University of Pennsylvania（宾夕法尼亚大学）

CONCUR: A Framework for Continual Constrained and Unconstrained Routing

CONCUR：连续约束和无约束路由的框架

Peter Baile Chen, Weiyue Li, Dan Roth, Michael Cafarella, Samuel Madden, Jacob Andreas

机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 CONCUR提出了一种支持连续和无约束路由的框架，通过模块化设计和多表示学习提升路由效率与准确性。

Tuning Sequential Monte Carlo Samplers via Greedy Incremental Divergence Minimization

通过贪心递增分歧最小化调整序列蒙特卡罗采样器

Kyurae Kim, Zuheng Xu, Jacob R. Gardner, Trevor Campbell

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

AI总结 本文提出了一种通过最小化递增KL分歧来调整SMC采样器马尔可夫核的通用框架，适用于Langevin Monte Carlo等内核，并展示了其在调节动能LMC中的应用。

Comments Accepted to ICML'25; v4, v5: fixed typos; v6: fixed missing log in display after Eq (8)