Improving Regret Approximation for Unsupervised Dynamic Environment Generation
提升无监督动态环境生成的 regrets 近似效果
机构 * University of Oxford（牛津大学）
AI总结 本文提出DEGen和MNA方法，用于提升无监督动态环境生成的regret近似效果，以提高环境规模下的泛化能力。
高校专区
University of Oxford（牛津大学）
Self-Blinding and Counterfactual Self-Simulation Mitigate Biases and Sycophancy in Large Language Models
自我屏蔽与反事实自我模拟缓解大语言模型中的偏见和趋炎附势
机构 * University of Oxford（牛津大学）
AI总结 通过自我屏蔽和反事实自我模拟，大语言模型能够减少偏见和趋炎附势，提高决策公平性和透明度。
Robust Verification of Concurrent Stochastic Games
并发随机游戏的鲁棒验证
机构 * Department of Computer Science, University of Oxford, Oxford OX1 2JD, UK（计算机科学系，牛津大学，牛津 OX1 2JD，英国）
AI总结 本文提出鲁棒并发随机游戏模型及验证框架，用于处理多智能体系统中转移概率的不确定性问题。
Comments Extended version of a paper accepted to TACAS 2026. Main text: 17 pages, 2 figures, 2 tables; Appendix: 37 pages, 3 figures, 3 tables. Minor revisions and clarifications to the appendix; no changes to results
Dynamic angular synchronization under smoothness constraints
在平滑性约束下的动态角同步
机构 * Department of Mathematics, Ludwig-Maximilians-Universität München（数学系，慕尼黑路德维希-马克西米利安大学） ； Department of Mathematics, University of California Los Angeles（数学系，加州大学洛杉矶分校） ； Department of Statistics & Oxford-Man Institute of Quantitative Finance, University of Oxford（统计系及牛津-曼定量金融研究所，牛津大学） ； Division of Mathematical Sciences, School of Physical and Mathematical Sciences, Nanyang Technological University（数学科学学院，南洋理工大学） ； Inria Lille（里尔Inria）
AI总结 本文提出在平滑性约束下动态角同步的算法，通过非渐近保证的均方误差收敛性，解决了时间演变中的角度估计问题。
Comments 42 pages, 9 figures. Post publication version. Corrected minor typos in eqs. (3.9), (3.11) and Assumption 3
