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

Simulating Human Memory with Language Models

用语言模型模拟人类记忆

Qihan Wang, Nicholas Tomlin, Michael Hu, Brian Dillon, Tal Linzen

机构 * NYU（纽约大学） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 本研究通过心理学经典记忆实验对比语言模型与人类记忆，发现未经调优的模型记忆优于人类，但通过提示策略和压缩器可使模型遗忘方式更接近人类，从而在下游教育任务中成为更有效的用户模拟器。

Two-Sided Time-Independent Regret for Matching Markets with Limited Interviews

有限面试匹配市场的双面时间无关遗憾

Amirmahdi Mirfakhar, Xuchuang Wang, Mengfan Xu, Hedyeh Beyhaghi, Mohammad Hajiesmaili

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 针对面试次数有限的匹配市场，提出利用面试作为提示进行双面学习，并通过策略性延迟纠正早期错误，实现与时间无关的遗憾界。

Scene Abstraction for Lexical Semantics: Structured Representations of Situated Meaning

词汇语义的场景抽象：情境意义的结构化表示

Yejin Cho, Katrin Erk

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 提出场景抽象框架，通过少样本提示大语言模型构建词汇使用情境的结构化表示，实验证明场景可可靠识别且优于基线方法。