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

Subliminal Effects in Your Data: A General Mechanism via Log-Linearity

数据中的潜意识效应：通过对数线性性的一般机制

Ishaq Aden-Ali, Noah Golowich, Allen Liu, Abhishek Shetty, Ankur Moitra, Nika Haghtalab

机构 * University of California, Berkeley（加州大学伯克利分校） ； Microsoft Research（微软研究院） ； Courant Institute, New York University（纽约大学Courant研究所） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出Logit-Linear-Selection方法，揭示数据集中的隐藏效应机制，通过选择特定子集使模型表现出多样化行为。

Comments Code available at https://github.com/ishaqadenali/logit-linear-selection

Efficient Subgroup Analysis via Optimal Trees with Global Parameter Fusion

通过最优树进行高效子组分析的全局参数融合

Zhongming Xie, Joseph Giorgio, Jingshen Wang

机构 * Division of Biostatistics, University of California, Berkeley（加州大学伯克利分校生物统计学系） ； Helen Wills Neuroscience Institute, University of California, Berkeley（加州大学伯克利分校海伦·威尔斯神经科学研究所） 纠错

AI总结 本文提出了一种融合最优因果树方法，利用混合整数优化提升子组分析的准确性与统计效率，并在模拟和实际数据中验证了其有效性。

VidTune: Creating Video Soundtracks with Generative Music and Contextual Thumbnails

VidTune: 通过生成音乐和上下文缩略图创建视频配乐

Mina Huh, C. Ailie Fraser, Dingzeyu Li, Mira Dontcheva, Bryan Wang

机构 * University of California, Berkeley（加州大学伯克利分校） ； Adobe Research（Adobe研究） 纠错

AI总结 VidTune通过生成多样化音乐选项和上下文缩略图，帮助创作者高效地审查和比较配乐，提升视频配乐创作的效率和趣味性。

Comments Accepted to CHI 2026

Statistical Guarantees for Offline Domain Randomization

离线领域随机化的统计保证

Arnaud Fickinger, Abderrahim Bendahi, Stuart Russell

机构 * UC Berkeley（加州大学伯克利分校） ； École Polytechnique（巴黎高等理工学院） 纠错

AI总结 本文研究了离线领域随机化（ODR）的统计保证，将其视为参数仿真器家族的最大似然估计，并在温和条件和均匀利普希茨连续性假设下提供弱一致和强一致保证，以指导下游离线强化学习的随机化分布选择。

Comments ICLR 2026