Stanford University（斯坦福大学）

Classical and Quantum Speedups for Non-Convex Optimization via Energy Conserving Descent

非凸优化中的经典与量子加速方法：能量守恒下降

Yihang Sun, Huaijin Wang, Patrick Hayden, Jose Blanchet

机构 * Stanford University（斯坦福大学） ； Stanford University, Google DeepMind（斯坦福大学，谷歌深Mind） 纠错

AI总结 本文首次分析了能量守恒下降算法，提出了一种具有能量守恒噪声的随机ECD动态和量子ECD哈密顿量的量子类比，证明了在双谷目标函数中，sECD和qECD在梯度下降基础上实现指数加速，尤其在高壁垒目标中qECD进一步加速。

Comments 33 pages, 2 figures

Olmo 3

Olmo 3：先进全开源语言模型家族

Team Olmo, :, Allyson Ettinger, Amanda Bertsch, Bailey Kuehl, David Graham, David Heineman, Dirk Groeneveld, Faeze Brahman, Finbarr Timbers, Hamish Ivison, Jacob Morrison, Jake Poznanski, Kyle Lo, Luca Soldaini, Matt Jordan, Mayee Chen, Michael Noukhovitch, Nathan Lambert, Pete Walsh, Pradeep Dasigi, Robert Berry, Saumya Malik, Saurabh Shah, Scott Geng, Shane Arora, Shashank Gupta, Taira Anderson, Teng Xiao, Tyler Murray, Tyler Romero, Victoria Graf, Akari Asai, Akshita Bhagia, Alexander Wettig, Alisa Liu, Aman Rangapur, Chloe Anastasiades, Costa Huang, Dustin Schwenk, Harsh Trivedi, Ian Magnusson, Jaron Lochner, Jiacheng Liu, Lester James V. Miranda, Maarten Sap, Malia Morgan, Michael Schmitz, Michal Guerquin, Michael Wilson, Regan Huff, Ronan Le Bras, Rui Xin, Rulin Shao, Sam Skjonsberg, Shannon Zejiang Shen, Shuyue Stella Li, Tucker Wilde, Valentina Pyatkin, Will Merrill, Yapei Chang, Yuling Gu, Zhiyuan Zeng, Ashish Sabharwal, Luke Zettlemoyer, Pang Wei Koh, Ali Farhadi, Noah A. Smith, Hannaneh Hajishirzi

机构 * Allen Institute for AI（Allen人工智能研究所） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland（马里兰大学） 纠错

AI总结 Olmo 3是一款7B和32B参数规模的先进语言模型，专注于长上下文推理、函数调用、编程、指令遵循、通用聊天和知识回忆。

Comments minor edit updates

LLM-Guided Semantic Bootstrapping for Interpretable Text Classification with Tsetlin Machines

基于Tsetlin机的语义引导语义引导可解释文本分类

Jiechao Gao, Rohan Kumar Yadav, Yuangang Li, Yuandong Pan, Jie Wang, Ying Liu, Michael Lepech

机构 * Stanford University（斯坦福大学） ； University of California, Irvine（加州大学伊文斯顿分校） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出一种将LLM知识转化为符号形式的框架，通过三阶段课程生成子意图，利用非否定Tsetlin机提取高置信度语义线索，提升文本分类的可解释性和准确性。

Comments Accepted to Findings of the Association for Computational Linguistics (ACL 2026)

Development, Evaluation, and Deployment of a Multi-Agent System for Thoracic Tumor Board

胸腔肿瘤板的多智能体系统开发、评估与部署

Tim Ellis-Caleo, Timothy Keyes, Nerissa Ambers, Faraah Bekheet, Wen-wai Yim, Nikesh Kotecha, Nigam H. Shah, Joel Neal

