University of Washington（华盛顿大学）

iAgentBench: Benchmarking Sensemaking Capabilities of Information-Seeking Agents on High-Traffic Topics

iAgentBench: 信息检索代理在高流量话题上的理解能力基准测试

Preetam Prabhu Srikar Dammu, Arnav Palkhiwala, Tanya Roosta, Chirag Shah

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

AI总结 iAgentBench通过整合多源证据来评估信息检索代理在高流量话题中的理解能力，强调证据使用而非单纯检索的重要性。

PrefDisco: Benchmarking Proactive Personalized Reasoning

PrefDisco：主动个性化推理的基准测试

Shuyue Stella Li, Avinandan Bose, Faeze Brahman, Simon Shaolei Du, Pang Wei Koh, Maryam Fazel, Yulia Tsvetkov

机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能联盟） 纠错

AI总结 PrefDisco提出了一种评估方法，通过心理基础的人设将静态基准转化为互动个性化任务，定义PrefAlign作为细粒度的偏好对齐度量，揭示个性化推理需要专门开发而非自然产生。

Comments 65 pages, 6 figures

Decorrelating the Future: Joint Frequency Domain Learning for Spatio-temporal Forecasting

消除未来依赖：联合频域学习用于时空预测

Zepu Wang, Bowen Liao, Jeff, Ban

机构 * University of Washington（华盛顿大学） ； Arizona State University（亚利桑那州立大学） 纠错

AI总结 本文提出FreST损失，通过联合频域学习有效消除时空依赖，提升时空预测性能。