Massachusetts Institute of Technology（麻省理工学院）

Macro-Scale Electrostatic Origami Motor

宏观尺度静电折纸电机

Alex S. Miller, Leo McElroy, Jeffrey H. Lang

机构 * Dept. of Aeronautics and Astronautics（航空与宇航系） ； Massachusetts Institute of Technology（麻省理工学院） ； Independent Researcher（独立研究者） ； Department of Electrical Eng. and Computer Sci.（电气工程与计算机科学系） 纠错

AI总结 本文提出了一种可折叠的宏观尺度静电折纸电机，通过电晕放电实现连续旋转运动，展示了2.5:1的扩展比、1440 rpm的速度和0.04 Nm/kg的扭矩密度。

WorldLLM: Improving LLMs' world modeling using curiosity-driven theory-making

WorldLLM: 通过好奇心驱动的理论构建改进LLM的世界建模

Guillaume Levy, Cedric Colas, Pierre-Yves Oudeyer, Thomas Carta, Clement Romac

机构 * Inria（法国国家信息与自动化技术研究院） ； Univ. of Bordeaux（波尔多大学） ； MIT（麻省理工学院） ； Hugging Face 纠错

AI总结 WorldLLM通过结合贝叶斯推断和好奇心驱动的强化学习，改进LLM在结构化环境中的世界建模能力，提升预测精度并生成可解释的环境理论。

Comments This project's code can be found at https://github.com/flowersteam/WorldLLM. This project was presented at RLDM 2025 (https://rldm.org/)

Enhancing Language Models for Robust Greenwashing Detection

增强语言模型以实现稳健的绿色洗脑检测

Neil Heinrich Braun, Keane Ong, Rui Mao, Erik Cambria, Gianmarco Mengaldo

机构 * National University of Singapore（新加坡国立大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出了一种参数高效框架，通过结合对比学习和顺序排名目标来增强语言模型在绿色洗脑检测中的鲁棒性。

PPI-SVRG: Unifying Prediction-Powered Inference and Variance Reduction for Semi-Supervised Optimization

PPI-SVRG：统一预测驱动推理与方差减少用于半监督优化

Ruicheng Ao, Hongyu Chen, Haoyang Liu, David Simchi-Levi, Will Wei Sun

机构 * Institute for Data, Systems, and Society（数据、系统与社会研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Department of Mathematics（数学系） ； Washington University in Saint Louis（圣路易斯华盛顿大学） ； Daniels School of Business（丹尼尔斯商学院） 纠错

AI总结 PPI-SVRG通过结合预测驱动推理与方差减少技术，提升半监督优化在标签稀缺情况下的性能。

Comments 27 pages, 4 figures

Do Pathology Foundation Models Encode Disease Progression? A Pseudotime Analysis of Visual Representations

病理基础模型是否编码疾病进展？对视觉表示的伪时间分析

Pritika Vig, Ren-Chin Wu, William Lotter

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Pathology, Dana-Farber Cancer Institute（达纳-法伯癌症研究所病理部） ； Department of Data Science, Dana-Farber Cancer Institute（达纳-法伯癌症研究所数据科学部） ； Brigham and Women's Hospital（布里奇沃特医院） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 研究探讨视觉基础模型是否能隐式学习连续疾病进程，通过伪时间分析发现模型在表示空间中能组织疾病状态，轨迹保真度与分类性能相关。

Comments 21 pages, 17 figures. Appendix included

When Context Is Not Enough: Modeling Unexplained Variability in Car-Following Behavior

当上下文不足时：建模车-following行为中的未解释变异性

Chengyuan Zhang, Zhengbing He, Cathy Wu, Lijun Sun

机构 * Department of Civil Engineering, McGill University（麦吉尔大学土木工程系） ； Laboratory for Information & Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室（LIDS），麻省理工学院） 纠错

AI总结 本文提出了一种可解释的随机建模框架，用于建模车-following行为中的未解释变异性，通过深度神经网络与非稳态高斯过程相结合，提升预测性能和不确定性量化能力。

Comments Accepted to ISTTT26

Probing Neural Topology of Large Language Models

探测大型语言模型的神经拓扑

Yu Zheng, Yuan Yuan, Yue Zhuo, Yong Li, Gabriel Kreiman, Tomaso Poggio, Paolo Santi

机构 * Massachusetts Institute of Technology（麻省理工学院） ； New York University（纽约大学） ； Tsinghua University（清华大学） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 本研究提出图探测方法，通过分析LLM神经拓扑揭示其语言生成性能，发现拓扑信息比激活信息更丰富，可提升模型效率和可靠性。

When LLMs Play the Telephone Game: Cultural Attractors as Conceptual Tools to Evaluate LLMs in Multi-turn Settings

当LLMs玩电话游戏：文化吸引子作为评估多轮设置中LLM的观念工具

Jérémy Perez, Grgur Kovač, Corentin Léger, Cédric Colas, Gaia Molinaro, Maxime Derex, Pierre-Yves Oudeyer, Clément Moulin-Frier

机构 * Inria（法国国家信息与自动化研究所） ； Université de Bordeaux（波尔多大学） ； MIT（麻省理工学院） ； Computational Cognitive Science Lab（计算认知科学实验室） ； University of California, Berkeley（加州大学伯克利分校） ； Institute for Advanced Study in Toulouse（图卢兹高级研究学院） 纠错

AI总结 本文通过电话游戏实验揭示LLM多轮交互中的信息失真与吸引子现象，探讨初始文本、指令等对吸引子效应的影响。

Comments Code available at https://github.com/jeremyperez2/TelephoneGameLLM. Companion website with a Data Explorer tool at https://sites.google.com/view/telephone-game-llm . This paper was published at the 2025 International Conference on Learning Representations (ICLR2025) https://iclr.cc/virtual/2025/poster/28880