Stanford University（斯坦福大学）

Algorithmic Feature Highlighting for Human-AI Decision-Making

算法特征突出用于人机决策制定

Yifan Guo, Jann Spiess

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文研究了在复杂情况下通过突出少量特定特征来辅助人类决策的算法，探讨了不同人类认知模式下特征选择的优化问题，并通过实证研究验证了该方法的实用性。

Outcome Rewards Do Not Guarantee Verifiable or Causally Important Reasoning

结果奖励并不能保证可验证或因果重要的推理

Qinan Yu, Alexa Tartaglini, Peter Hase, Carlos Guestrin, Christopher Potts

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文通过实验发现，尽管RLVR提升了任务准确率，但并未可靠提升推理的因果重要性和充分性，通过预训练可改善此问题，辅助奖励能进一步提升推理质量。

Report for NSF Workshop on AI for Electronic Design Automation

NSF关于人工智能在电子设计自动化领域的研讨会报告

Deming Chen, Vijay Ganesh, Weikai Li, Yingyan Celine Lin, Yong Liu, Subhasish Mitra, David Z. Pan, Ruchir Puri, Jason Cong, Yizhou Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California at Los Angeles（加州大学洛杉矶分校） ； Cadence Design Systems, Inc.（Cadence设计系统公司） ； Stanford University（斯坦福大学） ； University of Texas at Austin（得克萨斯大学奥斯汀分校） ； IBM 纠错

AI总结 报告总结了NSF人工智能在电子设计自动化领域研讨会的讨论和建议，探讨了AI技术如何加速EDA设计流程，提出加强AI与EDA合作、投资基础AI研究等核心贡献。

Comments Accepted by IEEE Circuits and Systems Magazine (2026). This is the accepted version. The published version is available at https://ieeexplore.ieee.org/document/11466406

Journal ref IEEE Circuits and Systems Magazine, vol. 26, no. 1, First Quarter 2026