University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

NPUsper: Eliminating Redundant Computation for Real-Time Whisper on Mobile NPUs

NPUsper：消除移动NPU上实时Whisper的冗余计算

Sihyeon Lee, Hojeong Lee, Sungwon Woo, Chengpo Yan, Suman Banerjee, Seyeon Kim

机构 * Korea University（高丽大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 提出NPUsper系统，通过在线检测幻觉令牌和受控展开技术，消除冗余计算，在移动NPU上实现Whisper的实时转录，显著降低延迟和功耗。

Understanding Why Language Models Hallucinate: Testing Reasoning Against Priors

理解语言模型为何产生幻觉：针对先验知识的推理测试

Yangfan Hu, Xuhan Tong, Haoyue Bai, Xi Ding, Shashank Muralidhar Bharadwaj, Siyang Cao, Robert Nowak, Jiawei Zhang

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出推理错位假说，认为幻觉源于模型偏向统计显著的潜在关联而非遵循提示约束，并通过TrapQA测试集验证了两种偏差模式。

Comments Project page: https://neohughus.github.io/Understanding_Why_Language_Models_Hallucinate/

Towards Weaker Variance Assumptions for Stochastic Optimization

面向随机优化的更弱方差假设

Ahmet Alacaoglu, Yura Malitsky, Stephen J. Wright

机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of Vienna（维也纳大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文重新审视随机梯度算法分析中的经典方差假设，允许随机次梯度平方范数随优化变量平方范数增长，并建立与Halpern迭代的联系，为凸非光滑随机优化提供无界可行集下的最优性度量收敛率。