NeurIPS

On two ways to use determinantal point processes for Monte Carlo integration

关于用行列式点过程进行蒙特卡洛积分的两种方法

Guillaume Gautier, Rémi Bardenet, Michal Valko

机构 * Univ. Lille, CNRS, Centrale Lille, UMR 9189 – CRIStAL（里尔大学，法国国家科学研究中心，里尔中央理工大学，UMR 9189 – CRIStAL） 纠错

AI总结 本文探讨了两种基于行列式点过程的蒙特卡洛积分方法，分析了其方差特性，并提出新的采样算法以适应连续空间。

Comments NeurIPS 2019

Planning in entropy-regularized Markov decision processes and games

在熵正则化马尔可夫决策过程和博弈中的规划

Jean-Bastien Grill, Omar Darwiche Domingues, Pierre Ménard, Rémi Munos, Michal Valko

机构 * DeepMind ； Inria Lille（Inria里尔） ； SequeL team, Inria Lille（SequeL团队，Inria里尔） ； DeepMind Paris（DeepMind巴黎） 纠错

AI总结 本文提出SmoothCruiser算法，通过环境生成模型估计熵正则化马尔可夫决策过程和双人博弈的价值函数，实现问题无关的样本复杂度O~(1/epsilon^4)。

Comments NeurIPS 2019

Journal ref Advances in Neural Information Processing Systems 32 (NeurIPS 2019)

Visual-TableQA: Open-Domain Benchmark for Reasoning over Table Images

视觉-表格问答：面向表格图像推理的开放领域基准

Boammani Aser Lompo, Marc Haraoui

机构 * École de Technologie Supérieure（埃克塞技术学院） 纠错

AI总结 本文提出Visual-TableQA，一个大规模开放领域多模态数据集，用于评估和提升视觉推理能力，包含2500个LaTeX渲染表格和6000对推理密集型问答对，通过多模型协作生成，验证了模型在外部基准上的鲁棒性。

Comments Accepted at the First Workshop on Foundations of Reasoning in Language Models, NeurIPS 2025. Available at: https://openreview.net/forum?id=fvJRsGwhPf

Optimal Online and Offline Algorithms for Contextual MNL with Applications to Assortment and Pricing

基于情境MNL模型的最优在线与离线算法及其在陈列与定价中的应用

Yunfan Zhang, Yuxuan Han, Hongyu Shan, Jose Blanchet, Zhengyuan Zhou

AI总结 本文研究了在价格依赖型情境多项逻辑模型下，联合优化陈列与定价问题，提出新的置信区域构造方法及改进的在线算法，实现更优的子最优保证和更小的 regrets bound。

Comments This is an extended version of the paper "Improved Confidence Regions and Optimal Algorithms for Online and Offline Linear MNL Bandits," accepted to NeurIPS 2025

The Metacognitive Monitoring Battery: A Cross-Domain Benchmark for LLM Self-Monitoring

元认知监控电池：一个跨领域用于LLM自我监控的基准测试

Jon-Paul Cacioli

机构 * Independent Researcher（独立研究者） 纠错

AI总结 本文提出一个跨领域评估LLM元认知监控的基准测试，结合人类心理测量方法，通过524项任务测试学习、元认知校准等六个认知领域，揭示LLM在自信度和自我监控上的差异。

Comments 11 pages, 6 figures, 3 tables. Submitted to NeurIPS 2026 Evaluations and Datasets Track. Code, data, and Croissant metadata: https://github.com/synthiumjp/metacognitive-monitoring-battery