Northeastern University（东北大学）

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

A Practical Guide for Incorporating Symmetry in Diffusion Policy

在扩散策略中融入对称性的实用指南

Dian Wang, Boce Hu, Shuran Song, Robin Walters, Robert Platt

机构 * Stanford University（斯坦福大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出在扩散策略中融入对称性的实用方法，通过不变表示、等变视觉编码器和对称特征提取提升策略性能，实现高效且简单的实现。

Comments NeurIPS 2025