Adaptation to Intrinsic Dependence in Diffusion Language Models
适应内在依赖性在扩散语言模型中
机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运营工程系，密歇根大学）
AI总结 本文提出了一种分布无关的解屏蔽计划，使扩散语言模型能够适应目标数据分布的内在依赖结构，从而提升采样效率。
高校专区
University of Michigan（密歇根大学安娜堡分校）
DSDR: Dual-Scale Diversity Regularization for Exploration in LLM Reasoning
DSDR：双尺度多样性正则化用于LLM推理中的探索
机构 * The Ohio State University, USA（俄亥俄州立大学） ； Case Western Reserve University, USA（凯斯西储大学） ； The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Macquarie University, Australia（麦考瑞大学） ； University of Michigan, USA（密歇根大学） ； The University of Hong Kong, Hong Kong（香港大学） ； University College London, UK（伦敦大学学院）
AI总结 DSDR通过双尺度多样性正则化提升LLM推理中的探索能力，通过全局和局部正则化机制增强路径多样性，提高学习信号稳定性。
Goal-Oriented Influence-Maximizing Data Acquisition for Learning and Optimization
面向目标的影响最大化数据获取用于学习与优化
机构 * University of Michigan（密歇根大学） ； Columbia University（哥伦比亚大学）
AI总结 GOIMDA通过反曲率实现不确定性意识的主动数据获取，适用于学习与优化任务，减少标注样本和函数评估次数。
Botson: An Accessible and Low-Cost Platform for Social Robotics Research
Botson：一种易于获取且低成本的社会机器人研究平台
机构 * University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
AI总结 Botson是一种基于大型语言模型的人形社会机器人，旨在为社会机器人研究提供低成本且易于获取的平台。
Comments 5 pages, 7 figures
Interpretable Credit Default Prediction with Ensemble Learning and SHAP
基于集成学习和SHAP的可解释信用违约预测
机构 * New York University（纽约大学） ； Independent Researcher（独立研究者） ； University of Michigan（密歇根大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于集成学习和SHAP的信用违约预测方法，通过评估多种模型性能，发现集成学习在处理复杂非线性关系和数据不平衡方面表现优异，SHAP分析揭示外部信用评分变量对模型决策的主导作用，提升模型可解释性与实用性。
Operator-Level Quantum Acceleration of Non-Logconcave Sampling
算子层面的非对数凹采样量子加速
机构 * Simons Institute for the Theory of Computing, University of California, Berkeley, USA（Simons理论计算研究所，加州大学伯克利分校） ； Department of Mathematics, University of California, Berkeley, USA（加州大学伯克利分校数学系） ； Department of Mathematics, University of Michigan, Ann Arbor, USA（密歇根大学安娜堡分校数学系） ； Applied Mathematics and Computational Research Division, Lawrence Berkeley National Laboratory, Berkeley, USA（伯克利国家实验室应用数学与计算研究部）
AI总结 该研究提出首个量子算法，通过算子层面的方法实现非对数凹采样任务的高效加速，显著提升了经典方法在复杂分布下的性能。
Comments 48 pages, 8 figures
Journal ref Proceedings of the National Academy of Sciences 123(8), e2512789123 (2026)
Quantformer: from attention to profit with a quantitative transformer trading strategy
Quantformer: 通过量化Transformer交易策略实现从注意力到盈利
机构 * Guangdong Provincial/Zhuhai Key Laboratory of Interdisciplinary Research and Application for Data Science, Beijing Normal-Hong Kong Baptist University（广东省珠海交叉学科与数据科学应用重点实验室，北京师范大学-香港 Baptist大学） ； Advanced Institute of Natural Science, Beijing Normal University（北京师范大学自然科学研究院） ； Department of Mathematical Sciences, Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学数学科学系） ； Department of Statistics and Data Science, Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学统计与数据科学系） ； Department of Mathematics, University of Michigan（密歇根大学数学系） ； Department of Biomedical Informatics, Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院生物医学信息学系）
AI总结 Quantformer通过结合Transformer模型和市场情绪信息，提升量化交易策略的预测准确性。
Comments The implementation details and code is available on https://github.com/zhangmordred/QuantFormer
Journal ref Expert Systems with Applications 313 131567 (2026)
Resource-Aware Distributed Submodular Maximization: A Paradigm for Multi-Robot Decision-Making
面向资源的分布式子模极大化：多机器人决策制定的范式
机构 * Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学） ； Robotics Institute, University of Michigan（机器人研究所，密歇根大学）
AI总结 本文提出了一种面向资源的分布式子模极大化算法，用于多机器人决策制定，平衡集中化与去中心化的资源需求与全局最优性。
Comments Updated presentation. Accepted to the 2022 IEEE Conference on Decision and Control (CDC)
