arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of California, Los Angeles(加州大学洛杉矶分校)

2025-11-25 至 2025-11-25 共收录 5
2510.26533 2025-11-25 cs.LG math.ST stat.TH

Higher-Order Regularization Learning on Hypergraphs

超图上的高阶正则化学习

Adrien Weihs, Andrea L. Bertozzi, Matthew Thorpe

机构 * University of California Los Angeles(加州大学洛杉矶分校) University of Warwick(沃里克大学)

AI总结 本文提出高阶超图学习方法,通过理论分析和实验验证,展示了其在不同学习场景中的有效性与鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.03077 2025-11-25 cs.RO cs.AI cs.LG

Latent Adaptive Planner for Dynamic Manipulation

动态操作的潜在自适应规划器

Donghun Noh, Deqian Kong, Minglu Zhao, Andrew Lizarraga, Jianwen Xie, Ying Nian Wu, Dennis Hong

机构 * UCLA(加州大学洛杉矶分校) Lambda, Inc.(Lambda公司)

AI总结 LAP通过学习人类示范视频,实现了动态非抓取操作的实时自适应规划,提升操作成功率和效率。

Journal ref Proceedings of The 9th Conference on Robot Learning, PMLR 305:2430-2448, 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.17906 2025-11-25 cs.HC cs.AI

AnimAgents: Coordinating Multi-Stage Animation Pre-Production with Human-Multi-Agent Collaboration

AnimAgents: 协调多阶段动画前期制作的人机多智能体协作

Wen-Fan Wang, Chien-Ting Lu, Jin Ping Ng, Yi-Ting Chiu, Ting-Ying Lee, Miaosen Wang, Bing-Yu Chen, Xiang 'Anthony' Chen

机构 * National Taiwan University(国立台湾大学) Google DeepMind(谷歌DeepMind) HCI Research, UCLA(人机交互研究, UCLA)

AI总结 AnimAgents通过人机多智能体协作系统,协调多阶段动画前期制作流程,提升协调性、一致性和信息管理效率。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.17876 2025-11-25 cs.AI

Training Emergent Joint Associations: A Reinforcement Learning Approach to Creative Thinking in Language Models

训练涌现的联合关联:一种基于强化学习的创造性思维方法用于语言模型

Mukul Singh, Ananya Singha, Aishni Parab, Pronita Mehrotra, Sumit Gulwani

机构 * Microsoft, USA(微软公司) Microsoft, India(微软公司) University of California, Los Angeles, USA(加州大学洛杉矶分校) MindAntix

AI总结 本文提出了一种基于强化学习的框架,通过增强语言模型的关联性思维能力,提升其在故事创作、代码生成和数据可视化等任务中的原创性和灵活性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.17782 2025-11-25 cs.LG cs.CC stat.ML

Smoothed Agnostic Learning of Halfspaces over the Hypercube

在超立方体上半空间的平滑无关学习

Yiwen Kou, Raghu Meka

机构 * Department of Computer Science, UCLA(计算机科学系, UCLA)

AI总结 本文提出了一种在超立方体上高效学习半空间的平滑无关学习框架,通过随机位翻转建模扰动,解决了传统方法在离散域中的局限性。

详情

展开后加载摘要…

URL PDF HTML 收藏