University of California, Berkeley（加州大学伯克利分校）

Sample-Adaptivity Tradeoff in On-Demand Sampling

按需采样中的样本复杂度与轮次复杂度权衡

Nika Haghtalab, Omar Montasser, Mingda Qiao

机构 * University of California, Berkeley（加州大学伯克利分校） ； Yale University（耶鲁大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 本文提出了一种新的框架OODS，用于在按需采样中平衡样本和轮次复杂度，实现了近最优的样本复杂度和轮次复杂度界。

Comments 50 pages, to appear at NeurIPS 2025

Do Large Language Models (LLMs) Understand Chronology?

Pattaraphon Kenny Wongchamcharoen, Paul Glasserman

机构 * University of California, Berkeley（加州大学伯克利分校） ； Columbia Business School（哥伦比亚大学商学院） 纠错

Comments Version 2: corrected footnote and added code repository link. Extended version of our work presented at the AAAI-26 AI4TS Workshop (poster) and AAAI-26 Student Abstract Program (oral)

SLA: Beyond Sparsity in Diffusion Transformers via Fine-Tunable Sparse-Linear Attention

Jintao Zhang, Haoxu Wang, Kai Jiang, Shuo Yang, Kaiwen Zheng, Haocheng Xi, Ziteng Wang, Hongzhou Zhu, Min Zhao, Ion Stoica, Joseph E. Gonzalez, Jun Zhu, Jianfei Chen

机构 * Tsinghua University（清华大学） ； UC Berkeley（伯克利大学） 纠错