语言大模型 / LLM

Zero-shot Multivariate Time Series Forecasting Using Tabular Prior Fitted Networks

基于表格先验拟合网络的零样本多变量时间序列预测

Mayuka Jayawardhana, Nihal Sharma, Kazem Meidani, Bayan Bruss, Tom Goldstein, Doron Bergman

机构 * University of Maryland（马里兰大学） ； Capital One（第一资本） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出利用表格基础模型进行多变量时间序列预测，通过将问题转化为标量回归问题，实现零样本预测，使用TabPFN-TS验证方法并对比现有最佳表格方法。

Contextualising (Im)plausible Events Triggers Figurative Language

将（不）合情的事件情境化触发隐喻语言

Annerose Eichel, Tonmoy Rakshit, Sabine Schulte im Walde

专题命中 其他LLM ：LLM(abstract)；分类 cs.CL

AI总结 研究探讨了非字面性与合理性在英语主谓宾事件中的联系，通过设计合理与不合理事件三元组及抽象与具体成分类别，发现人类和LLM在合理性评估上存在显著差异，人类能精准识别隐喻与不合理事件，而LLM则倾向于用非字面合理解释替代不合理性。

The Cartesian Cut in Agentic AI

代理AI中的笛卡尔切割

Tim Sainburg, Caleb Weinreb

机构 * Harvard University（哈佛大学） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.AI

AI总结 本文探讨了代理AI中控制机制的设计，提出笛卡尔代理通过符号接口实现控制状态和策略的外部化，以实现自主性、鲁棒性和监督的平衡。

Wave-Function Femtometry: Hypertriton - The Ultimate Halo Nucleus

介子函数飞秒计量：超氚——终极halo核

ALICE Collaboration

专题命中 其他LLM ：prompting(abstract)

AI总结 研究超氚的halo结构，通过核凝聚框架估算Λ与氘核核心的距离，验证其弱束缚特性。

Comments 29 pages, 5 captioned figures, 2 tables, authors from page 24, submitted to Nature, figures at http://alice-publications.web.cern.ch/node/13213

Beyond Single Reports: Evaluating Automated ATT&CK Technique Extraction in Multi-Report Campaign Settings

超越单一报告：在多报告活动设置中评估自动化ATT&CK技术提取

Md Nazmul Haque, Sivana Hamer, Brandon Wroblewski, Md Rayhanur Rahman, Laurie Williams

专题命中 其他LLM ：LLM(abstract)

AI总结 本文研究在多报告活动场景下自动化ATT&CK技术提取方法的性能，通过分析29种方法发现聚合多个报告可提升F1分数26%，但提取效果仍有限，且误分类对控制覆盖影响显著。

AnyImageNav: Any-View Geometry for Precise Last-Meter Image-Goal Navigation

AnyImageNav: 任意视角几何用于精确最后一步图像目标导航

Yijie Deng, Shuaihang Yuan, Yi Fang

机构 * NYUAD Center for Artificial Intelligence and Robotics (CAIR)（纽约大学阿布扎比分校人工智能与机器人中心） ； New York University Abu Dhabi, Electrical Engineering（纽约大学阿布扎比分校电气工程系） ； Embodied AI and Robotics (AIR) Lab, NYU Abu Dhabi（纽约大学阿布扎比分校具身人工智能与机器人实验室） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出AnyImageNav，通过语义到几何的级联方法实现精确6自由度相机姿态恢复，提升导航成功率和定位精度。