Tsinghua University（清华大学）

HyperPriv-EPN: Hypergraph Learning with Privileged Knowledge for Ependymoma Prognosis

HyperPriv-EPN: 基于超图学习的特权知识用于室管膜瘤预后预测

Shuren Gabriel Yu, Sikang Ren, Yongji Tian

机构 * School of Software, Tsinghua University（清华大学软件学院） ； Beijing Tiantan Hospital（北京天坛医院） 纠错

AI总结 HyperPriv-EPN通过基于超图的学习利用特权信息框架，利用术后数据提升术前室管膜瘤预后预测的准确性和生存分层能力。

Comments 6 pages, 2 figures, 2 tables

E-GRPO: High Entropy Steps Drive Effective Reinforcement Learning for Flow Models

E-GRPO：高熵步骤驱动流模型的有效强化学习

Shengjun Zhang, Zhang Zhang, Chensheng Dai, Yueqi Duan

机构 * Tsinghua University（清华大学） 纠错

AI总结 E-GRPO通过增加SDE采样步骤的熵，提升流模型强化学习的效果，通过合并低熵步骤为高熵步骤并引入多步群体归一化优势，提高探索效率和奖励信号清晰度。

Comments Code: https://github.com/shengjun-zhang/VisualGRPO

Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback

零和博弈中的无正则化线性收敛性：从偏好反馈出发

Shulun Chen, Runlong Zhou, Zihan Zhang, Maryam Fazel, Simon S. Du

机构 * Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； HKUST（香港科技大学） 纠错

AI总结 本文提出了一种无正则化的OMWU算法，证明其在零和博弈中实现线性收敛，无需假设纳什均衡的唯一性，提升了对实例依赖常数的依赖性。

Comments 28 pages

Survey of Data-driven Newsvendor: Unified Analysis and Spectrum of Achievable Regrets

数据驱动的新闻供应商问题调研：统一分析与可实现遗憾的光谱

Zhuoxin Chen, Will Ma

机构 * Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） ； Columbia University Graduate School of Business and Data Science Institute（哥伦比亚大学商学院和数据科学研究所） 纠错

AI总结 本文通过统一分析和聚类分布概念，研究了数据驱动新闻供应商问题中各种遗憾变体的组合，揭示了从1/√n到1/n的全部遗憾范围的可能性。

Comments Forthcoming in Operations Research