价上的表现，发现LLM在高精度任务中初始猜测不可靠且多轮模式效率更低。

Comments post conference revision version at ICML; update: removed CGYRO due to bug in cases search. Will add back soon; Make the title consistent w/ pdf

Iso-Riemannian Optimization on Learned Data Manifolds

学习到的数据流形上的等黎曼优化

Willem Diepeveen, Melanie Weber

机构 * Department of Mathematics University of California, Los Angeles（数学系 加州大学洛杉矶分校） ； School of Engineering and Applied Sciences Harvard University（工程与应用科学学院 哈佛大学） 纠错

AI总结 本文针对学习到的数据流形上的优化问题，提出等黎曼优化理论，构建l2投影梯度等黎曼下降方案，从函数与向量场视角分析其收敛性，为该场景下的优化提供了合适框架。