Nanyang Technological University（南洋理工大学）

Mamba Meets Scheduling: Learning to Solve Flexible Job Shop Scheduling with Efficient Sequence Modeling

Mamba 与调度相遇：学习解决灵活作业车间调度的高效序列建模

Zhi Cao, Cong Zhang, Yaoxin Wu, Yaqing Hou, Hongwei Ge

机构 * Dalian University of Technology（大连理工大学） ； Nanyang Technological University（南洋理工大学） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

AI总结 本文提出基于Mamba的高效序列建模方法，用于解决灵活作业车间调度问题，实现更快的求解速度和更优的性能。

Inference-time Alignment via Sparse Junction Steering

推理时对齐 via 稀疏节点引导

Runyi Hu, Jie Zhang, Shiqian Zhao, Jiale Meng, Jiwei Li, Jason Zeng, Ming Wu, Michael Heinrich, Yonggang Wen, Tianwei Zhang

机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； G Labs（0G实验室） 纠错

AI总结 通过稀疏节点引导方法，实现更高效的推理过程对齐，减少计算开销并提升生成质量。

Comments 28 pages, 17 figures

BARREL: Boundary-Aware Reasoning for Factual and Reliable LRMs

BARREL：面向事实性和可靠性的边界感知推理

Junxiao Yang, Jinzhe Tu, Haoran Liu, Xiaoce Wang, Chujie Zheng, Zhexin Zhang, Shiyao Cui, Caishun Chen, Tiantian He, Hongning Wang, Yew-Soon Ong, Minlie Huang

机构 * The Conversational AI (CoAI) group, DCST, Tsinghua University（清华大学智能对话AI小组，清华大学数据科学与技术研究院） ； Centre for Frontier AI Research, Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（前沿人工智能研究中心，高性能计算研究所，新加坡科技研究局） ； The College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

AI总结 BARREL通过促进简洁且边界感知的事实推理，提升了大型推理模型的事实可靠性，实验显示其在可靠性方面有显著提升，同时保持了与传统微调模型相当的准确性。