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

Finite-sample performance of the maximum likelihood estimator in logistic regression

逻辑回归中最大似然估计的有限样本性能

Hugo Chardon, Matthieu Lerasle, Jaouad Mourtada

机构 * Department of Statistics, University of California, Berkeley, USA（加州大学伯克利分校统计学系） ； Department of Statistics, CREST/ENSAE Paris, Palaiseau, France（巴黎中央银行与应用经济学院统计学系） 纠错

AI总结 本文研究了逻辑回归中最大似然估计的有限样本性能，分析了其存在性和准确性，并在不同数据条件下提供了非渐近保证。

Comments Minor revision

In-Context Learning in Linear vs. Quadratic Attention Models: An Empirical Study on Regression Tasks

线性与二次注意力模型中的上下文学习：在回归任务上的实证研究

Ayush Goel, Arjun Kohli, Sarvagya Somvanshi

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

AI总结 本文通过实证研究比较了线性与二次注意力模型在回归任务中的上下文学习表现，分析了模型深度对性能的影响，并揭示了两者在ICL任务中的异同。

MolmoSpaces: A Large-Scale Open Ecosystem for Robot Navigation and Manipulation

MolmoSpaces: 一个大规模的开放式生态系统用于机器人导航与操作

Yejin Kim, Wilbert Pumacay, Omar Rayyan, Max Argus, Winson Han, Eli VanderBilt, Jordi Salvador, Abhay Deshpande, Rose Hendrix, Snehal Jauhri, Shuo Liu, Nur Muhammad Mahi Shafiullah, Maya Guru, Ainaz Eftekhar, Karen Farley, Donovan Clay, Jiafei Duan, Arjun Guru, Piper Wolters, Alvaro Herrasti, Ying-Chun Lee, Georgia Chalvatzaki, Yuchen Cui, Ali Farhadi, Dieter Fox, Ranjay Krishna

机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 MolmoSpaces是一个大规模开放式生态系统，用于支持机器人导航与操作的大规模基准测试，包含230k多样化的室内环境和130k丰富标注的物体资产，通过8个任务的基准测试验证了其在仿真到现实中的强相关性。