Stanford University（斯坦福大学）

Online Smoothed Demand Management

在线平滑需求管理

Adam Lechowicz, Nicolas Christianson, Mohammad Hajiesmaili, Adam Wierman, Prashant Shenoy

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Stanford University（斯坦福大学） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本文提出了一种在线平滑需求管理算法PAAD，通过分账与聚合决策策略，实现了最优竞争比率，并结合端到端学习提升性能。

Comments Accepted to SIGMETRICS '26. 65 pages, 11 figures

Agentic Adversarial QA for Improving Domain-Specific LLMs

代理对抗问答：提升领域特定大语言模型

Vincent Grari, Ciprian Tomoiaga, Sylvain Lamprier, Tatsunori Hashimoto, Marcin Detyniecki

机构 * Stanford University（斯坦福大学） ； Polish Academy of Science, IBS PAN, Warsaw, Poland（波兰科学院、IBS PAN、华沙、波兰） 纠错

AI总结 本研究提出了一种对抗性问题生成框架，通过生成语义具有挑战性的问题来提升领域特定大语言模型的适应能力。

Comments 9 pages, 1 Figure

Understanding the Fine-Grained Knowledge Capabilities of Vision-Language Models

理解视觉语言模型的细粒度知识能力

Dhruba Ghosh, Yuhui Zhang, Ludwig Schmidt

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文研究了视觉语言模型在细粒度知识任务中的表现，发现更好的语言模型和视觉编码器对细粒度分类性能有显著影响，预训练阶段也至关重要。

The Oversight Game: Learning to Cooperatively Balance an AI Agent's Safety and Autonomy

视角游戏：学习协作平衡AI代理的安全性与自主性

William Overman, Mohsen Bayati

机构 * Graduate School of Business（商学院） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种视角游戏框架，通过马尔可夫游戏模型平衡AI代理的安全性与自主性，减少开放环境中的安全违规。

An AI-powered Bayesian generative modeling approach for causal inference in observational studies

一种基于人工智能的贝叶斯生成建模方法用于观察性研究中的因果推断

Qiao Liu, Wing Hung Wong

机构 * Department of Biostatistics, Yale University（耶鲁大学生物统计学系） ； Department of Statistics, Stanford University（斯坦福大学统计学系） 纠错

AI总结 CausalBGM通过学习个体特定的低维潜在特征集，提升高维协变量和大规模数据集中的因果推断性能。

Convergence of gradient descent for deep neural networks

深度神经网络梯度下降法的收敛性

Sourav Chatterjee

机构 * Department of Statistics, Stanford University, USA（统计学系，斯坦福大学） 纠错

AI总结 本文提出一个局部PL准则，证明在特定条件下深度神经网络梯度下降法可收敛到零损失解，并通过构造性初始化加速优化过程。

Comments 30 pages, 3 figures. Numerical experiments added in this revision