Amazon（亚马逊）

A Mechanistic Analysis of Sim-and-Real Co-Training in Generative Robot Policies

生成机器人策略中模拟与现实联合训练的机制分析

Yu Lei, Minghuan Liu, Abhiram Maddukuri, Zhenyu Jiang, Yuke Zhu

机构 * Department of Computer Science, The University of Texas at Austin（得克萨斯大学计算机科学系） ； Amazon FAR（亚马逊FAR） ； NVIDIA（英伟达） 纠错

AI总结 本文通过理论分析和实验研究，揭示了联合训练中结构表示对齐和重要性再加权效应，为生成机器人策略的联合训练提供了统一解释和改进方法。

Comments 24 pages, 18 figure. Project page: https://science-of-co-training.github.io/

English is Not All You Need: Systematically Exploring the Role of Multilinguality in LLM Post-Training

英语并非一切所需：系统探索多语言在大语言模型后训练中的作用

Mehak Dhaliwal, Shashwat Chaurasia, Yao Qin, Dezhi Hong, Thomas Butler

机构 * UC Santa Barbara（加州大学圣巴巴拉分校） ； Amazon（亚马逊） 纠错

AI总结 研究通过220次监督微调实验，探讨训练语言覆盖、模型规模和任务领域间的相互作用，发现增加后训练语言覆盖对各任务和模型规模均有益，低资源语言受益最大，高资源语言趋于稳定。单语种多语言性可提升英语表现和跨语言泛化，英语独占后训练效果不佳。

From Load Tests to Live Streams: Graph Embedding-Based Anomaly Detection in Microservice Architectures

从负载测试到直播流：基于图嵌入的微服务架构异常检测

Srinidhi Madabhushi, Pranesh Vyas, Swathi Vaidyanathan, Mayur Kurup, Elliott Nash, Yegor Silyutin

机构 * Amazon Prime Video（亚马逊Prime视频） 纠错

AI总结 本文提出基于图嵌入的异常检测系统，通过无监督节点级图嵌入识别未被代表的服务，利用GCN-GAE学习结构表示并基于余弦相似度检测异常，展示出早期检测能力和合成异常注入框架的高精度与低误报率。

Comments Accepted at FSE 2026 - Industrial Track

TRIM: Hybrid Inference via Targeted Stepwise Routing in Multi-Step Reasoning Tasks

TRIM：通过多步推理任务中的目标逐步路由进行混合推理

Vansh Kapoor, Aman Gupta, Hao Chen, Anurag Beniwal, Jing Huang, Aviral Kumar

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） 纠错

AI总结 TRIM通过目标逐步路由在多步推理任务中提升推理效率，通过识别错误步骤并分配不同模型处理，实现更高的成本效率。

Comments Accepted at ICLR 2026