New York University（纽约大学）

Tunable Passivity Control for Centralized Multiport Networked Systems

可调被动控制用于集中多端网络化系统

Xingyuan Zhou, Peter Paik, S. Farokh Atashzar

机构 * Dept. of Electrical and Computer Engineering, New York University (NYU)（电气与计算机工程系，纽约大学） 纠错

AI总结 本文提出了一种可调集中最优被动控制方法，用于提升集中多端网络化系统的稳定性与性能，通过优化能量耗散分布实现L2稳定性，增强系统可扩展性与通用性。

Efficient semantic uncertainty quantification in language models via diversity-steered sampling

通过多样性引导采样实现语言模型中的高效语义不确定性量化

Ji Won Park, Kyunghyun Cho

机构 * Prescient Design, Genentech（普森设计，基因泰克） ； Center for Data Science, New York University（数据科学中心，纽约大学） 纠错

AI总结 本文提出一种多样性引导采样方法，通过注入语义相似性惩罚提升语言模型在问答任务中的不确定性估计效率，实现样本效率提升并覆盖更多语义簇。

Comments 10 pages (+7 appendix), 7 figures. Accepted at NeurIPS 2025

Designing Effective Digital Literacy Interventions for Boosting Deepfake Discernment

设计有效的数字素养干预以提升深度伪造辨别能力

Dominique Geissler, Claire Robertson, Stefan Feuerriegel

机构 * LMU Munich \& Munich Center for Machine Learning (MCML) Munich Germany ； New York University New York U.S. ； Colby College Waterville U.S. ； LMU Munich \& Munich Center for Machine Learning (MCML) ； New York University ； Colby College 纠错

AI总结 本文提出五种数字素养干预方法，旨在提升公众对深度伪造图像的辨别能力，并通过实验验证了其中一种方法的有效性。

Dynamic Pricing with Adversarially-Censored Demands

动态定价与对抗性被截断的需求

Jianyu Xu, Yining Wang, Xi Chen, Yu-Xiang Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； New York University（纽约大学） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出了一种基于导数乐观估计的动态定价算法，在对抗性库存条件下实现O(√T)最优遗憾，解决了具有截断反馈的在线决策问题。

Comments 28 pages, 1 figure

Failures of Contingent Thinking

条件性思维的失败

Evan Piermont, Peio Zuazo-Garin

机构 * Royal Holloway–University of London（伦敦大学皇家霍洛威学院） ； NYU Shanghai（纽约大学上海分校） 纠错

AI总结 本文提出了一种行为定义，用于描述智能体对决策问题的主观状态空间，并探讨了减少不确定性如何提高条件性思维，同时指出条件性思维使状态间主导更具认知挑战。