Google（谷歌）

Sample Complexity Bounds for Stochastic Shortest Path with a Generative Model

在具有生成模型的随机最短路径中的样本复杂性界

Jean Tarbouriech, Matteo Pirotta, Michal Valko, Alessandro Lazaric

机构 * Facebook AI Research Paris（脸书人工智能研究巴黎） ； Inria Lille（里尔研究所） ； DeepMind Paris（深度思维巴黎） 纠错

AI总结 研究在随机最短路径问题中学习ε-最优策略的样本复杂性，证明在生成模型下存在最坏情况下的样本下界，并提出匹配该下界的算法。

Comments Accepted at the 32nd International Conference on Algorithmic Learning Theory (ALT 2021)

CPU Optimization of a Monocular 3D Biomechanics Pipeline for Low-Resource Deployment

单目3D生物力学管线的CPU优化用于低资源部署

Yan Zhang, Xiong Zhao

机构 * Google LLC（谷歌公司） ； AccMov Health Inc.（AccMov健康公司） 纠错

AI总结 本文优化了单目3D生物力学管线以实现高效的CPU-only执行，提升了处理吞吐量和减少了运行时间，同时保持了生物力学输出的一致性。

GroupDPO: Memory efficient Group-wise Direct Preference Optimization

GroupDPO：内存高效的组级直接偏好优化

Jixuan Leng, Si Si, Hsiang-Fu Yu, Vinod Raman, Inderjit S. Dhillon

机构 * CMU（卡内基梅隆大学） ； Google Deepmind（谷歌DeepMind） ； Google（谷歌） 纠错

AI总结 本文提出GroupDPO，通过解耦样本和保留梯度实现高效的组级偏好优化，减少内存使用，提升大规模训练效果，且在离线和在线对齐中均优于单对训练。

PolicyBank: Evolving Policy Understanding for LLM Agents

PolicyBank: 为LLM代理演化政策理解

Jihye Choi, Jinsung Yoon, Long T. Le, Somesh Jha, Tomas Pfister

机构 * Google Cloud（谷歌云） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 研究通过交互与反馈让LLM代理自主优化政策解读，提出PolicyBank机制以结构化存储政策洞察并迭代完善，有效填补规范缺口。

Ragged Paged Attention: A High-Performance and Flexible LLM Inference Kernel for TPU

不规则分页注意机制：一种高性能且灵活的TPU大语言模型推理内核

Jevin Jiang, Ying Chen, Blake A. Hechtman, Fenghui Zhang, Yarong Mu

机构 * Google（谷歌） 纠错

AI总结 本文提出RPA，一种用于TPU的高性能注意力内核，通过细粒度分块、定制软件流水线和分布感知编译策略，提升TPU在动态不规则执行模式下的效率，实现在解码和预填充任务中达到86%和73%的利用率。

Comments 23 pages, 19 figures, 12 tables

Anthropomorphism and Trust in Human-Large Language Model interactions

拟人化与人类-大语言模型互动中的信任

Akila Kadambi, Ylenia D'Elia, Tanishka Shah, Iulia Comsa, Alison Lentz, Katie Siri-Ngammuang, Tara Buechler, Jonas Kaplan, Antonio Damasio, Srini Narayanan, Lisa Aziz-Zadeh

机构 * Brain and Creativity Institute, Dornsife College of Letters, Arts and Sciences, University of Southern California（脑与创造力研究所，文理学院，南加州大学） ； USC Mrs. T.H. Chan Division of Occupational Science and Occupational Therapy, University of Southern California（USC 玛丽·T.H.陈职业科学与职业治疗 division，南加州大学） ； Psychiatry and Biobehavioral Sciences, David Geffen School of Medicine, University of California, Los Angeles（精神病学与生物行为科学，大卫·格芬医学院，加州大学洛杉矶分校） ； Google DeepMind, Zurich（谷歌深Mind，苏黎世） ； Google Research（谷歌研究） ； Brain and Creativity Institute（脑与创造力研究所） 纠错

AI总结 研究探讨了人们如何通过温暖、能力与共情维度对大语言模型进行拟人化并建立信任，发现温暖和认知共情显著影响多种感知，而能力主要影响除拟人化外的其他结果。

FSPO: Few-Shot Optimization of Synthetic Preferences Personalizes to Real Users

FSPO：少样本优化合成偏好以个性化真实用户

Anikait Singh, Sheryl Hsu, Kyle Hsu, Eric Mitchell, Stefano Ermon, Tatsunori Hashimoto, Archit Sharma, Chelsea Finn

机构 * Stanford University（斯坦福大学） ； OpenAI ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 FSPO通过少样本优化合成偏好实现LLM个性化，利用用户描述理性化提升奖励建模和指令遵循，生成100万合成偏好数据，在三个领域实现87%的Alpaca Eval胜率。

Comments Website: https://fewshot-preference-optimization.github.io/