arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

高校专区

University of Washington(华盛顿大学)

2026-02-27 至 2026-02-27 共收录 5
2602.23351 2026-02-27 cs.CL cs.CV

Scale Can't Overcome Pragmatics: The Impact of Reporting Bias on Vision-Language Reasoning

规模无法克服语用学:报告偏差对视觉-语言推理的影响

Amita Kamath, Jack Hessel, Khyathi Chandu, Jena D. Hwang, Kai-Wei Chang, Ranjay Krishna

机构 * University of Washington(华盛顿大学) University of California, Los Angeles(加州大学洛杉矶分校) Samaya AI(Samaya人工智能) Mistral AI(Mistral人工智能) Allen Institute for AI(人工智能研究所)

AI总结 本文指出视觉-语言模型在推理能力上的不足源于训练数据中的报告偏差,通过实验表明单纯扩大数据规模无法提升推理技能,但专门收集隐含信息的注释能有效改善模型表现。

Comments TACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.23253 2026-02-27 cs.RO

SPARR: Simulation-based Policies with Asymmetric Real-world Residuals for Assembly

SPARR: 基于模拟的策略与不对称现实残差的装配

Yijie Guo, Iretiayo Akinola, Lars Johannsmeier, Hugo Hadfield, Abhishek Gupta, Yashraj Narang

机构 * Nvidia University of Washington(华盛顿大学)

AI总结 SPARR通过结合模拟训练的基础策略和现实残差策略,有效解决现实世界装配任务中的性能下降问题,提升成功率并减少循环时间。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.22547 2026-02-27 cs.IR cs.LG

Towards Dynamic Dense Retrieval with Routing Strategy

面向动态密集检索的路由策略

Zhan Su, Fengran Mo, Jinghan Zhang, Yuchen Hui, Jia Ao Sun, Bingbing Wen, Jian-Yun Nie

机构 * Clemson University(克莱姆森大学) University of Washington(华盛顿大学)

AI总结 本文提出动态密集检索方法,通过前缀微调和动态路由策略实现灵活的领域适应,仅用2%参数在零样本任务中超越传统密集检索。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.25369 2026-02-27 cs.CL cs.AI cs.LG

Generative Value Conflicts Reveal LLM Priorities

生成价值冲突揭示大语言模型优先级

Andy Liu, Kshitish Ghate, Mona Diab, Daniel Fried, Atoosa Kasirzadeh, Max Kleiman-Weiner

机构 * Carnegie Mellon University(卡内基梅隆大学) University of Washington(华盛顿大学)

AI总结 生成价值冲突揭示大语言模型优先级,通过ConflictScope评估模型在价值冲突中的优先级,发现模型在开放式设置中更支持个人价值,系统提示能提高对齐效果14%。

Comments Accepted to ICLR 2026 (the 14th International Conference on Learning Representations)

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.19680 2026-02-27 cs.HC cs.AI

PolicyPad: Collaborative Prototyping of LLM Policies

PolicyPad: LLM策略协同原型设计

K. J. Kevin Feng, Tzu-Sheng Kuo, Quan Ze Chen, Inyoung Cheong, Kenneth Holstein, Amy X. Zhang

机构 * University of Washington(华盛顿大学) Carnegie Mellon University(卡内基梅隆大学) Princeton University(普林斯顿大学)

AI总结 PolicyPad通过结合用户体验原型设计方法,为LLM策略协作设计提供交互式支持,提升政策制定的协作效率与反馈质量。

Comments CHI 2026 paper. Supplementary materials: https://docs.google.com/document/d/1jBmKXusoWmCHfwpmNhSTJtbwZ5fwVWLNppKeqqd_-pY/edit?usp=sharing

详情

展开后加载摘要…

URL PDF HTML 收藏