Meta

Extrapolative Weight Averaging Reveals Correctness-Efficiency Frontiers in Code RL

外推权重平均揭示代码强化学习中的正确性-效率前沿

Kunhao Zheng, Pierre Chambon, Juliette Decugis, Jonas Gehring, Taco Cohen, Benjamin Negrevergne, Gabriel Synnaeve

机构 * Meta Superintelligence Labs - FAIR（Meta超智能实验室 - FAIR） 纠错

AI总结 通过外推权重平均，无需额外RL训练即可扩展微调检查点间的帕累托前沿，在竞争性编程中实现正确性与效率的权衡，并提升推理时性能。

Comments 54 pages

Misalignment Between Backpropagation and the Hierarchy of Brain Responses to Images

反向传播与大脑对图像响应的层级结构之间的错位

Joséphine Raugel, Maximilian Seitzer, Marc Szafraniec, Huy V. Vo, Jérémy Rapin, Patrick Labatut, Piotr Bojanowski, Valentin Wyart, Jean-Rémi King

机构 * Meta AI ； Ecole Normale Supérieure, PSL University（巴黎高等师范学院，PSL大学） 纠错

AI总结 通过fMRI和MEG记录人类对自然图像的脑响应，发现预训练模型的反向传播梯度虽能预测高级视觉皮层和晚期信号，但其时空组织与大脑层级结构不一致，表明深度网络与大脑可能依赖不同的学习机制。

Comments 13 pages, 9 figures

Mobile-Aptus: Confidence-Driven Proactive and Robust Interaction in MLLM-based Mobile-Using Agents

Mobile-Aptus: 基于MLLM的手机使用代理中的置信度驱动的主动与鲁棒交互

Zheng Wu, Pengzhou Cheng, Zongru Wu, Yuan Guo, Tianjie Ju, Aston Zhang, Gongshen Liu, Zhuosheng Zhang

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； GenAI, Meta（Meta的GenAI） 纠错

AI总结 针对手机使用代理中的过度执行和过度请求问题，提出一种置信度驱动的主动与鲁棒交互框架，通过监督微调和置信度偏差校正实现最优性能。

Comments Accepted by TASLP

GOProteinGNN: Leveraging Protein Knowledge Graphs for Protein Representation Learning

GOProteinGNN：利用蛋白质知识图谱进行蛋白质表示学习

Dan Kalifa, Uriel Singer, Kira Radinsky

机构 * Faculty of Computer Science Technion Israel Institute of Technology Haifa Israel（计算机科学学院技术离子理工学院海法以色列） ； Meta AI Tel Aviv Israel（Meta AI 特拉维夫以色列） ； Technion Israel Institute of Technology（技术离子理工学院） ； Meta AI 纠错

AI总结 提出GOProteinGNN架构，通过整合蛋白质知识图谱信息增强蛋白质语言模型，在氨基酸和蛋白质级别进行图学习，从而在多个下游任务上取得最优性能。

Journal ref CIKM 2025: Proceedings of the 34th ACM International Conference on Information and Knowledge Management