University of California, San Diego（加州大学圣迭戈分校）

Enhancing Bayesian Optimization and Active Learning Through Kernel Diversity

通过核多样性增强贝叶斯优化与主动学习

Heng Zhang, Haotian Xiang, Qin Lu, Konstantinos D. Polyzos, Tara Javidi

机构 * University of Georgia（佐治亚大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校） 纠错

AI总结 本文提出KENDO框架，将集成高斯过程与分歧感知获取策略结合，实例化KENDO-BO和KENDO-AL，在单/多目标优化及主动学习任务上，兼具更优性能与更高计算效率。

Revenge of Monosemanticity: Specialized Neurons Improve Data Efficiency in MLPs

单义性的回归：专用神经元提升多层感知机的数据效率

Amirhesam Abedsoltan, Enric Boix-Adsera, Fivos Kalogiannis, Mikhail Belkin

机构 * UC San Diego（加州大学圣地亚哥分校） ； University of Pennsylvania（宾夕法尼亚大学） ； The Wharton School（沃顿商学院） ； Halıcıoğlu Data Science Institute（哈利西奥格鲁数据科学学院） 纠错

AI总结 该研究指出现有特征学习理论仅聚焦全局低维预测几何的不足，发现MLPs在聚类数据回归中会产生单义性专用神经元，形成局部低维表示集合，从而获得数据效率优势。

Beyond Static and Linear: What Attention Constraints Best Fit Human Reading Times?

超越静态与线性：哪种注意力约束最符合人类阅读时间规律？

Lanni Bu, Xiulin Yang, Christian Clark, Alex Warstadt, Ethan Gotlieb Wilcox

机构 * Georgetown University（乔治城大学） ； The Ohio State University（俄亥俄州立大学） ； UC San Diego（加州大学圣迭戈分校） 纠错

AI总结 该研究在不同模型规模与训练语料下系统比较多种注意力记忆机制，发现对中间词元内容敏感的约束与人类阅读时间匹配度最高，且动态记忆课程下心理测量拟合度与语法能力存在分离，提示Transformer无法作为通用认知模型。

Autonomous Mathematical Discovery in an Open-World Multi-Agent Environment

开放世界多智能体环境中的自主数学发现

Stephen Chung, Wenyu Du, William J. Wesley

机构 * DualverseAI ； University of Cambridge（剑桥大学） ； University of Hong Kong（香港大学） ； University of California San Diego（加州大学圣迭戈分校） 纠错

AI总结 本研究在开放世界多智能体环境Station中，让AI智能体自主开展数学研究，在多个数学问题上取得新结果，生成可解释的定理与分析，并公开相关原始数据与代码。

Comments 38 pages, 12 figures, 3 tables. Source code at this https URL (https://github.com/dualverse-ai/station) and raw agent dialogues, proofs, and verification artifacts at this https URL (https://github.com/dualverse-ai/station_data_v2)