University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

EDITOR: Effective and Interpretable Prompt Inversion for Text-to-Image Diffusion Models

编辑：用于文本到图像扩散模型的有效且可解释的提示倒置

Mingzhe Li, Kejing Xia, Gehao Zhang, Zhenting Wang, Guanhong Tao, Siqi Pan, Juan Zhai, Shiqing Ma

机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Rutgers University（罗格斯大学） ； University of Utah（犹他大学） ； Dolby Laboratories（杜比实验室） 纠错

AI总结 本文提出\sys技术，通过预训练模型初始化、潜在空间反向工程和嵌入到文本转换，提升文本到图像扩散模型的提示倒置效果，实现更高的图像相似性和可解释性。

The StudyChat Dataset: Analyzing Student Dialogues With ChatGPT in an Artificial Intelligence Course

StudyChat数据集：在人工智能课程中分析学生与ChatGPT的对话

Hunter McNichols, Fareya Ikram, Andrew Lan

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 StudyChat数据集分析了学生在人工智能课程中使用ChatGPT的对话行为，揭示了学生使用LLM进行概念理解与编码帮助与学业表现之间的正相关关系，以及规避学习目标的行为与学业成绩的负相关关系。

Comments LAK '26