University of Michigan（密歇根大学安娜堡分校）

Learning Fast Monomial Orders for Gröbner Basis Computations

学习快速的单项式顺序用于格雷勃纳基计算

R. Caleb Bunch, Alperen A. Ergür, Melika Golestani, Jessie Tong, Malia Walewski, Yunus E. Zeytuncu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； San Diego State University（圣地亚哥州立大学） ； Emory University（埃默里大学） ； University of Michigan–Dearborn（密歇根大学迪尔伯恩分校） 纠错

AI总结 本文提出利用深度强化学习学习快速单项式顺序以提高格雷勃纳基计算效率，通过领域指导的奖励信号和高效估计方法，在系统生物学和计算机视觉任务中实现计算成本的显著降低。

Understanding Representation Dynamics of Diffusion Models via Low-Dimensional Modeling

通过低维建模理解扩散模型的表示动态

Xiao Li, Zekai Zhang, Xiang Li, Siyi Chen, Zhihui Zhu, Peng Wang, Qing Qu

机构 * University of Michigan（密歇根大学） ； Ohio State University（俄亥俄州立大学） 纠错

AI总结 通过低维建模研究扩散模型中单峰表示动态的形成机制及其在分类任务中的泛化能力

Comments First two authors contributed equally. Accepted at NeurIPS 2025