Harvard University（哈佛大学）

A Random Matrix Theory of Masked Self-Supervised Regression

一种随机矩阵理论的掩码自监督回归

Arie Wortsman Zurich, Federica Gerace, Bruno Loureiro, Yue M. Lu

机构 * Departement d’Informatique, École Normale Supérieure, PSL & CNRS（信息学院，巴黎社会科学高等学院，PSL与CNRS） ； Department of Mathematics, University of Bologna（博洛尼亚大学数学系） ； Applied Mathematics, Harvard John A. Paulson School of Engineering and Applied Sciences（应用数学，哈佛大学约翰·A·保罗森工程与应用科学学院） 纠错

AI总结 本文基于随机矩阵理论分析了掩码自监督回归的高维特性，揭示了其在提取数据结构和恢复潜在信号方面的性能优势。

Probing the Trajectories of Reasoning Traces in Large Language Models

探究大型语言模型中推理轨迹的轨迹

Marthe Ballon, Brecht Verbeken, Vincent Ginis, Andres Algaba

机构 * Data Analytics Lab, Vrije Universiteit Brussel（自由大学布鲁塞尔数据分析实验室） ； imec-SMIT, Vrije Universiteit Brussel（imec-SMIT，自由大学布鲁塞尔） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） 纠错

AI总结 通过探究大型语言模型中推理轨迹的轨迹，研究发现随着推理token百分比增加，准确性和决策承诺提升，且相关内容驱动而非通用效应。

Comments 33 pages, 20 figures, 4 tables

Vision-Language Controlled Deep Unfolding for Joint Medical Image Restoration and Segmentation

视觉-语言控制的深度展开用于联合医学图像恢复与分割

Ping Chen, Zicheng Huang, Xiangming Wang, Yungeng Liu, Bingyu Liang, Haijin Zeng, Yongyong Chen

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Harvard University（哈佛大学） ； SUN YAT-SEN UNIVERSITY（中山大学） 纠错

AI总结 VL-DUN通过联合优化和频率感知Mamba机制，实现医学图像恢复与分割的协同学习，提升PSNR和Dice系数，展示联合学习在复杂临床任务中的优势。

Comments 18 pages, medical image

Dynamic Welfare-Maximizing Pooled Testing

动态福利最大化混合检测

Nicholas Lopez, Francisco Marmolejo-Cossío, Jose Roberto Tello Ayala, David C. Parkes

机构 * Harvard University（哈佛大学） ； Boston College（波士顿学院） 纠错

AI总结 本文研究动态福利最大化混合检测策略，通过动态分配测试来提高社会福利，发现贪心策略在低预算情况下表现优异。