New York University（纽约大学）

Improving Matrix Exponential for Generative AI Flows: A Taylor-Based Approach Beyond Paterson--Stockmeyer

提升生成AI流中矩阵指数的性能：一种超越Paterson-Stockmeyer的泰勒方法

Jorge Sastre, Daniel Faronbi, José Miguel Alonso, Peter Traver, Javier Ibáñez, Nuria Lloret

机构 * Music and Audio Research Lab, New York University, New York, USA（纽约大学音乐与音频研究实验室） ； Audio Research Lab, New York University, New York, USA（纽约大学音频研究实验室） 纠错

AI总结 本文提出了一种基于泰勒的优化算法，用于提升生成AI流中矩阵指数的计算效率和精度，通过动态选择阶数和缩放因子实现高效且稳定的计算。

Comments 42 pages, 35 figures

Hierarchical GNN-Based Multi-Agent Learning for Dynamic Queue-Jump Lane and Emergency Vehicle Corridor Formation

基于分层图神经网络的多智能体学习用于动态排队车道和应急车辆走廊形成

Haoran Su

机构 * New York University（纽约大学） 纠错

AI总结 本文提出基于分层图神经网络的多智能体学习框架，用于动态排队车道和应急车辆走廊形成，通过MAPPO训练在模拟中显著提升应急车辆通行效率并降低碰撞率。

Comments 16 Pages, 5 Figures, 9 Tables, submitted to IEEE TITS