New York University（纽约大学）

Semantic Codebooks as Effective Priors for Neural Speech Compression

语义代码本作为神经语音压缩的有效先验

Liuyang Bai, Weiyi Lu, Li Guo

机构 * Department of Computer Science and Data Science, NYU Shanghai（纽约大学上海校区计算机科学与数据科学系） ； Department of Computer Science（计算机科学系） 纠错

AI总结 SemDAC通过语义代码本提升神经语音压缩效率，实现更高效且适合识别的音频表示。

Discovering Sparse Recovery Algorithms Using Neural Architecture Search

通过神经架构搜索发现稀疏恢复算法

Patrick Yubeaton, Sarthak Gupta, M. Salman Asif, Chinmay Hegde

机构 * Computer Engineering New York University New York, USA（计算机工程 新 York 大学 新 York 美国） ； Computer Engineering University of California, Riverside Riverside, USA（计算机工程 加州大学河滨分校 河滨 美国） ； Tandon School of Engineering New York University New York, USA（Tandon 工程学院 新 York 大学 新 York 美国） 纠错

AI总结 本文通过神经架构搜索方法发现稀疏恢复算法，重新发现ISTA和FISTA，并展示其在不同数据分布中的应用。

Comments Presented at the 59th Asilomar Conference on Signals, Systems, and Computers

Human-AI Interaction Alignment: Designing, Evaluating, and Evolving Value-Centered AI For Reciprocal Human-AI Futures

人机交互对齐：为互惠人机未来设计、评估和演化以价值为中心的AI

Hua Shen, Tiffany Knearem, Divy Thakkar, Pat Pataranutaporn, Anoop Sinha, Yike, Shi, Jenny T. Liang, Lama Ahmad, Tanu Mitra, Brad A. Myers, Yang Li

机构 * NYU Shanghai, New York University（纽约大学上海校区） ； Google（谷歌） ； Massachusetts Institute of Technologyy（麻省理工学院） ； Google, Paradigms of Intelligence（谷歌、智能范式） ； Carnegie Mellon University, New York University（卡内基梅隆大学、纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； OpenAI ； University of Washington（华盛顿大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本研讨会探讨如何通过设计、评估和演化以价值为中心的AI，实现人机之间的互惠协作与动态对齐。

Comments CHI 2026 BiAlign Workshop

Multi-Agent LLM Committees for Autonomous Software Beta Testing

多智能体大语言模型委员会用于自主软件Beta测试

Sumanth Bharadwaj Hachalli Karanam, Dhiwahar Adhithya Kennady

机构 * New York University（纽约大学） 纠错

AI总结 多智能体大语言模型委员会通过三轮投票协议实现自主软件Beta测试，显著提高任务成功率和漏洞检测效率。