Harvard University（哈佛大学）

ORION: Teaching Language Models to Reason Efficiently in the Language of Thought

ORION：教语言模型以高效的方式在思维语言中推理

Kumar Tanmay, Kriti Aggarwal, Paul Pu Liang, Subhabrata Mukherjee

机构 * Harvard University（哈佛大学） ； Hippocratic AI（希波克拉底AI） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 ORION通过SLPO优化实现高效压缩推理，提升推理效率和准确性，同时保持高精度。

Toward Equitable Access: Leveraging Crowdsourced Reviews to Investigate Public Perceptions of Health Resource Accessibility

迈向公平获取：利用众包评论研究公众对健康资源可及性的感知

Zhaoqian Xue, Guanhong Liu, Chong Zhang, Kai Wei, Qingcheng Zeng, Songhua Hu, Wenyue Hua, Lizhou Fan, Yongfeng Zhang, Lingyao Li

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） ； University of Liverpool（利物浦大学） ； University of Michigan（密歇根大学） ； Northwestern University（西北大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Harvard Medical School（哈佛医学院） ； Rutgers University（新泽西州立大学罗格斯大学） ； University of South Florida（佛罗里达州立大学） 纠错

AI总结 本研究利用众包评论和NLP技术，分析公众对健康资源可及性的时空感知，揭示疫情对健康资源可及性的影响及社会经济因素的作用。

Journal ref The 6th International Conference on Social Computing (ICSC 2025)

Test-time scaling of diffusions with flow maps

扩散模型测试时间缩放与流映射

Amirmojtaba Sabour, Michael S. Albergo, Carles Domingo-Enrich, Nicholas M. Boffi, Sanja Fidler, Karsten Kreis, Eric Vanden-Eijnden

机构 * NVIDIA（NVIDIA公司） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Harvard University（哈佛大学） ； Kempner Institute（凯姆纳研究所） ； IAIFI（IAIFI机构） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； Courant Institute, New York University（纽约大学应用数学学院） ； ML Lab at Capital Fund Management (CFM)（Capital Fund Management (CFM)机器学习实验室） 纠错

AI总结 本文提出通过流映射改进扩散模型测试时间性能，通过流映射与速度场关系构建FMTT算法，实现更优奖励上升并支持复杂图像编辑。

A Variational Manifold Embedding Framework for Nonlinear Dimensionality Reduction

一种变分流形嵌入框架用于非线性降维

John J. Vastola, Samuel J. Gershman, Kanaka Rajan

机构 * Harvard University（哈佛大学） 纠错

AI总结 本文提出了一种变分流形嵌入框架，用于解决非线性降维问题，通过引入偏微分方程和对称性分析，提升了降维方法的灵活性和可解释性。

Comments Accepted to the NeurIPS 2025 Workshop on Symmetry and Geometry in Neural Representations (NeurReps)

Property Elicitation on Imprecise Probabilities

关于不精确概率的属性获取

James Bailie, Rabanus Derr

机构 * Harvard University（哈佛大学） ； University of Tübingen and Tübingen AI Center（图宾根大学和图宾根人工智能中心） 纠错

AI总结 本文研究了如何通过最大最小风险最小化来获取不精确概率的属性，探讨了分布鲁棒优化和多分布学习中的学习可能性。