机构 * Division of Oncology, Department of Medicine, Stanford University School of Medicine（斯坦福大学医学院肿瘤学部） ； Technology and Digital Solutions, Stanford Health Care（斯坦福健康医疗技术与数字解决方案部） ； Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学部） ； Nursing Informatics, Stanford Health Care（斯坦福健康护理信息学部） ； Department of Medicine, Stanford University School of Medicine（斯坦福大学医学院医学部） ； Microsoft AI, Redmond, WA（微软人工智能，西雅图） ； Stanford Cancer Institute, Palo Alto, CA（斯坦福癌症研究所） 纠错

AI总结 本文提出了一种多智能体系统，用于生成胸腔肿瘤病例摘要，以提高讨论效率和准确性，并验证了LLM在事实评分中的应用。

Comments 64 pages, 14 figures

Parametric Interpolation of Dynamic Mode Decomposition for Predicting Nonlinear Systems

参数插值动态模态分解用于预测非线性系统

Ananda Chakrabarti, Haitham H. Saleh, Indranil Nayak, Balasubramaniam Shanker, Fernando L. Teixeira, Debdipta Goswami

机构 * Department of Electrical and Computer Engineering, The Ohio State University（俄亥俄州立大学电气与计算机工程系） ； ElectroScience Laboratory, The Ohio State University（俄亥俄州立大学电科学实验室） ； Department of Mechanical and Aerospace Engineering, The Ohio State University（俄亥俄州立大学机械与航空航天工程系） ； SLAC National Accelerator Laboratory, Stanford University（斯坦福大学SLAC国家加速器实验室） 纠错

AI总结 本文提出piDMD，一种嵌入已知参数仿射结构的降阶建模框架，通过学习单一参数仿射Koopman近似降阶模型，在多个训练参数样本上预测未见参数值，提升了预测精度和鲁棒性。

Comments 22 pages, 9 figures

AI and My Values: User Perceptions of LLMs' Ability to Extract, Embody, and Explain Human Values from Casual Conversations

AI与我的价值观：用户对LLMs从闲聊中提取、体现和解释人类价值观的能力的看法

Bhada Yun, Renn Su, April Yi Wang

机构 * Stanford University（斯坦福大学） 纠错

AI总结 研究探讨LLMs从闲聊中提取、体现和解释人类价值观的能力，通过参与者与聊天机器人互动并完成评估访谈，发现13名参与者认为AI能理解人类价值观，警示'武器化共情'风险，并提出VAPT工具用于评估AI价值观对齐。

Comments To appear in CHI '26

Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13--17, 2026, Barcelona, Spain

DyBBT: Dynamic Balance via Bandit-inspired Targeting for Dialog Policy with Cognitive Dual-Systems

DyBBT：通过老虎机启发式目标实现对话策略的动态平衡

Shuyu Zhang, Yifan Wei, Jialuo Yuan, Xinru Wang, Yanmin Zhu, Bin Li, Yujie Liu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学） ； Stanford University（斯坦福大学） ； University of Sydney（悉尼大学） ； SIAT, CAS（中国科学院上海硅酸盐研究所） ； Beijing Institute of Graphic Communication（北京印刷学院） 纠错

AI总结 本文提出DyBBT框架，通过结构化认知状态空间解决对话探索挑战，结合快速直觉推理与慢速 deliberative 推理，提升对话策略的成功率、效率和泛化能力。

Comments Accepted in ACL2026 main

OctoTools: An Agentic Framework with Extensible Tools for Complex Reasoning

OctoTools: 一个具有可扩展工具的代理框架，用于复杂推理

Pan Lu, Bowen Chen, Sheng Liu, Rahul Thapa, Joseph Boen, James Zou

机构 * Stanford University（斯坦福大学） 纠错

AI总结 OctoTools通过标准化工具卡、规划器和执行器，提供一种无需训练的多代理框架，实现跨领域复杂推理，其在16种任务中达到9.3%的平均准确率提升。

Comments 88 pages, 18 figures. Accepted to ACL 2026