New York University（纽约大学）

RAL2M: Retrieval Augmented Learning-To-Match Against Hallucination in Compliance-Guaranteed Service Systems

RAL2M：检索增强的学习-匹配以对抗幻觉在合规保障服务系统中

Mengze Hong, Di Jiang, Jiangtao Wen, Zhiyang Su, Yawen Li, Yanjie Sun, Guan Wang, Chen Jason Zhang

机构 * Hong Kong Polytechnic University（香港理工大学） ； New York University Shanghai（纽约大学上海分校） ； Hong Kong University of Science and Technology（香港科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 RAL2M通过检索增强的学习-匹配框架，利用众智消除生成幻觉，提升合规保障服务系统的响应可靠性。

Modeling Information Blackouts in Missing Not-At-Random Time Series Data

缺失非随机时间序列数据中的信息黑区建模

Aman Sunesh, Allan Ma, Siddarth Nilol

机构 * New York University（纽约大学） 纠错

AI总结 本文提出了一种基于潜在状态空间框架的建模方法，用于处理缺失非随机时间序列数据中的信息黑区问题，通过联合建模交通动态和传感器停机，提高了交通预测的准确性。

Comments 8 pages, 7 figures, 3 tables

TTrace: Lightweight Error Checking and Diagnosis for Distributed Training

TTrace: 轻量级的分布式训练错误检查与诊断

Haitian Jiang, Shaowei Zhu, Zhen Zhang, Zhenyu Song, Xinwei Fu, Zhen Jia, Yida Wang, Jinyang Li

机构 * New York University（纽约大学） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 TTrace通过系统性的差分测试方法，有效检测和定位分布式训练中的无声bug，提升调试效率。

Compositional Monte Carlo Tree Diffusion for Extendable Planning

组合蒙特卡洛树扩散用于可扩展规划

Jaesik Yoon, Hyeonseo Cho, Sungjin Ahn

机构 * KAIST（韩国科学技术院） ； SAP（SAP公司） ； NYU（纽约大学） 纠错

AI总结 C-MCTD通过引入三个互补组件，将规划从单轨迹优化提升到完整计划组合推理，实现更高效和可扩展的规划方法。

Comments 24 pages, 4 figures, NeurIPS 25 Spotlight