New York University（纽约大学）

IRIS: Learning-Driven Task-Specific Cinema Robot Arm for Visuomotor Motion Control

IRIS：基于学习的任务特定电影机器人臂用于视觉-运动控制

Qilong Cheng, Matthew Mackay, Ali Bereyhi

机构 * Aerospace Eng. Department New York University（航空航天工程系 新 York 大学） ； MIE Department University of Toronto（机械工程系 蒂姆斯大学） ； ECE Department University of Toronto（电子与计算机工程系 蒂姆斯大学） 纠错

AI总结 IRIS是一种低成本、高精度的电影机器人臂，通过基于Transformer的动作分块学习实现自主视觉-运动控制，支持多种电影运动任务。

RPDR: A Round-trip Prediction-Based Data Augmentation Framework for Long-Tail Question Answering

RPDR：基于回程预测的数据增强框架用于长尾问答

Yiming Zhang, Siyue Zhang, Junbo Zhao, Chen Zhao

机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； NYU Shanghai（纽约大学上海分校） ； Center for Data Science, New York University（纽约大学数据科学中心） 纠错

AI总结 RPDR通过数据增强框架提升长尾问答性能，利用回程预测选择易学实例并动态路由查询以优化检索效果。

MGD: Moment Guided Diffusion for Maximum Entropy Generation

MGD：基于矩引导的扩散用于最大熵生成

Etienne Lempereur, Nathanaël Cuvelle--Magar, Florentin Coeurdoux, Stéphane Mallat, Eric Vanden-Eijnden

机构 * Département d’informatique, ENS, Université PSL（信息学院，巴黎高等师范学院，巴黎国立高等科学研究院） ； Capital Fund Management（资本基金管理公司） ； Collège de France（法兰西学院） ； Flatiron Institute（Flatiron研究所） ； Courant Institute of Mathematical Sciences, New York University（纽约大学应用数学科学学院） ； ML Lab, Capital Fund Management（资本基金管理公司的机器学习实验室） 纠错

AI总结 MGD结合最大熵方法与扩散模型，通过随机微分方程引导矩值，实现高效高维样本生成并提供理论保证。

Characterizing the Predictive Impact of Modalities with Supervised Latent-Variable Modeling

基于监督潜在变量建模的模态预测影响分析

Divyam Madaan, Sumit Chopra, Kyunghyun Cho

机构 * New York University（纽约大学） ； Grossman School of Medicine（格罗斯曼医学院） ； Genentech（基因泰克） ； CIFAR（加拿大弗雷德里克·班克特研究所） 纠错

AI总结 PRIMO是一种监督潜在变量插补模型，用于量化多模态学习中缺失模态的预测影响，通过方差度量评估模态对预测的影响。

Multi-Objective Alignment of Language Models for Personalized Psychotherapy

多目标对齐语言模型以实现个性化心理治疗

Mehrab Beikzadeh, Yasaman Asadollah Salmanpour, Ashima Suvarna, Sriram Sankararaman, Matteo Malgaroli, Majid Sarrafzadeh, Saadia Gabriel

机构 * Department of Computer Science, University of California, Los Angeles, CA, USA（计算机科学系，加州大学洛杉矶分校） ； Department of Psychology, The University of Texas at Austin, Austin, TX, USA（心理学系，德克萨斯大学奥斯汀分校） ； Department of Psychiatry, NYU Grossman School of Medicine, New York, NY, USA（精神病学系，纽约大学格罗斯曼医学院） 纠错

AI总结 本文提出多目标对齐框架，通过直接偏好优化提升语言模型在心理治疗中的共情与安全性能，实验显示其在平衡患者偏好与临床安全方面优于传统方法。