New York University（纽约大学）

Deep Value Benchmark: Measuring Whether Models Generalize Deep Values or Shallow Preferences

深度价值基准：衡量模型是泛化深度价值还是浅层偏好

Joshua Ashkinaze, Hua Shen, Saipranav Avula, Eric Gilbert, Ceren Budak

机构 * University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； New York University Shanghai（纽约大学上海） 纠错

AI总结 深度价值基准通过测试模型泛化深度价值还是浅层偏好，评估AI对齐的核心能力。

Comments NeurIPS 2025 (Spotlight)

Deployability-Centric Infrastructure-as-Code Generation: Fail, Learn, Refine, and Succeed through LLM-Empowered DevOps Simulation

以部署为中心的基础设施即代码生成：通过LLM赋能的DevOps模拟实现失败、学习、细化和成功

Tianyi Zhang, Shidong Pan, Zejun Zhang, Zhenchang Xing, Xiaoyu Sun

机构 * Australian National University Canberra Australia ； New York University \& Columbia University USA ； Nanyang Technological University Singapore ； Australian National University Australia ； Australian National University ； New York University \& Columbia University ； Nanyang Technological University 纠错

AI总结 本文提出IaCGen框架，通过迭代反馈机制提升IaC模板的部署性，实验表明其在10次迭代内可使模板部署成功率提升至91.6%，并进一步通过人工反馈将性能提升至90%以上。

Comments Accepted by FSE 2026

Data-Driven Knowledge Transfer in Batch $Q^*$ Learning

批量$Q^*$学习中的数据驱动知识转移

Elynn Chen, Xi Chen, Wenbo Jing

机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） ； College of Business, City University of Hong Kong（香港城市大学商学院） 纠错

AI总结 本文提出一种批量静态环境下利用源数据提升目标任务$Q^*$函数学习效果的算法框架，通过分析任务差异与样本量的关系，改进了知识转移的性能。

Cross-Border Data Security and Privacy Risks in Large Language Models and IoT Systems

跨境数据安全与隐私风险在大语言模型和物联网系统中

Chalitha Handapangoda

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； NYU Tandon School of Engineering（纽约大学坦顿工程学院） 纠错

AI总结 本文提出一种主权意识的隐私由设计架构，通过动态整合本地加密、自适应差分隐私和实时合规性证明，有效降低跨境数据暴露风险并确保合规性。

Comments Final project for CS-GY 6813 at NYU Tandon School of Engineering

Meta-learning enhanced adaptive robot control strategy for automated PCB assembly

元学习增强的自适应机器人控制策略用于自动化PCB组装

Jieyang Peng, Dongkun Wang, Junkai Zhao, Yunfei Teng, Andreas Kimmig, Xiaoming Tao, Jivka Ovtcharova

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Engineer School（工程师学院） ； New York University（纽约大学） ； Department of Electronic Engineering（电子工程系） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出一种基于元学习的自适应机器人控制策略，用于提高自动化PCB组装中对异形组件的定位精度和效率。

Comments Pattern: CN 118960772 A

Journal ref Journal of Manufacturing Systems 78 (2025) 46-57