ETH Zurich（苏黎世联邦理工学院）

Reflection Removal through Efficient Adaptation of Diffusion Transformers

通过高效适应扩散变换器实现反射去除

Daniyar Zakarin, Thiemo Wandel, Anton Obukhov, Dengxin Dai

机构 * ETH Zürich（苏黎世联邦理工学院） ； HUAWEI Bayer Lab（华为拜耳实验室） 纠错

AI总结 本文提出了一种基于扩散变换器的高效反射去除方法，通过物理驱动的数据合成和LoRA适应，实现了高保真的反射去除性能。

Algorithmic Thinking Theory

算法思维理论

MohammadHossein Bateni, Vincent Cohen-Addad, Yuzhou Gu, Silvio Lattanzi, Simon Meierhans, Christopher Mohri

机构 * Google（谷歌） ； NYU（纽约大学） ； ETH Zurich（苏黎世联邦理工学院） ； Stanford（斯坦福大学） 纠错

AI总结 本文提出了一种算法思维理论框架，用于分析和设计更强大的推理方法，通过概率 oracle 实现迭代改进和答案聚合。

Epidemiology of Large Language Models: A Benchmark for Observational Distribution Knowledge

大语言模型的流行病学：一种用于观察分布知识的基准测试

Drago Plecko, Patrik Okanovic, Shreyas Havaldar, Torsten Hoefler, Elias Bareinboim

机构 * Department of Statistics & Data Science University of California, Los Angeles（统计与数据科学系，加州大学洛杉矶分校） ； Department of Computer Science ETH Zürich（计算机科学系，苏黎世联邦理工学院） ； Causal AI Lab Columbia University（因果AI实验室，哥伦比亚大学） 纠错

AI总结 本文提出了一种用于评估大语言模型在现实世界概率分布知识方面能力的基准测试，发现LLMs在理解和内部化真实世界统计信息方面表现不佳。