University of Pennsylvania（宾夕法尼亚大学）

The LUMirage: An independent evaluation of zero-shot performance in the LUMIR challenge

LUMirage：在LUMIR挑战中对零样本性能的独立评估

Rohit Jena, Pratik Chaudhari, James C. Gee

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文对LUMIR挑战中的零样本性能进行了独立评估，发现深度学习方法在分布内表现良好但对分布外数据和高分辨率数据存在显著局限，需谨慎对待零样本优越性断言。

Solving a Research Problem in Mathematical Statistics with AI Assistance

利用人工智能辅助解决数学统计学中的研究问题

Edgar Dobriban

机构 * Department of Statistics and Data Science, University of Pennsylvania（统计与数据科学系，宾夕法尼亚大学） 纠错

AI总结 利用GPT-5辅助解决数学统计学中稳健密度估计的未解决问题，推导出最小最大最优误差率。

Comments added references

Vibe Spaces for Creatively Connecting and Expressing Visual Concepts

通过 vibe 空间创造性连接和表达视觉概念

Huzheng Yang, Katherine Xu, Andrew Lu, Michael D. Grossberg, Yutong Bai, Jianbo Shi

机构 * UPenn（宾夕法尼亚大学） ； CUNY（纽约大学） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 Vibe Space 通过学习低维测地线实现视觉概念的创造性连接与表达，生成更具创造性和连贯性的混合体。

Comments Project page: https://huzeyann.github.io/VibeSpace-webpage/

Imbalances in Neurosymbolic Learning: Characterization and Mitigating Strategies

神经符号学习中的不平衡问题：特征化与缓解策略

Kaifu Wang, Efthymia Tsamoura, Dan Roth

机构 * Huawei Labs（华为实验室） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出了一种缓解神经符号学习中学习不平衡问题的方法，通过估计隐藏标签的边际并将其作为约束，提升模型性能达14%。