New York University（纽约大学）

Using Large Language Models to Detect Socially Shared Regulation of Collaborative Learning

利用大语言模型检测协作学习中的社会共享调节

Jiayi Zhang, Conrad Borchers, Clayton Cohn, Namrata Srivastava, Caitlin Snyder, Siyuan Guo, Ashwin T S, Naveeduddin Mohammed, Haley Noh, Gautam Biswas

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Vanderbilt University（范德堡大学） ； University of Detroit Mercy（底特律默克大学） ； New York University（纽约大学） 纠错

AI总结 本文利用大语言模型检测协作学习中的社会共享调节行为，通过嵌入方法提升学习分析的预测能力。

Comments Short research paper accepted at Learning Analytics and Knowledge (LAK '26)

LLMs for Explainable Business Decision-Making: A Reinforcement Learning Fine-Tuning Approach

用于可解释性商业决策的大型语言模型：一种强化学习微调方法

Xiang Cheng, Wen Wang, Anindya Ghose

机构 * Robert H. Smith School of Business, University of Maryland（大学管理学院） ； Leonard N. Stern School of Business, New York University（纽约大学商学院） 纠错

AI总结 本文提出LEXMA方法，通过强化学习微调生成多受众适用的自然语言解释，提升商业决策的可解释性与实用性。

On the robustness of modeling grounded word learning through a child's egocentric input

基于儿童自体输入的建模 grounded 词学习的鲁棒性研究

Wai Keen Vong, Brenden M. Lake

机构 * Center for Data Science, New York University（纽约大学数据科学中心） ； Department of Psychology, New York University（纽约大学心理学系） 纠错

AI总结 本文通过分析儿童自体输入数据，验证了多模态神经网络在 grounded 词学习中的鲁棒性，并揭示了不同儿童经验对学习模式的影响。

QUIET-SR: Quantum Image Enhancement Transformer for Single Image Super-Resolution

QUIET-SR：用于单图像超分辨率的量子图像增强变换器

Siddhant Dutta, Nouhaila Innan, Khadijeh Najafi, Sadok Ben Yahia, Muhammad Shafique

机构 * College of Computing \& Data Science, Nanyang Technological University (NTU), Singapore, 639798, Singapore ； SVKM's Dwarkadas J. Sanghvi College of Engineering, Mumbai, India ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD), Abu Dhabi, UAE ； Center for Quantum ； Topological Systems (CQTS), NYUAD Research Institute, NYUAD, Abu Dhabi, UAE ； IBM Quantum, IBM T.J. Watson Research Center, Yorktown Heights, 10598, USA ； MIT-IBM Watson AI Lab, Cambridge MA, 02142, USA ； The Maersk Mc-Kinney Moller Institute, University of Southern Denmark, Sønderborg, Denmark ； Department of Software Science, Tallinn University of Technology, Tallinn, Estonia 纠错

AI总结 QUIET-SR通过结合量子注意力机制和Swin变换器，实现高效图像超分辨率，兼顾性能与量子计算的可行性。

Comments 13 Pages, 7 Figures (5 Main figures, 2 Sub-figures), 2 Tables, Under Review