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

Many Experiments, Few Repetitions, Unpaired Data, and Sparse Effects: Is Causal Inference Possible?

大量实验、少量重复、不配对数据和稀疏效应：因果推断是否可能？

Felix Schur, Niklas Pfister, Peng Ding, Sach Mukherjee, Jonas Peters

机构 * Department of Mathematics, ETH Zurich（苏黎世联邦理工学院数学系） ； Department of Statistics, UC Berkeley（伯克利大学统计系） ； German Center for Neurodegenerative Diseases (DZNE) & University of Bonn（德国神经退行性疾病研究中心（DZNE）及波恩大学） ； MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位） 纠错

AI总结 本文提出了一种在不配对数据和稀疏因果效应下，通过GMM型估计量和ℓ1正则化方法估计因果效应的统计方法。

TRSVR: An Adaptive Stochastic Trust-Region Method with Variance Reduction

TRSVR：一种具有方差减少的自适应随机信任区域方法

Yuchen Fang, Xinshou Zheng, Javad Lavaei

机构 * Department of Mathematics, University of California, Berkeley, CA, USA（加州大学伯克利分校数学系） ； Boston University, MA, USA（波士顿大学） ； Department of IEOR, University of California, Berkeley, CA, USA（加州大学伯克利分校工业工程与运筹学系） 纠错

AI总结 TRSVR 通过结合 SVRG 和信任区域方法，在非凸优化中实现加速收敛，并利用 Hessian 信息提升性能。

Comments 22 pages

Assertion-Conditioned Compliance: A Provenance-Aware Vulnerability in Multi-Turn Tool-Calling Agents

断言-条件合规：多轮工具调用代理中的一种意识-aware 的漏洞

Daud Waqas, Aaryamaan Golthi, Erika Hayashida, Huanzhi Mao

机构 * Monash University（墨尔本大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出了一种新的评估方法A-CC，用于检测多轮工具调用代理在面对误导性断言时的鲁棒性问题，揭示了模型在用户和系统政策冲突下的脆弱性。

Comments 15 pages (incl. Appendix), 3 figures, 7 tables