Instruction Following by Principled Boosting Attention of Large Language Models
通过原理性提升大语言模型的注意力来实现指令遵循
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出InstABoost方法，通过提升指令相关注意力来增强指令遵循，避免了其他方法的缺陷，提升了指令引导与任务相关上下文的平衡。
高校专区
University of Pennsylvania（宾夕法尼亚大学）
Conformal Selective Prediction with General Risk Control
符合性选择预测与通用风险控制
机构 * Department of Statistics, Stanford University（斯坦福大学统计学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计学与数据科学系）
AI总结 本文提出SCoRe框架，通过符合性推理和假设检验方法，在无需统一集中假设的情况下，为任何训练好的模型和用户定义的有界连续风险提供风险控制保证，并应用于药物发现、健康风险预测和大语言模型等领域。
MIGHTY: Hermite Spline-based Efficient Trajectory Planning
MIGHTY：基于Hermite样条的高效轨迹规划
机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空航天系，麻省理工学院） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学）
AI总结 MIGHTY通过Hermite样条实现时空优化，利用连续搜索空间提升效率，仿真中计算时间与旅行时间分别减少9.3%和13.1%，硬件测试中实现高速飞行和动态障碍物应对。
Comments 10 pages, 12 figures
