Carnegie Mellon University（卡内基梅隆大学）

Knowledge-Embedded Latent Projection for Robust Representation Learning

嵌入知识的潜在投影用于鲁棒表征学习

Weijing Tang, Ming Yuan, Zongqi Xia, Tianxi Cai

机构 * Department of Statistics and Data Science, Carnegie Mellon University（卡内基梅隆大学统计学与数据科学系） ； Department of Statistics, Columbia University（哥伦比亚大学统计学系） ； Department of Neurology, University of Pittsburgh（匹兹堡大学神经病学系） ； Department of Biostatistics, Harvard University（哈佛大学生物统计学系） 纠错

AI总结 本文提出嵌入知识的潜在投影模型，通过语义信息正则化表征学习，解决高维不平衡数据下的鲁棒表示问题。

ASPEN: Spectral-Temporal Fusion for Cross-Subject Brain Decoding

ASPEN：跨受试者脑解码的频谱-时间融合

Megan Lee, Seung Ha Hwang, Inhyeok Choi, Shreyas Darade, Mengchun Zhang, Kateryna Shapovalenko

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Kyung Hee University（Kyung Hee大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Pittsburgh（匹兹堡大学） 纠错

AI总结 ASPEN通过频谱-时间融合实现跨受试者脑解码，利用乘法融合提升跨模态一致性，有效提升未见受试者准确率。

Transforming GenAI Policy to Prompting Instruction: An RCT of Scalable Prompting Interventions in a CS1 Course

将生成式AI政策转化为提示指令：一项在CS1课程中可扩展的提示干预随机对照试验

Ruiwei Xiao, Runlong Ye, Xinying Hou, Jessica Wen, Harsh Kumar, Michael Liut, John Stamper

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； University of Michigan（密歇根大学） ； University of Toronto Mississauga（多伦多大学滑铁卢分校） 纠错

AI总结 本研究通过随机对照试验验证了基于ICAP框架的提示干预在提升学生提示技能和考试成绩方面的有效性，为生成式AI教育政策的改进提供了理论和实践指导。

Comments 11 pages, 3 figures

BPP: Long-Context Robot Imitation Learning by Focusing on Key History Frames

BPP: 通过聚焦关键历史帧实现长上下文机器人模仿学习

Max Sobol Mark, Jacky Liang, Maria Attarian, Chuyuan Fu, Debidatta Dwibedi, Dhruv Shah, Aviral Kumar

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 BPP通过聚焦关键历史帧，提升机器人模仿学习在长上下文任务中的表现，成功率达70%。