University of Texas at Austin（得克萨斯大学奥斯汀分校）

Adaptive Combinatorial Experimental Design: Pareto Optimality for Decision-Making and Inference

自适应组合实验设计：决策与推断的帕累托最优性

Hongrui Xie, Junyu Cao, Kan Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Arizona State University（亚利桑那州立大学） 纠错

AI总结 本文提出 MixCombKL 和 MixCombUCB 算法，通过帕累托最优性在组合多臂老虎机中实现 regret 最小化与统计功效的平衡。

Comments 30 pages, 3 figure, AISTATS 2026 accepted paper

Sandwiching Polynomials for Geometric Concepts with Low Intrinsic Dimension

用低维维度的多项式 sandwiching 几何概念

Adam R. Klivans, Konstantinos Stavropoulos, Arsen Vasilyan

机构 * UT Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种新的方法，通过构造低次sandwiching多项式，为低维函数类和边际分布提供了显著改进的次数界，特别是在高斯分布下，对k个半空间函数的多项式次数达到了poly(k)的改进。

Comments 30 pages

Structure tensor Reynolds-averaged Navier-Stokes turbulence models with equivariant neural networks

基于等变神经网络的结构张量雷诺平均纳维-斯托克斯湍流模型

Aaron Miller, Sahil Kommalapati, Robert Moser, Petros Koumoutsakos

机构 * Computational Science and Engineering Laboratory, Harvard University（哈佛大学计算科学与工程实验室） ； Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校计算工程与科学研究所） ； Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校沃克机械工程系） 纠错

AI总结 本文提出利用等变神经网络改进结构张量模型，以提高RANS模型中快速压力-应变项的准确性，并验证Kassinos等人的假设。

Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation

混合发起对话用于人机协作操作

Albert Yu, Chengshu Li, Luca Macesanu, Arnav Balaji, Ruchira Ray, Raymond Mooney, Roberto Martín-Martín

机构 * UT Austin（得克萨斯大学） ； OpenAI ； NYU（纽约大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 MICoBot通过混合发起对话范式提升人机协作任务的成功率和用户体验。

Comments Project website at https://robin-lab.cs.utexas.edu/MicoBot/

LE-NeuS: Latency-Efficient Neuro-Symbolic Video Understanding via Adaptive Temporal Verification

LE-NeuS: 通过自适应时间验证实现低延迟的神经符号视频理解

Shawn Liang, Sahil Shah, Chengwei Zhou, SP Sharan, Harsh Goel, Arnab Sanyal, Sandeep Chinchali, Gourav Datta

机构 * Case Western Reserve University（凯斯西储大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 LE-NeuS通过自适应时间验证优化，实现低延迟的神经符号视频理解，在保持高准确率的同时大幅减少推理延迟。

Comments Under review

France or Spain or Germany or France: A Neural Account of Non-Redundant Redundant Disjunctions

法国或西班牙或德国或法国：对非冗余冗余析取的神经账户

Sasha Boguraev, Qing Yao, Kyle Mahowald

机构 * Department of Linguistics The University of Texas at Austin（语言学系德克萨斯大学奥斯汀分校） 纠错

AI总结 本文通过神经机制解释了非冗余冗余析取现象，揭示了上下文敏感语义解释的机制，并补充了现有符号分析。

Comments 7 pages, 6 figures