University of Pennsylvania（宾夕法尼亚大学）

Correct Prediction, Wrong Steps? Consensus Reasoning Knowledge Graph for Robust Chain-of-Thought Synthesis

正确预测，错误步骤？基于共识推理的知识图谱用于鲁棒的推理链合成

Zipeng Ling, Shuliang Liu, Shenghong Fu, Yuehao Tang, Seonil Son, Yao Wan, Xuming Hu

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Huazhong University of Science and Technology（华中科技大学） ； Hong Kong Polytechnic University（香港理工大学） ； RLWRLD 纠错

AI总结 本文提出CRAFT框架，通过构建共识推理知识图谱缓解LLM推理中的内部和步骤性错误，提升推理链质量，实验显示其在逻辑和数学推理基准上表现优越。

Strategic Response of News Publishers to Generative AI

新闻出版商对生成式人工智能的战略回应

Hangcheng Zhao, Ron Berman

机构 * Rutgers Business School（罗格斯商学院） ； The Wharton School of the University of Pennsylvania（宾夕法尼亚大学沃顿商学院） 纠错

AI总结 研究分析生成式人工智能对新闻出版商的影响，发现其通过封锁LLM访问、转向高质量内容及增加招聘需求等策略应对竞争威胁。

FAST: A Synergistic Framework of Attention and State-space Models for Spatiotemporal Traffic Prediction

FAST：一种结合注意机制和状态空间模型的协同框架用于时空交通预测

Xinjin Li, Jinghan Cao, Mengyue Wang, Yue Wu, Longxiang Yan, Yeyang Zhou, Ziqi Sha, Yu Ma

机构 * Columbia University（哥伦比亚大学） ； San Francisco State University（旧金山州立大学） ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 FAST结合注意机制和状态空间模型，提出了一种可扩展的时空交通预测框架，通过时空-时空架构和Mamba基的空模块，有效捕捉短期和长期时间模式及长距离传感器依赖，实验表明其在精度、可扩展性和泛化性上均优于现有方法。

Comments Accepted by ICME 2026

A short proof of near-linear convergence of adaptive gradient descent under fourth-order growth and convexity

适应性梯度下降在四阶增长和凸性下近线性收敛的简短证明

Damek Davis, Dmitriy Drusvyatskiy

机构 * Department of Statistics and Data Science, The Wharton School, University of Pennsylvania（统计与数据科学系，沃顿商学院，宾夕法尼亚大学） ； Halicioğlu Data Science Institute, University of California, San Diego（Halicioğlu数据科学研究所，加州大学圣地亚哥分校） 纠错

AI总结 本文通过Lyapunov方法证明了在四阶增长和凸性条件下，适应性梯度下降具有近线性收敛性，并提出更高效的变体算法。