New York University（纽约大学）

Distributed Online Convex Optimization with Nonseparable Costs and Constraints

分布式在线凸优化与非分离成本和约束

Zhaoye Pan, Haozhe Lei, Fan Zuo, Zilin Bian, Tao Li

机构 * Department of Systems Engineering, City University of Hong Kong（系统工程系，香港城市大学） ； Department of Electrical and Computer Engineering, New York University（电气计算机工程系，纽约大学） ； Department of Civil and Urban Engineering, New York University（土木与城市工程系，纽约大学） ； Department of Civil Engineering Technology and Environmental Management Safety, Rochester Institute of Technology（土木工程科技与环境管理安全系，罗切斯特理工学院） 纠错

AI总结 本文提出了一种分布式在线对偶信念共识算法，解决了非分离全局成本和约束下的分布式在线凸优化问题，实现了 sublinear 悔恨和累积约束违规界。

Quantifying Epistemic Uncertainty in Diffusion Models

量化扩散模型的先验不确定性

Aditi Gupta, Raphael A. Meyer, Yotam Yaniv, Elynn Chen, N. Benjamin Erichson

机构 * Berkeley Lab & ICSI（伯克利实验室与ICS实验室） ； UC Berkeley & ICSI（加州大学伯克利分校与ICS实验室） ； Berkeley Lab（伯克利实验室） ； New York University（纽约大学） 纠错

AI总结 本文提出FLARE方法，通过基于信息量的随机近似技术，有效分离扩散模型的先验不确定性，提升生成数据的可信度评估。

Comments Will appear in the Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026

stable-worldmodel-v1: Reproducible World Modeling Research and Evaluation

stable-worldmodel-v1: 可复现的世界建模研究与评估

Lucas Maes, Quentin Le Lidec, Dan Haramati, Nassim Massaudi, Damien Scieur, Yann LeCun, Randall Balestriero

机构 * Mila & Université de Montréal（Mila与蒙特利尔大学） ； New York University（纽约大学） ； Brown University（布朗大学） ； Samsung SAIL（三星SAIL） 纠错

AI总结 stable-worldmodel-v1 提供了一个模块化、可复现的世界模型研究生态系统，支持标准化环境和持续学习研究，并用于评估DINO-WM的零样本鲁棒性。

Learning When to Plan: Efficiently Allocating Test-Time Compute for LLM Agents

学习何时计划：高效分配测试时计算用于LLM代理

Davide Paglieri, Bartłomiej Cupiał, Jonathan Cook, Ulyana Piterbarg, Jens Tuyls, Edward Grefenstette, Jakob Nicolaus Foerster, Jack Parker-Holder, Tim Rocktäschel

机构 * University of Warsaw（华沙大学） ； University of Oxford（牛津大学） ； New York University（纽约大学） ； Princeton University（普林斯顿大学） ； University College London（伦敦大学学院） 纠错

AI总结 本文提出一种动态规划框架，通过两阶段训练提升LLM在长周期任务中的样本效率和复杂目标达成能力，同时展示人类计划对代理系统性能的增强作用。