University of Michigan（密歇根大学安娜堡分校）

Ad Insertion in LLM-Generated Responses

在大语言模型生成响应中插入广告

Shengwei Xu, Zhaohua Chen, Xiaotie Deng, Zhiyi Huang, Grant Schoenebeck

机构 * University of Michigan（密歇根大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出了解耦广告插入与响应生成、以及竞价与用户查询的框架，通过基于类型拍卖机制实现近最优的社会福利，同时提高计算效率和上下文一致性。

Comments 31 pages, 8 figures

Equi-RO: A 4D mmWave Radar Odometry via Equivariant Networks

等变RO：一种基于等变网络的4D毫米波雷达里程计

Zeyu Han, Shuocheng Yang, Minghan Zhu, Fang Zhang, Shaobing Xu, Maani Ghaffari, Jianqiang Wang

机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学） ； Computational Autonomy and Robotic Laboratory, University of Michigan（计算自主与机器人实验室，密歇根大学） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（智能绿色车辆与移动系统国家重点实验室，清华大学） 纠错

AI总结 本文提出Equi-RO，一种基于等变网络的4D毫米波雷达里程计方法，通过图结构增强稀疏雷达数据特征聚合，实现更准确的平移和旋转估计。

Have ASkotch: A Neat Solution for Large-scale Kernel Ridge Regression

Have ASkotch: 一种大规模核岭回归的高效解决方案

Pratik Rathore, Zachary Frangella, Jiaming Yang, Michał Dereziński, Madeleine Udell

机构 * Stanford University（斯坦福大学） ； Granica ； University of Michigan, Ann Arbor（密歇根大学安阿伯分校） 纠错

AI总结 ASkotch是一种高效的完整核岭回归求解器，通过线性收敛性提升大规模KRR的求解效率，优于现有方法。

Comments 63 pages (including appendices), 17 figures, 6 tables