University of Edinburgh（爱丁堡大学）

Repairing Reward Functions with Feedback to Mitigate Reward Hacking

通过反馈修复奖励函数以缓解奖励黑客

Stephane Hatgis-Kessell, Logan Mondal Bhamidipaty, Emma Brunskill

机构 * Computer Science Department, Stanford University（计算机科学系， 斯坦福大学） ； School of Informatics, The University of Edinburgh（信息学院， 埃迪索恩大学） 纠错

AI总结 通过反馈修复奖励函数以缓解奖励黑客，提出PBRR方法，通过学习过渡依赖的修正项来改进代理奖励函数，从而在较少偏好下实现高性能策略。

Compound-QA: A Benchmark for Evaluating LLMs on Compound Questions

Compound-QA：一个评估大语言模型在复合问题上的基准

Yutao Hou, Yajing Luo, Zhiwen Ruan, Hongru Wang, Weifeng Ge, Yun Chen, Guanhua Chen

机构 * Shanghai University of Finance and Economics（上海财经大学） ； University of Edinburgh（爱丁堡大学） ； Southern University of Science and Technology（南方科技大学） ； Fudan University（复旦大学） 纠错

AI总结 Compound-QA基准通过评估LLM在复合问题上的表现，揭示其在理解和推理方面的不足，并提出改进策略。

Comments Accepted to ICASSP 2026

Scale-Equivariant Imaging: Self-Supervised Learning for Image Super-Resolution and Deblurring

尺度等变成像：用于图像超分辨率和去模糊的自监督学习

Jérémy Scanvic, Mike Davies, Patrice Abry, Julián Tachella

机构 * ENSL, CNRS, Laboratoire de Physique（ENSL、CNRS、物理实验室） ； School of Engineering, University of Edinburgh（工程学院、爱丁堡大学） 纠错

AI总结 本文提出尺度等变成像方法，通过利用图像分布的尺度不变性，提升图像超分辨率和去模糊任务的性能，实现与全监督学习相当的效果。