University of Oxford（牛津大学）

Kernel Limit for a Class of Recurrent Neural Networks Trained on Ergodic Data Sequences

循环神经网络在ergodic数据序列上的核极限

Samuel Chun-Hei Lam, Justin Sirignano, Konstantinos Spiliopoulos

机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Mathematics & Statistics, Boston University（波士顿大学数学与统计学系） 纠错

AI总结 该研究发展了RNN在ergodic数据序列上的核极限理论，通过固定点分析和微分方程处理，解决了RNN在大规模数据和隐藏单元下的收敛问题。

Comments Revision in response to reviewers' comments. The mean-field random function has been replaced by a mean-field term. Some typos fixed. Minor title change

OrthoGeoLoRA: Geometric Parameter-Efficient Fine-Tuning for Structured Social Science Concept Retrieval on theWeb

OrthoGeoLoRA：用于Web上结构化社会科学概念检索的几何参数高效微调

Zeqiang Wang, Xinyue Wu, Chenxi Li, Zixi Chen, Nishanth Sastry, Jon Johnson, Suparna De

机构 * University of Surrey（萨里大学） ； Washington State University（华盛顿州立大学） ； University of Oxford（牛津大学） ； New York University Shanghai（纽约大学上海分校） ； University College London（伦敦大学学院） 纠错

AI总结 OrthoGeoLoRA通过几何约束改进低秩适应，实现更高效的参数微调，提升社会科学概念检索性能。

Testing the Testers: Human-Driven Quality Assessment of Voice AI Testing Platforms

测试测试者：由人类驱动的语音AI测试平台质量评估

Miguel E. Andres, Vadim Fedorov, Rida Sadek, Enric Spagnolo-Arrizabalaga, Nadescha Trudel

机构 * Radboud University（拉德堡德大学） ； Unversitat Pompeu Fabra（庞培法拉大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出首个系统框架，通过人类中心基准测试评估语音AI测试平台的质量，揭示不同平台在模拟和评估质量上的显著差异。