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

Active Learning for Manifold Gaussian Process Regression

manifold高斯过程回归的主动学习

Yuanxing Cheng, Lulu Kang, Yiwei Wang, Chun Liu

机构 * Dept. of Applied Mathematics（应用数学系） ； Illinois Institute of Technology（伊利诺伊理工学院） ； Dept. of Mathematics and Statistics（数学与统计学系） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Dept. of Mathematics（数学系） ； University of California Riverside（加州大学河滨分校） 纠错

AI总结 本文提出一种结合manifold学习和策略性数据选择的主动学习框架，用于高维空间中的高斯过程回归。通过联合优化神经网络和高斯过程回归器，提升预测准确性，实验显示优于随机顺序学习。

Comments 13 pages, 6 figures

Journal ref 2025 Winter Simulation Conference (WSC), Seattle, WA, USA, 2025, pp. 1-12

Trajectory Supervision for Continual Tool-Use Learning in LLMs

在大语言模型中为持续工具使用学习提供轨迹监督

Vishnu Vardhan Reddy, Sagnik Chatterjee, Soumik Bhatta

机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 研究通过对比保留工具使用轨迹与去除中间API轨迹的方法，发现保留轨迹能提升API调用准确率，但需更多训练token。

TRAM: Training Approximate Multiplier Structures for Low-Power AI Accelerators

TRAM：用于低功耗AI加速器的近似乘法结构训练

Chang Meng, Hanyu Wang, Yuyang Ye, Mingfei Yu, Wayne Burleson, Giovanni De Micheli

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Chinese University of Hong Kong（香港中文大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 TRAM通过联合优化近似乘法结构与AI模型参数，实现低功耗与小精度损失的平衡，实验显示在CNN和视觉Transformer上分别达到25.05%和27.09%的功耗降低。