Meta

CR^2: Cost-Aware Risk-Controlled Routing for Wireless Device-Edge LLM Inference

CR²：面向无线设备-边缘LLM推断的成本感知风险控制路由

Nan Xue, Shengkang Chen, Zhiyong Chen, Jiangchao Yao, Yaping Sun, Zixia Hu, Meixia Tao

机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（合作中位网创新中心，上海交通大学） ； Department of Broadband Communication, Pengcheng Laboratory（宽带通信部，鹏城实验室） ； Future Network of Intelligent Institute (FNii), the Chinese University of Hong Kong (Shenzhen)（智能网络研究所（FNii），香港中文大学（深圳）） ； Meta 纠错

AI总结 本文提出CR²框架，通过分离轻量级设备模型与边缘模型的决策机制，优化无线边缘环境下的推断效率与成本，提升部署准确性与能耗平衡。

Comments submitted to IEEE Journal

Mixture-of-Experts Framework for Field-of-View Enhanced Signal-Dependent Binauralization of Moving Talkers

专家混合框架用于增强视野的信号依赖双耳化

Manan Mittal, Thomas Deppisch, Joseph Forrer, Chris Le Sueur, Zamir Ben-Hur, David Lou Alon, Daniel D. E. Wong

机构 * Stony Brook University（史泰森布鲁克大学） ； Chalmers University of Technology（挑战大学） ； Reality Labs Research, Meta（现实实验室研究，Meta） 纠错

AI总结 本文提出一种专家混合框架，用于增强双耳信号匹配中的视野，通过动态空间音频渲染适应连续说话者运动，实现对选定方向声音的强调或抑制，同时保留自然双耳线索。

Comments 5 pages, 3 figures

LLMs Improving LLMs: Agentic Discovery for Test-Time Scaling

LLMs改进LLMs：测试时扩展的代理发现

Tong Zheng, Haolin Liu, Chengsong Huang, Huiwen Bao, Sheng Zhang, Rui Liu, Runpeng Dai, Ruibo Chen, Chenxi Liu, Tianyi Xiong, Xidong Wu, Hongming Zhang, Heng Huang

机构 * UMD（马里兰大学） ； UVA（弗吉尼亚大学） ； WUSTL（华盛顿大学） ； UNC（北卡罗来纳大学） ； Google（谷歌） ； Meta 纠错

AI总结 本文提出AutoTTS框架，通过环境驱动的方法自动发现测试时扩展策略，提升大语言模型性能，实验表明其在数学推理基准上的准确率与成本平衡优于人工设计基线。

Comments 25 pages