Imperial College London（帝国理工学院）

"How Do I ...?": Procedural Questions Predominate Student-LLM Chatbot Conversations

如何做到？

Alexandra Neagu, Marcus Messer, Peter Johnson, Rhodri Nelson

机构 * Imperial College London, London, United Kingdom（伦敦帝国学院） 纠错

AI总结 本文研究了学生与LLM聊天机器人对话中程序性问题的主导地位，发现其在总结性评估中更为突出，但现有分类方案存在局限性。

Comments 14 pages, 2 figures

Adaptive GR(1) Specification Repair for Liveness-Preserving Shielding in Reinforcement Learning

自适应GR(1)规范修复用于强化学习中的存活保持防护

Tiberiu-Andrei Georgescu, Alexander W. Goodall, Dalal Alrajeh, Francesco Belardinelli, Sebastian Uchitel

机构 * Imperial College London（伦敦帝国理工学院） ； Universidad de Buenos Aires（布宜诺斯艾利斯大学） 纠错

AI总结 本文提出基于GR(1)规范的自适应防护框架，通过在线修复规范实现环境假设违反时的安全与存活保持。

Decentralised Resource Sharing in TinyML: Wireless Bilayer Gossip Parallel SGD for Collaborative Learning

在TinyML中实现去中心化的资源共享：用于协作学习的无线双层 gossip 平行 SGD

Ziyuan Bao, Eiman Kanjo, Soumya Banerjee, Hasib-Al Rashid, Tinoosh Mohsenin

机构 * Department of Computing, Imperial College London（帝国理工学院伦敦分校计算机系） ； Nottingham Trent University（诺丁汉特伦特大学） ； Trasna-Solutions Ltd.（Trasna-Solutions有限公司） ； Department of Computer Science and Electrical Engineering, University of Maryland Baltimore County（马里兰大学巴尔的摩县计算机科学与电气工程系） ； Department of Electrical and Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系） 纠错

AI总结 本文提出了一种双层gossip平行SGD框架，用于在资源受限的边缘设备上实现去中心化的联邦学习，通过高效模型聚合和通信结构，提升协作学习的准确性和效率。

Journal ref IEEE Pervasive Computing, 2026