Reinforcing Chain-of-Thought Reasoning with Self-Evolving Rubrics
通过自演化评分标准强化链式推理
机构 * National University of Singapore（新加坡国立大学）
AI总结 RLCER通过自演化评分标准提升链式推理的奖励机制，无需人工标注即可实现更高效的推理性能。
Comments 21 pages
高校专区
National University of Singapore（新加坡国立大学）
MIND: Benchmarking Memory Consistency and Action Control in World Models
MIND：世界模型中内存一致性与动作控制的基准测试
机构 * CSU-JPG, Central South University（中南大学） ； National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学）
AI总结 MIND提出首个开放域闭环基准，评估世界模型的内存一致性和动作控制能力，揭示当前模型在长期记忆保持和动作空间泛化上的挑战。
EventCast: Hybrid Demand Forecasting in E-Commerce with LLM-Based Event Knowledge
EventCast：基于LLM事件知识的电子商务混合需求预测
机构 * ByteDance China（字节跳动中国） ； National University of Singapore（新加坡国立大学） ； Griffith University（格里菲斯大学）
AI总结 EventCast通过整合LLM事件知识提升电子商务需求预测精度，实现86.9%和97.7%的MAE和MSE改进。
VideoSTF: Stress-Testing Output Repetition in Video Large Language Models
VideoSTF: 视频大语言模型中输出重复性压力测试
机构 * National University of Singapore（新加坡国立大学） ； University of New South Wales（新南威尔士大学） ； CSIRO’s Data61（CSIRO数据61）
AI总结 VideoSTF通过系统测量和压力测试揭示视频大语言模型中普遍存在的输出重复问题，发现其对时间扰动高度敏感，并暴露了其作为安全漏洞的风险。
When to Memorize and When to Stop: Gated Recurrent Memory for Long-Context Reasoning
何时记忆何时停止：用于长上下文推理的门控循环记忆
机构 * National University of Singapore（新加坡国立大学）
AI总结 GRU-Mem通过引入两个文本控制的门，实现了更稳定和高效的长上下文推理，显著提升了推理速度和性能。
Comments 26 pages
What Makes Value Learning Efficient in Residual Reinforcement Learning?
残差强化学习中价值学习为何高效？
机构 * Nanyang Technical University（南洋理工大学） ； Mila - Quebec AI Institute（魁北克AI研究所） ； National University of Singapore（新加坡国立大学）
AI总结 DAWN通过数据锚定预热和归一化解决残差强化学习中价值学习的冷启动和尺度不匹配问题，提升效率。
WorldArena: A Unified Benchmark for Evaluating Perception and Functional Utility of Embodied World Models
WorldArena: 一个用于评估具身世界模型感知与功能效用的统一基准
机构 * Tsinghua University, Beijing, China（清华大学） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Hong Kong, Hong Kong SAR, China（香港大学） ； Princeton University, Princeton, NJ, USA（普林斯顿大学） ； Chinese Academy of Sciences, Beijing, China（中国科学院） ； University of Science（科学技术大学） ； Peking University, Beijing, China（北京大学） ； National University of Singapore, Singapore（新加坡国立大学）
AI总结 WorldArena是一个统一的基准，用于评估具身世界模型的感知和功能效用，揭示高视觉质量与强具身任务能力之间的差距。
TwistNet-2D: Learning Second-Order Channel Interactions via Spiral Twisting for Texture Recognition
TwistNet-2D: 通过螺旋扭转学习第二阶通道交互用于纹理识别
机构 * McCormick School of Engineering, Northwestern University（西北大学工程学院） ； School of Mathematics, University of Science and Technology of China（中国科学技术大学数学学院） ； National University of Singapore（新加坡国立大学） ； College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； Guizhou University（贵州大学） ； Information Initiative Center, Hokkaido University（北海道大学信息初始化中心） ； School of New Energy, Jingchu University of Technology（荆楚科技大学新能源学院） ； Wenzhou University（温州大学）
AI总结 TwistNet-2D通过螺旋扭转学习第二阶通道交互，提升纹理识别性能，参数高效且超越多种基线模型。
Comments Code is available at https://github.com/junbolian/TwistNet-2D
