University of Southern California（南加州大学）

Tournament-GRPO: Group-Wise Tournament Rewards for Reinforcement Learning in Open-Ended Long-Form Generation

Tournament-GRPO：面向开放式长文本生成强化学习的群组锦标赛奖励

Zixuan Yang, Yiqun Chen, Wei Yang, Erhan Zhang, Zihan Shen, Xiaochi Wei, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao

机构 * Renmin University of China（中国人民大学） ； University of Southern California（南加州大学） ； Zhejiang University（浙江大学） ； Xiaohongshu Inc.（小红书公司） 纠错

AI总结 针对开放式长文本生成中缺乏可靠参考答案和自动评估指标的问题，提出Tournament-GRPO框架，通过同一查询生成结果间的多轮锦标赛比较将基于规则的LLM评判转化为相对奖励，在Deep Research Bench上取得4.52分提升。

CART Random Forests as Sequential Allocation over Random Opportunity Sets: A Stochastic-Control Theory of Ensemble Risk

CART随机森林作为随机机会集上的序贯分配：集成风险的随机控制理论

Tianxing Mei, Yingying Fan, Mingming Leng, Jinchi Lv

机构 * Faculty of Business, Lingnan University（岭南大学商学院） ； Data Sciences and Operations Department, University of Southern California（南加州大学数据科学与运营部门） 纠错

AI总结 本文从随机控制视角将CART随机森林建模为随机机会集上的序贯分配过程，通过分离特征子采样和信息分裂策略两个设计杠杆，揭示了森林均方误差的构成，并证明了CART策略的局部稳定性与全局次优性。

Comments 69 pages, 1 figure

Conceptual Steganography

概念隐写术

Zhejian Zhou, Jonathan May

机构 * University of Southern California Information Sciences Institute（南加州大学信息科学研究所） 纠错

AI总结 提出概念隐写术，通过思维链中的高级推理行为模式而非词汇选择嵌入信息，实验表明其对释义防御比标准关键词方法更鲁棒，且不影响推理效用。

Aperiodic and Low-Frequency Spectral Bias in Reconstruction based EEG Foundation Models

基于重建的脑电图基础模型中的非周期和低频谱偏差

Aditya Kommineni, Emily Zhou, Kleanthis Avramidis, Simon Bock Segaard, Jeppe Roden Münster, Andreas Peter Juhl Hansen, Takfarinas Medani, Tiantian Feng, Richard Leahy, Shrikanth Narayanan

机构 * University of Southern California（美国南加州大学） ； Aalborg University（奥尔堡大学） 纠错

AI总结 研究揭示基于重建预训练的脑电图基础模型存在非周期和低频成分偏差，导致低资源场景下性能不佳，并提出通过辅助损失关注高频振荡结构来改进。

Comments 18 pages, 13 figures, 3 tables

NeuroMambaLLM: Dynamic Graph Learning of fMRI Functional Connectivity in Autistic Brains Using Mamba and Language Model Reasoning

NeuroMambaLLM：使用Mamba和语言模型推理的自闭症大脑fMRI功能连接的动态图学习

Yasaman Torabi, Parsa Razmara, Hamed Ajorlou, Bardia Baraeinejad

机构 * Department of Electrical and Computer Engineering, McMaster University（麦基尔大学电气与计算机工程系） ； Department of Biomedical Engineering, University of Southern California（南加州大学生物医学工程系） ； Department of Electrical and Computer Engineering, University of Rochester（罗切斯特大学电气与计算机工程系） ； BIOSEN Group（BIOSEN集团） 纠错

AI总结 提出NeuroMambaLLM框架，结合动态潜在图学习、选择性状态空间时序建模与冻结的大语言模型，通过低秩适应实现fMRI动态功能连接的诊断分类与临床文本报告生成。