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

Group-Invariant Unsupervised Skill Discovery: Symmetry-aware Skill Representations for Generalizable Behavior

基于群不变性的无监督技能发现：面向可推广行为的对称感知技能表示

Junwoo Chang, Joseph Park, Roberto Horowitz, Jongmin Lee, Jongeun Choi

机构 * School of Mechanical Engineering, Yonsei University（延世大学机械工程学院） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） 纠错

AI总结 本文提出群不变性技能发现框架，通过引入群结构和对称感知机制，提升技能在群变换下的泛化能力，实验表明其在运动基准测试中表现更优。

Comments 14 pages, 6 figures

Self-Improvement as Coherence Optimization: A Theoretical Account

自我改进作为一致性优化：一种理论解释

Tianyi Qiu, Ahmed Hani Ismail, Zhonghao He, Shi Feng

机构 * Peking University（北京大学） ； University of Oxford（牛津大学） ； UC Berkeley（加州大学伯克利分校） ； George Washington University（乔治华盛顿大学） 纠错

AI总结 本文提出一致性优化理论，解释语言模型如何通过自我改进提升准确性，并证明其在半监督学习中的最优性。

Comments 39 pages

PolyFly: Polytopic Optimal Planning for Collision-Free Cable-Suspended Aerial Payload Transportation

PolyFly: 多面体最优规划用于无碰撞缆悬空空载运输

Mrunal Sarvaiya, Guanrui Li, Giuseppe Loianno

机构 * University of California Berkeley, Department of Electrical Engineering and Computer Sciences（加州大学伯克利分校电子工程与计算机科学系） ； Worcester Polytechnic Institute, Robotics Engineering（沃思黑德技术学院机器人工程） 纠错

AI总结 PolyFly通过多面体最优规划实现无碰撞缆悬空空载运输，提升飞行效率和环境适应性。

PRISM-Consult: A Panel-of-Experts Architecture for Clinician-Aligned Diagnosis

PRISM-Consult: 一种面向临床医生的专家面板架构

Lionel Levine, John Santerre, Alexander S. Young, T. Barry Levine, Francis Campion, Majid Sarrafzadeh

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； UC Berkeley School of Information（伯克利大学信息学院） ； UCLA David Geffen School of Medicine（加州大学洛杉矶分校大卫·格芬医学院） ； ABLE Medical Consulting（ABLE医疗咨询） ； MITRE Corporation（MITRE公司） 纠错

AI总结 PRISM-Consult是一种面向临床医生的专家面板架构，通过路由机制将紧凑的PRISM模型扩展为多个领域专家，实现高效、安全和低延迟的诊断咨询。

Comments 8 pages, 6 figures

Fairness-aware kidney exchange and kidney paired donation

公平性意识的肾脏交换与肾脏配对捐赠

Mingrui Zhang, Xiaowu Dai, Lexin Li

机构 * Division of Biostatistics, University of California, Berkeley（加州大学伯克利分校生物统计学系） ； Department of Statistics and Data Science and Department of Biostatistics, University of California, Los Angeles（加州大学洛杉矶分校统计与数据科学系和生物统计学系） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出了一种基于条件独立性的公平性标准，用于改进肾脏配对捐赠中的公平性，通过线性化策略和列生成方法实现高效计算，并通过理论分析和实证研究验证其有效性。