Optimal Detection for Language Watermarks with Pseudorandom Collision
语言水印的最优检测与伪随机碰撞
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学）
AI总结 本文提出了一种基于最小单位的统计框架，用于在不完美伪随机性下优化语言水印检测，通过理论分析和实验验证提升了检测能力并严格控制类型I错误。
高校专区
University of Pennsylvania（宾夕法尼亚大学）
Preconditioning Benefits of Spectral Orthogonalization in Muon
谱正交化在缪子中的预条件化优势
机构 * Penn Department of Statistics and Data Science, Wharton School, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系，沃顿商学院，宾夕法尼亚大学） ； Yale Department of Statistics and Data Science, Yale University（耶鲁大学统计与数据科学系，耶鲁大学） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系，宾夕法尼亚大学）
AI总结 研究通过矩阵分解和上下文学习案例，证明简化版缪子在谱域中通过独立序列实现线性收敛，优于梯度下降和Adam。
Real-Time Deadlines Reveal Temporal Awareness Failures in LLM Strategic Dialogues
实时截止时间揭示了LLM战略对话中的时间意识失败
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究发现LLM在时间敏感任务中存在时间跟踪不足的问题，导致在实时截止条件下表现不佳，但能在回合制限制下表现良好。
How Well Do LLMs Predict Human Behavior? A Measure of their Pretrained Knowledge
LLMs预测人类行为有多好？一种衡量其预训练知识的方法
机构 * Department of Economics, University of Pennsylvania（宾夕法尼亚大学经济学系） ； School of Economics, University of Bristol（布里斯托大学经济学院） ； Department of Economics, Northwestern University（西北大学经济学系）
AI总结 本文提出了一种衡量LLM预测人类行为能力的方法，通过等效样本量评估其预训练知识，并在经济领域应用发现其预测效果因变量而异。
Transferable Graphical MARL for Real-Time Estimation in Dynamic Wireless Networks
可迁移的图形MARL用于动态无线网络中的实时估计
机构 * Department of Electrical and Computer Engineering, Rutgers University（罗格斯大学电气与计算机工程系） ； Department of Biostatistics and Bioinformatics, Duke University（杜克大学生物统计与生物信息学系） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系）
AI总结 本文提出了一种可迁移的图形MARL框架，用于动态无线网络中的实时估计，通过统一的多智能体强化学习方法，实现去中心化策略下的估计误差和信息年龄最小化，同时具备良好的迁移性和鲁棒性。
Enhancing LLM-Based Data Annotation with Error Decomposition
通过错误分解增强基于LLM的数据标注
机构 * Columbia University（哥伦比亚大学） ； University of California, Irvine（加州大学尔湾分校） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 通过错误分解增强基于LLM的数据标注，提出诊断评估范式以区分任务固有模糊性与模型不准确，提升标注质量评估的准确性与实用性。
LIBRA: Language Model Informed Bandit Recourse Algorithm for Personalized Treatment Planning
LIBRA：基于语言模型的带状 recourse 算法用于个性化治疗计划
机构 * McCombs School of Business, University of Texas at Austin（德克萨斯大学奥斯汀分校麦克斯韦商学院） ； Naveen Jindal School of Management, University of Texas at Dallas（德克萨斯大学达拉斯分校奈文·金达管理学院） ； Mays Business School, Texas A&M University（德克萨斯农工大学梅斯商学院） ； Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院）
AI总结 LIBRA 是一种结合大语言模型和带状学习的算法，用于在个性化治疗中实现更高效的决策和鲁棒性。
Comments 50 pages. Previous version with human-AI collaboration: arXiv:2410.14640
Probabilistic Analysis of Copyright Disputes and Generative AI Safety
版权纠纷的概率分析与生成式AI安全
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文通过概率方法分析版权纠纷，并评估生成式AI的版权安全，揭示了NAF条件的局限性。
Comments 5 pages
Journal ref Proc. 20th Int. Conf. on Artificial Intelligence and Law (ICAIL '25), ACM, pp. 470-474 (2026)
