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

Geography According to ChatGPT -- How Generative AI Represents and Reasons about Geography

根据ChatGPT的地理学——生成式AI如何代表和推理地理

Krzysztof Janowicz, Gengchen Mai, Rui Zhu, Song Gao, Zhangyu Wang, Yingjie Hu, Lauren Bennett

机构 * University of Vienna（维也纳大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Bristol（布里斯托大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of Maine（缅因大学） ； University at Buffalo（布法罗大学） 纠错

AI总结 研究探讨生成式AI在地理表示和推理中的表现，通过三个案例揭示其默认假设、分布偏移及事实记忆的局限性。

Comments Accepted book chapter (introduction to valume)

Rapid Adaptation of Particle Dynamics for Generalized Deformable Object Mobile Manipulation

粒子动力学快速适应用于广义变形物体移动操作

Bohan Wu, Roberto Martín-Martín, Li Fei-Fei

机构 * Stanford University（斯坦福大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出RAPiD方法，通过学习视觉-运动策略和动态嵌入推理，实现变形物体移动操作的高成功率。

Comments 8 pages, ICRA 2026

MEMO: Memory-Augmented Model Context Optimization for Robust Multi-Turn Multi-Agent LLM Games

MEMO: 带记忆的模型上下文优化用于鲁棒的多轮多智能体大语言模型游戏

Yunfei Xie, Kevin Wang, Bobby Cheng, Jianzhu Yao, Zhizhou Sha, Alexander Duffy, Yihan Xi, Hongyuan Mei, Cheston Tan, Chen Wei, Pramod Viswanath, Zhangyang Wang

机构 * Rice University（里士满大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Princeton University（普林斯顿大学） ； A*STAR ； Good Start Labs ； TTIC 纠错

AI总结 MEMO通过优化推理时的上下文，结合记忆保留和探索，提升了多轮多智能体大语言模型游戏的鲁棒性和性能，显著提高了胜率并降低了运行间方差。

Comments Code has been released https://github.com/openverse-ai/MEMO