University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Transferability for General Reasoning: An Automated Curriculum for Multi-Domain RLVR

通用推理的可迁移性：多领域RLVR的自动课程

Yongjin Yang, Jiarui Liu, Yinghui He, Lechen Zhang, Bernhard Schölkopf, Zhijing Jin

机构 * Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； Princeton University（普林斯顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ELLIS Institute Tübingen（ELLIS研究所图宾根） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； EuroSafeAI 纠错

AI总结 提出迁移感知课程（TAC），利用优势信号和投影梯度估计跨领域可迁移性，在多领域推理套件上实现最佳平均准确率。

Comments 32 pages, including supplementary material; code available at https://github.com/YangYongJin/transfer-aware-curriculum

Uncovering Insights of Compound Flooding with Data-Driven AI

利用数据驱动AI揭示复合洪水的内在机制

Xu Zheng, Chaohao Lin, Sipeng Chen, Zhuomin Chen, Jimeng Shi, Jayantha Obeysekera, Jingchao Ni, Wei Cheng, Jason Liu, Dongsheng Luo

机构 * Florida International University（佛罗里达国际大学） ； Florida State University（佛罗里达州立大学） ； UIUC（伊利诺伊大学香槟分校） ； University of Houston（休斯顿大学） ； NEC Lab America（NEC美国实验室） ； Singapore Management University（新加坡管理大学） 纠错

AI总结 通过整合潮汐、降雨、地下水位和人类水管理活动，利用数据驱动方法分析南佛罗里达复合洪水，发现地下水位是主要预测因子，空间耦合状态比长期时间依赖更重要。

Comments Accepted to SIGKDD 2026 AI for Science Track; 12 Pages, 5 Figures, 6 Tables