Peking University（北京大学）

DOCR-Inspector: Fine-Grained and Automated Evaluation of Document Parsing with VLM

DOCR-Inspector: 基于VLM的文档解析细粒度与自动化评估

Qintong Zhang, Junyuan Zhang, Zhifei Ren, Linke Ouyang, Zichen Wen, Junbo Niu, Yuan Qu, Bin Wang, Ka-Ho Chow, Conghui He, Wentao Zhang

机构 * Peking University（北京大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The University of HongKong（香港大学） ； Shanghai Jiaotong University（上海交通大学） 纠错

AI总结 DOCR-Inspector通过细粒度错误检测和分析，提供文档解析质量的自动化评估，优于现有商业和开源模型。

BRACE: A Benchmark for Robust Audio Caption Quality Evaluation

BRACE：一种用于鲁棒音频描述质量评估的基准

Tianyu Guo, Hongyu Chen, Hao Liang, Meiyi Qiang, Bohan Zeng, Linzhuang Sun, Bin Cui, Wentao Zhang

机构 * Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 BRACE基准用于评估参考自由环境下音频描述质量，揭示CLAP模型和LALM的局限性，推动未来研究方向。

R^2-HGP: A Double-Regularized Gaussian Process for Heterogeneous Transfer Learning

R²-HGP：一种双正则化高斯过程用于异构迁移学习

Duo Wang, Xinming Wang, Chao Wang, Xiaowei Yue, Jianguo Wu

机构 * Department of Control Science and Systems Engineering, Peking University（控制科学与系统工程系，北京大学） ； China Mobile Information Technology Co., Ltd.（中国移动信息科技有限公司） ； Department of Industrial and Systems Engineering, University of Iowa（工业与系统工程系，爱荷华大学） ； Department of Industrial Engineering, Institute for Quality and Reliability, Tsinghua University（工业工程系，质量与可靠性研究院，清华大学） 纠错

AI总结 本文提出R²-HGP框架，通过双正则化和物理知识整合，解决异构迁移学习中输入空间异构、先验知识忽略和负迁移问题。

Comments 17 pages, 9 figures. Under review for IEEE TPAMI

Advancing Mathematical Research via Human-AI Interactive Theorem Proving

通过人机交互定理证明推进数学研究

Chenyi Li, Zhijian Lai, Dong An, Jiang Hu, Zaiwen Wen

机构 * Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤伊数学科学中心） 纠错

AI总结 本文提出了一种人机交互的定理证明流程，利用大语言模型辅助数学研究，通过案例研究展示其在流形优化与Grover算法间连接的探索能力。

AI-Newton: A Concept-Driven Physical Law Discovery System without Prior Physical Knowledge

AI-Newton: 一种无需先验物理知识的概念驱动物理定律发现系统

You-Le Fang, Dong-Shan Jian, Xiang Li, Yan-Qing Ma

机构 * School of Physics, Peking University, Beijing 100871, China（物理系，北京大学，北京100871，中国） ； Center for High Energy Physics, Peking University, Beijing 100871, China（高能物理中心，北京大学，北京100871，中国） 纠错

AI总结 AI-Newton通过概念驱动的方法，无需先验物理知识，自主从多实验数据中推导出基础物理定律，实现了类人水平的科学发现。

Comments 6 pages, 3 figures

Detailed balance in large language model-driven agents

大语言模型驱动代理中的详尽平衡

Zhuo-Yang Song, Qing-Hong Cao, Ming-xing Luo, Hua Xing Zhu

机构 * School of Physics, Peking University, Beijing 100871, China（物理系，北京大学，北京） ； Center for High Energy Physics, Peking University, Beijing 100871, China（高能物理中心，北京大学，北京） ； Beijing Computational Science Research Center, Beijing 100193, China（北京计算科学研究院，北京） 纠错

AI总结 本文提出基于最小作用原理的方法，发现LLM生成中存在详尽平衡，揭示LLM生成可能通过隐式学习潜在函数而非显式规则集。

Comments 20 pages, 12 figures, 5 tables