Princeton University（普林斯顿大学）

Predicting partially observable dynamical systems via diffusion models with a multiscale inference scheme

通过多尺度推理方案利用扩散模型预测部分可观测的动力系统

Rudy Morel, Francesco Pio Ramunno, Jeff Shen, Alberto Bietti, Kyunghyun Cho, Miles Cranmer, Siavash Golkar, Olexandr Gugnin, Geraud Krawezik, Tanya Marwah, Michael McCabe, Lucas Meyer, Payel Mukhopadhyay, Ruben Ohana, Liam Parker, Helen Qu, François Rozet, K. D. Leka, François Lanusse, David Fouhey, Shirley Ho

机构 * The Polymathic AI Collaboration（多学科人工智能协作） ； Flatiron Institute（Flatiron研究所） ； University of Geneva（日内瓦大学） ； FHNW（FHNW大学） ； Princeton University（普林斯顿大学） ； New York University（纽约大学） ； University of Cambridge（剑桥大学） ； University of Kyiv（基辅大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Liège（列日大学） ； NorthWest Research Associates（北威州研究协会） ； Nagoya University（名古屋大学） ； Université Paris-Saclay, Université Paris Cité, CEA, CNRS, AIM（巴黎萨克雷大学、巴黎cité大学、CEA、CNRS、AIM） 纠错

AI总结 本文提出一种多尺度推理方案，利用扩散模型有效预测部分可观测的长记忆动力系统，应用于太阳动态和活跃区域演化。

Cognitive Foundations for Reasoning and Their Manifestation in LLMs

认知基础与推理及其在大语言模型中的体现

Priyanka Kargupta, Shuyue Stella Li, Haocheng Wang, Jinu Lee, Shan Chen, Orevaoghene Ahia, Dean Light, Thomas L. Griffiths, Max Kleiman-Weiner, Jiawei Han, Asli Celikyilmaz, Yulia Tsvetkov

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文通过分析LLMs推理机制，揭示其在复杂问题上的表现优于简单变体，提出基于认知科学的28项元素分类，并开发测试时推理指导方法，提升复杂问题性能达66.7%。

Comments 40 pages, 4 tables, 6 figures

Accelerating Goal-Conditioned RL Algorithms and Research

加速目标条件强化学习算法与研究

Michał Bortkiewicz, Władysław Pałucki, Vivek Myers, Tadeusz Dziarmaga, Tomasz Arczewski, Łukasz Kuciński, Benjamin Eysenbach

机构 * Warsaw University of Technology（华沙技术大学） ； University of Warsaw（华沙大学） ； UC Berkeley（伯克利大学） ； Jagiellonian University（雅盖隆大学） ； Polish Academy of Sciences（波兰科学院） ； IDEAS NCBR ； Princeton University（普林斯顿大学） 纠错

AI总结 本文提出JaxGCRL框架，通过高效算法和GPU加速技术显著提升目标条件强化学习的训练效率，并评估对比学习中的关键设计以稳定训练性能。

Comments Published at ICLR 2025 (Spotlight). Website: https://michalbortkiewicz.github.io/JaxGCRL/ Code: https://github.com/MichalBortkiewicz/JaxGCRL

Journal ref International Conference on Learning Representations (ICLR), 2025

Plan-X: Instruct Video Generation via Semantic Planning

Plan-X: 通过语义规划指导视频生成

Lun Huang, You Xie, Hongyi Xu, Tianpei Gu, Chenxu Zhang, Guoxian Song, Zenan Li, Xiaochen Zhao, Linjie Luo, Guillermo Sapiro

机构 * Duke University（杜克大学） ； Princeton University（普林斯顿大学） ； ByteDance Intelligent Creation（字节跳动智能创作） ； Apple（苹果公司） 纠错

AI总结 Plan-X通过语义规划框架减少视频生成中的视觉幻觉，实现与多模态上下文一致的精细指令对齐生成。

Comments The project page is at https://byteaigc.github.io/Plan-X

MURMUR: Using cross-user chatter to break collaborative language agents in groups

利用跨用户交流打破协作语言代理组

Atharv Singh Patlan, Peiyao Sheng, S. Ashwin Hebbar, Prateek Mittal, Pramod Viswanath

机构 * Princeton University（普林斯顿大学） ； Sentient 纠错

AI总结 MURMUR通过生成真实用户交互，揭示了跨用户污染攻击对多用户语言代理的威胁，并提出基于任务的聚类作为初步防御措施。

Comments 20 pages, 7 figures

Mind the Gap: Aligning Knowledge Bases with User Needs to Enhance Mental Health Retrieval

注意差距：通过用户需求对齐知识库以增强心理健康检索

Amanda Chan, James Jiayu Liu, He Kai, Onno P. Kampman

机构 * Princeton University（普林斯顿大学） ； National University of Singapore（国立新加坡大学） ； MOH Office for Healthcare Transformation（卫生部医疗转型办公室） 纠错

AI总结 通过用户需求对齐知识库，提升心理健康检索性能，减少内容创建需求，实现高质量信息检索。

Comments 25 pages, 3 figures, submitted to NeurIPS 2025 GenAI4Health

Learning to Drive Anywhere with Model-Based Reannotation

基于模型的重新标注：学习在任何地方驾驶

Noriaki Hirose, Lydia Ignatova, Kyle Stachowicz, Catherine Glossop, Sergey Levine, Dhruv Shah

机构 * Department of Electrical Engineering and Computer Sciences , University of California, Berkeley, CA USA（电气工程与计算机科学系，加州大学伯克利分校） ； Toyota Motor North America, Inc（丰田北美公司） ； Department of Electrical and Computer Engineering, Princeton University（电气与计算机工程系，普林斯顿大学） 纠错

AI总结 本文提出基于模型的重新标注框架，利用被动数据训练出高效导航策略，实现机器人在复杂环境中的长距离稳健导航。

Comments 9 pages, 8 figures, 6 tables

Journal ref IEEE Robotics and Automation Letters 2025