NVIDIA（英伟达）

AIRL-S: Unifying Reinforcement Learning and Search-Based Test-Time Scaling via Adversarial Inverse Reinforcement Learning

你的强化学习奖励函数是你的最佳搜索PRM：统一强化学习与基于搜索的文本生成

Can Jin, Yang Zhou, Qixin Zhang, Hongwu Peng, Di Zhang, Zihan Dong, Marco Pavone, Ligong Han, Zhang-Wei Hong, Tong Che, Dimitris N. Metaxas

机构 * Rutgers University（新泽西州立大学） ； Nanyang Technological University（南洋理工大学） ； University of Connecticut（康涅狄格大学） ； Fudan University（复旦大学） ； NVIDIA Research（NVIDIA研究） ； Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出AIRL-S，通过强化学习与搜索技术的统一，利用奖励函数直接学习动态PRM，提升推理链扩展和跨任务泛化能力，实验显示性能提升9%并优于基线PRM。

HIP: Hessian Interatomic Potentials without derivatives

HIP从臀部射出：无需导数的Hessian互作用势

Andreas Burger, Luca Thiede, Nikolaj Rønne, Varinia Bernales, Nandita Vijaykumar, Tejs Vegge, Arghya Bhowmik, Alan Aspuru-Guzik

机构 * University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Technical University of Denmark（丹麦技术大学） ； CAPeX Pioneer Center for Accelerating P2X Materials Discovery（CAPeX加速P2X材料发现先锋中心） ； Acceleration Consortium（加速联盟） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高等研究院） ； NVIDIA（英伟达） 纠错

AI总结 本文提出通过深度学习模型直接预测Hessian，无需自动微分或有限差分，实现更高效、准确的分子力学计算。

Comments this https URL (https://github.com/BurgerAndreas/hip)