Yejin Choi

An Eye-Tracking Dataset for Viewing Distance Categories in Real-World Scenarios

真实场景中用于观看距离分类的眼动追踪数据集

Dohwa Kim, Yejin Choi, Seungbok Lee, Chi Yoon Jeong, Eunji Park

AI总结 该研究引入GazeDepth眼动追踪数据集，包含19名参与者在真实场景任务中收集的多类数据，可区分近、中、远三种观看距离，支持真实场景下的注视距离推断与感知距离交互。

Comments 22 pages, 6 figures, Manuscript submitted to Scientific Data

SPADE: Self-Play in Adaptive Synthetic Executable Environments

SPADE：自适应合成可执行环境中的自博弈

Bo Liu, Simon Yu, Yiding Jiang, Ao Qu, Andrew Zhao, Zichen Liu, Junsu Kim, Zijian Zhou, Seungone Kim, Tongzheng Ren, Mickel Liu, Hanfei Yu, Zhaorun Chen, Weiyan Shi, Paul Pu Liang, Luke Zettlemoyer, Yejin Choi, Natasha Jaques

机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Seoul National University（首尔大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； University of Chicago（芝加哥大学） 纠错

AI总结 SPADE是一种双角色自博弈强化学习框架，让单个LLM同时担任环境设计者与推理智能体，在多类基准上显著提升了语言智能体的性能，推动了开放式自我改进。

Comments Work in progress. Project page: https://spade-rl.github.io ; Code: https://github.com/spade-rl/spade