Massachusetts Institute of Technology（麻省理工学院）

Provably Learning from Modern Language Models via Low Logit Rank

通过低logit秩从现代语言模型中获得可证明的学习

Noah Golowich, Allen Liu, Abhishek Shetty

机构 * Microsoft Research（微软研究院） ； UC Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） 纠错

AI总结 本文提出了一种基于低logit秩结构的高效算法，用于从查询中获得现代语言模型的可证明学习保证。

Contextual Dynamic Pricing with Heterogeneous Buyers

具有异质买家的上下文动态定价

Thodoris Lykouris, Sloan Nietert, Princewill Okoroafor, Chara Podimata, Julian Zimmert

机构 * MIT（麻省理工学院） ； EPFL（瑞士联邦理工学院） ； Harvard（哈佛大学） ； Google（谷歌） 纠错

AI总结 本文提出了一种针对异质买家的上下文动态定价算法，通过乐观后验抽样实现低遗憾，同时改进非上下文定价情况下的方差感知放大算法。

Comments Appeared at NeurIPS 2025

Detection and Localization of Subdural Hematoma Using Deep Learning on Computed Tomography

利用深度学习进行CT扫描中硬脑膜下出血的检测与定位

Vasiliki Stoumpou, Rohan Kumar, Bernard Burman, Diego Ojeda, Tapan Mehta, Dimitris Bertsimas

机构 * Operations Research Center, Massachusetts Institute of Technology（麻省理工学院运营研究中心） ； Boston University（波士顿大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Connecticut School of Medicine（康奈尔大学医学学院） ； Hartford HealthCare（哈特福德医疗集团） ； Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） 纠错

AI总结 本文提出一种多模态深度学习框架，结合临床数据与CT影像，实现硬脑膜下出血的快速准确检测与定位，提升神经外科急诊处理效率。

CONCUR: A Framework for Continual Constrained and Unconstrained Routing

CONCUR：连续约束和无约束路由的框架

Peter Baile Chen, Weiyue Li, Dan Roth, Michael Cafarella, Samuel Madden, Jacob Andreas

机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 CONCUR提出了一种支持连续和无约束路由的框架，通过模块化设计和多表示学习提升路由效率与准确性。

The Impossibility of Inverse Permutation Learning in Transformer Models

Transformer模型中反排列学习的不可能性

Rohan Alur, Chris Hays, Manish Raghavan, Devavrat Shah

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 Transformer模型中反排列学习的不可能性，通过解码器-only架构的表达能力限制，提出通过添加空白标记实现可行的替代方法。

Classifying Phonotrauma Severity from Vocal Fold Images with Soft Ordinal Regression

从声带图像中利用软序数回归分类声音创伤严重程度

Katie Matton, Purvaja Balaji, Hamzeh Ghasemzadeh, Jameson C. Cooper, Daryush D. Mehta, Jarrad H. Van Stan, Robert E. Hillman, Rosalind Picard, John Guttag, S. Mazdak Abulnaga

机构 * Massachusetts Institute of Technology（麻省理工学院） ； School of Communication Sciences and Disorders University of Central Florida（中央佛罗里达大学通信科学与障碍学系） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） ； Center for Laryngeal Surgery and Voice Rehabilitation（嗓音外科与嗓音康复中心） ； Department of Surgery（外科部门） ； Institute of Health Professions（健康专业研究所） ； Athinoula Martinos Center（阿提尼奥拉马丁诺斯中心） 纠错

AI总结 本文提出了一种基于软序数回归的方法，用于自动分类声音创伤的严重程度，实现了接近临床专家的预测性能并提供可靠的不确定性估计。

Comments 16 pages, 9 figures, 5 tables; ML4H 2025; Proceedings of Machine Learning Research 297, 2025