Amazon（亚马逊）

MoE Routing Testbed: Studying Expert Specialization and Routing Behavior at Small Scale

MoE路由测试平台：研究专家专业化和路由行为的小规模情况

Tobias Falke, Nicolas Anastassacos, Samson Tan, Chankrisna Richy Meas, Chandana Satya Prakash, Nitesh Sekhar, M Saiful Bari, Krishna Kompella, Gamaleldin F. Elsayed

机构 * Amazon AGI（亚马逊AGI） 纠错

AI总结 本文提出MoE路由测试平台，通过对比不同路由方法，验证了在小规模下平衡范围是实现专家专业化和高利用的关键因素。

ProofSketcher: Hybrid LLM + Lightweight Proof Checker for Reliable Math/Logic Reasoning

ProofSketcher: 混合LLM + 轻量级证明检查器用于可靠的数学/逻辑推理

Kranthi Kommuru, Kunal Khanvilkar, Gaurav Parekh

机构 * Amazon Web Services, Inc（亚马逊云科技） 纠错

AI总结 本文提出混合方法，结合LLM生成类型化证明草图与轻量级可信内核，以提升数学逻辑推理的可靠性。

The Master Key Hypothesis: Unlocking Cross-Model Capability Transfer via Linear Subspace Alignment

主钥假说：通过线性子空间对齐实现跨模型能力转移

Rishab Balasubramanian, Pin-Jie Lin, Rituraj Sharma, Anjie Fang, Fardin Abdi, Viktor Rozgic, Zheng Du, Mohit Bansal, Tu Vu

机构 * Virginia Tech（弗吉尼亚理工大学） ； Amazon（亚马逊） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 本文提出主钥假说，通过线性子空间对齐实现跨模型能力转移，无需重新训练，实验显示在不同模型规模上显著提升性能。

AugLift: Depth-Aware Input Reparameterization Improves Domain Generalization in 2D-to-3D Pose Lifting

AugLift：基于深度的输入重参数化提升2D到3D姿态提升的领域泛化

Nikolai Warner, Wenjin Zhang, Hamid Badiozamani, Irfan Essa, Apaar Sadhwani

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Rutgers University（罗格斯大学） ； Amazon（亚马逊） ； Stanford University（斯坦福大学） 纠错

AI总结 AugLift通过将姿态提升的表示从2D坐标转换为6D几何描述，改进了领域泛化。在检测任务中，它减少了跨数据集MPJPE并提高了分布内准确性，展示了基础模型深度在补充显式3D增强方面的有效性。

Comments Preprint. Under review

Differentially Private Best-Arm Identification

差分隐私的最佳臂识别

Achraf Azize, Marc Jourdan, Aymen Al Marjani, Debabrota Basu

机构 * FairPlay Joint Team, CREST, ENSAE Paris（FairPlay联合团队，CREST，巴黎高等经济商业学院） ； EPFL, Lausanne, Switzerland（瑞士洛桑联邦理工学院） ； Amazon（亚马逊） ； Univ. Lille, Inria, CNRS, Centrale Lille, UMR 9189 - CRIStAL, F-59000 Lille, France（里尔大学，法国国家信息与自动化研究所，法国国家科学研究中心，中央理工-里尔高等电力学院，UMR 9189 - CRIStAL，法国里尔F-59000） 纠错

AI总结 本文研究在差分隐私下最佳臂识别问题，提出CTB-TT和AdaP-TT*算法，在高隐私和低隐私情况下分别达到最优样本复杂度下界。

Comments 85 pages, 5 figures, 3 tables, 11 algorithms. To be published in the Journal of Machine Learning Research 27. This journal paper is an extended version of the conference paper Azize et al. ("On the Complexity of Differentially Private Best-Arm Identification with Fixed Confidence", NeurIPS 2023)