Harvard University（哈佛大学）

Manifolds and Modules: How Function Develops in a Neural Foundation Model

流形与模块：神经基础模型中函数如何发展

Johannes Bertram, Luciano Dyballa, T. Anderson Keller, Savik Kinger, Steven W. Zucker

机构 * University of Tübingen（图宾根大学） ； School of Science & Technology（科学与技术学院） ； IE University（IE大学） ； The Kempner Institute for Natural and Artificial Intelligence（自然与人工智能研究所） ； Harvard University（哈佛大学） ； Department of Computer Science（计算机科学系） ； Yale University（耶鲁大学） ； Depts. of Computer Science and Biomedical Engineering（计算机科学与生物医学工程系） ； Wu Tsai Institute（吴士怀研究所） 纠错

AI总结 本文通过分析神经基础模型中不同处理阶段的流形结构，揭示其在生物相关性方面的贡献。

Comments 25 pages, 10 figures, accepted at Data on the Brain & Mind Findings, NeurIPS 2025

Sparse Variable Projection in Robotic Perception: Exploiting Separable Structure for Efficient Nonlinear Optimization

稀疏变量投影在机器人感知中的应用：利用可分离结构实现高效的非线性优化

Alan Papalia, Nikolas Sanderson, Haoyu Han, Heng Yang, Hanumant Singh, Michael Everett

机构 * Northeastern University, USA（东北大学） ； University of Michigan（密歇根大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出了一种针对具有规范对称性的机器人感知问题的变量投影方法，通过利用可分离性和稀疏性，提高了非线性优化的效率和准确性。

Comments 8 pages, submitted for review