New York University（纽约大学）

Extending Test-Time Scaling: A 3D Perspective with Context, Batch, and Turn

扩展测试时间缩放：一种具有上下文、批量和回合的三维视角

Chao Yu, Qixin Tan, Jiaxuan Gao, Shi Yu, Hong Lu, Xinting Yang, Zelai Xu, Yu Wang, Yi Wu, Eugene Vinitsky

机构 * Tsinghua University（清华大学） ； New York University（纽约大学） 纠错

AI总结 本文提出三维测试时间缩放框架，通过上下文、批量和回合三个维度提升推理性能，并在多个测试环境中验证其有效性。

Comments 44 pages, 12 figures

The Rise of Parameter Specialization for Knowledge Storage in Large Language Models

大语言模型中用于知识存储的参数专业化趋势的兴起

Yihuai Hong, Yiran Zhao, Wei Tang, Yang Deng, Yu Rong, Wenxuan Zhang

机构 * Alibaba Group（阿里巴巴集团） ； New York University（纽约大学） ； National University of Singapore（新加坡国立大学） ； Singapore Management University（新加坡管理大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

AI总结 本研究分析了大语言模型中MLP参数的知识存储方式，发现参数专业化提高了知识利用效率，并通过实验验证了其重要性。

Comments Accepted in NeurIPS 2025

Aligning Vision to Language: Annotation-Free Multimodal Knowledge Graph Construction for Enhanced LLMs Reasoning

对齐视觉与语言：无需注释的多模态知识图谱构建以增强大语言模型推理

Junming Liu, Siyuan Meng, Yanting Gao, Song Mao, Pinlong Cai, Guohang Yan, Yirong Chen, Zilin Bian, Ding Wang, Botian Shi

机构 * Tongji University（同济大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学） 纠错

AI总结 本文提出 VaLiK 方法，通过跨模态信息补充构建无需注释的多模态知识图谱，提升大语言模型推理能力。

Comments 14 pages, 7 figures, 6 tables; Accepted by ICCV 2025