University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

3D Space as a Scratchpad for Editable Text-to-Image Generation

3D空间作为可编辑的文本到图像生成的草稿纸

Oindrila Saha, Vojtech Krs, Radomir Mech, Subhransu Maji, Matheus Gadelha, Kevin Blackburn-Matzen

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Adobe Research（Adobe研究） 纠错

AI总结 本文提出一种基于3D空间推理的文本到图像生成方法，通过可编辑的3D网格实现空间一致性，提升图像生成的精度和可控性。

Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering

思维路径：多方向思考用于长文本个性化问答

Alireza Salemi, Cheng Li, Mingyang Zhang, Qiaozhu Mei, Zhuowan Li, Spurthi Amba Hombaiah, Weize Kong, Tao Chen, Hamed Zamani, Michael Bendersky

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Google DeepMind（谷歌DeepMind） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出PoT方法，通过多方向思考生成个性化问答响应，实验证明其在长文本问答任务中表现优异。

Towards AI Transparency and Accountability: A Global Framework for Exchanging Information on AI Systems

迈向人工智能透明与问责：一个全球框架用于交换人工智能系统信息

Warren Buckley, Adrian Byrne, Nicholas Perello, Cyrus Cousins, Taha Yasseri, Yair Zick, Przemyslaw Grabowicz

机构 * University College Dublin（都柏林大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Duke University（杜克大学） ； Trinity College Dublin, Technological University Dublin（都柏林圣三一学院、技术大学都柏林） 纠错

AI总结 本文提出一个全球框架，通过开放标准和AI卡片促进人工智能系统的透明与问责，实现监管与行业的合作，以提高可扩展性和成本效益。

Learning from Discriminatory Training Data

从歧视性训练数据中学习

Przemyslaw A. Grabowicz, Nicholas Perello, Kenta Takatsu

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 提出一种方法，通过在受歧视污染的数据集上训练，确保在公平测试数据集上表现良好，以解决公平学习中的歧视问题。