Massachusetts Institute of Technology（麻省理工学院）

When Reasoning Meets Its Laws

当推理遇见其定律

Junyu Zhang, Yifan Sun, Tianang Leng, Jingyan Shen, Liu Ziyin, Paul Pu Liang, Huan Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； New York University（纽约大学） 纠错

AI总结 本文提出推理定律（LoRe）框架，通过单调性和组合性属性评估推理模型，开发微调方法提升推理性能。

Distributionally Robust Imitation Learning: Layered Control Architecture for Certifiable Autonomy

分布鲁棒模仿学习：用于可验证自主性的分层控制架构

Aditya Gahlawat, Ahmed Aboudonia, Sandeep Banik, Naira Hovakimyan, Nikolai Matni, Aaron D. Ames, Gioele Zardini, Alberto Speranzon

机构 * Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Mechanical and Civil Engineering, Control and Dynamical Systems, California Institute of Technology（机械与土木工程、控制与动态系统，加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Advanced Technology Labs, Lockheed Martin（洛克希德·马丁高级技术实验室） 纠错

AI总结 本文提出分布鲁棒模仿策略架构，通过整合泰勒级数模仿学习和ℓ₁-分布鲁棒自适应控制，解决分布偏移问题，实现可验证的自主性。

Comments 18 pages, 5 figures

Data for Mathematical Copilots: Better Ways of Presenting Proofs for Machine Learning

用于数学助手的数据：为机器学习呈现证明的更好方式

Simon Frieder, Jonas Bayer, Sam Looi, Jacob Loader, Julius Berner, Katherine M. Collins, András Juhász, Fabian Ruehle, Sean Welleck, Gabriel Poesia, Ryan-Rhys Griffiths, Adrian Weller, Anirudh Goyal, Cameron Freer, Thomas Lukasiewicz, Timothy Gowers

机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） ； Caltech（加州理工学院） ； Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； FutureHouse Inc.（未来房屋公司） ； Meta ； Vienna University of Technology（维也纳技术大学） ； MIT（麻省理工学院） ； Imperial College London（伦敦帝国学院） ； Collège de France（法兰西学院） 纠错

AI总结 本文提出改进数学助手数据集的设计，以更真实反映数学研究实践，从而提升大语言模型的证明学习能力。

Comments 59 pages

LibriVAD: A Scalable Open Dataset with Deep Learning Benchmarks for Voice Activity Detection

LibriVAD：一个用于语音活动检测的可扩展开源数据集及深度学习基准

Ioannis Stylianou, Achintya kr. Sarkar, Nauman Dawalatabad, James Glass, Zheng-Hua Tan

机构 * Department of Electronic Systems, Aalborg University, Denmark（电子系统系，奥胡斯大学，丹麦） ； Pioneer Centre for AI, Denmark（人工智能先锋中心，丹麦） ； Zoom Communications Inc., USA（Zoom通讯公司，美国） ； Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge MA, USA（人工智能实验室，麻省理工学院，马萨诸塞州剑桥市，美国） 纠错

AI总结 LibriVAD通过大规模开源数据集和深度学习模型评估，提升语音活动检测在复杂声学条件下的鲁棒性与性能。

Can Large Reasoning Models Improve Accuracy on Mathematical Tasks Using Flawed Thinking?

大推理模型能否通过错误推理提升数学任务的准确性？

Saraswathy Amjith, Mihika Dusad, Neha Muramalla, Shweta Shah

机构 * MIT（麻省理工学院） 纠错

AI总结 本研究通过训练模型处理故意错误推理轨迹，提升其在数学任务中的错误恢复能力，同时保持准确性。

Optimizing Mixture of Block Attention

优化块注意力混合

Guangxuan Xiao, Junxian Guo, Kasra Mazaheri, Song Han

机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） 纠错

AI总结 本文提出改进MoBA的FlashMoBA，通过优化块大小和键卷积提升路由精度，并在GPU上实现高效执行，使理论改进落地。

Comments The first two authors contributed equally to this work

Language statistics at different spatial, temporal, and grammatical scales

不同空间、时间和语法尺度的语言统计学

Fernanda Sánchez-Puig, Rogelio Lozano-Aranda, Dante Pérez-Méndez, Ewan Colman, Alfredo J. Morales-Guzmán, Carlos Pineda, Pedro Juan Rivera Torres, Carlos Gershenson

机构 * Roslin Institute（罗斯林研究所） ； University of Edinburgh（爱丁堡大学） ； MIT Media Lab（麻省理工学院媒体实验室） ； Lakeside Labs GmbH 纠错

AI总结 本研究通过推特数据探讨不同尺度下语言统计特性，发现语法尺度对排名多样性影响最大，揭示了语言统计学中普遍规律与变化因素。

Journal ref Entropy, 26(9), 2024