New York University（纽约大学）

LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics

LeVJEPA：无需启发式方法的高效可扩展视频预训练

Lukas Kuhn, Lucas Maes, Giuseppe Serra, Quentin Le Lidec, Yann LeCun, Randall Balestriero, Florian Buettner

机构 * German Cancer Research Center（德国癌症研究中心） ； German Cancer Consortium（德国癌症联盟） ； Goethe University Frankfurt（法兰克福大学） ； Mila（米拉研究所） ； Université de Montréal（蒙特利尔大学） ； Brown University（布朗大学） ； Courant Institute, New York University（纽约大学柯朗研究所） ； Advanced Machine Intelligence (AMI Labs)（高级机器智能实验室（AMI Labs）） 纠错

AI总结 LeVJEPA是首个基于LeJEPA无崩溃目标训练的视频编码器，无需启发式方法，预训练计算量大幅降低，在ImageNet-1K等基准上性能优于现有方法，可作为通用视觉预训练的更优基础。

LLMs Can Design Near-Optimal OR Algorithms

大型语言模型（LLMs）可设计近最优的运筹学（OR）算法

Jackie Baek

机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） 纠错

AI总结 本文探究大型语言模型能否为库存控制等明确定义的运筹学问题设计算法，发现最强模型gpt-5.6-sol的算法性能可匹配或优于现有最佳方法，前沿LLM可成为算法设计的重要经验基准。

Artificial Intelligence Models Can Predict and Collaboratively Modulate Human Memory Search

人工智能模型可预测并协同调节人类的记忆搜索

Eric Lacosse, Mariana Duarte, Graham Todd, Peter M. Todd, Daniel C. McNamee

机构 * Champalimaud Research（尚帕利莫德研究院） ； Champalimaud Centre for Restorative Neurotechnology（尚帕利莫德修复神经技术中心） ； New York University Tandon（纽约大学坦登工程学院） ； Indiana University（印第安纳大学） 纠错

AI总结 该研究探索LLMs在语义记忆搜索中追踪增强人类心理轨迹的能力，通过语义流畅性任务验证，发现LLMs追踪预测人类记忆轨迹的能力优于其他人类。

Comments 18 pages, 5 figures; includes Supplementary Information

Standalone LLM and a Pre-specified Agentic Pipeline for Explaining ICU Mortality Predictions: a Feasibility Study on the eICU Demo Dataset

独立大型语言模型（LLM）与预定义智能体管道用于解释ICU死亡率预测：基于eICU演示数据集的可行性研究

Di Zhu, Chen Xie, Haoyun Zhang, Zihan Wei, Ziwei Wang, Jiazhao Shi, Ziyu Wang, Qiyang Xie

机构 * Santa Clara University（圣克拉拉大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学） ； Wake Forest University（维克森林大学） ； Northeastern University（东北大学） 纠错

AI总结 本研究基于eICU演示数据集对比独立LLM与四步智能体管道解释ICU死亡率预测，发现智能体管道在指南依据性等方面更优，但需搭配归因核查。