University of Pennsylvania（宾夕法尼亚大学）

TransportAgents: a multi-agents LLM framework for traffic accident severity prediction

TransportAgents: 一种用于交通事故严重性预测的多智能体LLM框架

Zhichao Yang, Jiashu He, Jinxuan Fan, Cirillo Cinzia

机构 * Civil and Environmental Engineering, University of Maryland（大学环境工程系，马里兰州大学） ； Computer and Information Science, University of Pennsylvania（计算机与信息科学系，宾夕法尼亚大学） ； Statistics, University of California, Berkeley（统计学系，加州大学伯克利分校） 纠错

AI总结 TransportAgents通过多智能体框架提升交通事故严重性预测的准确性与可靠性。

Conflicts in Texts: Data, Implications and Challenges

文本中的冲突：数据、影响与挑战

Siyi Liu, Dan Roth

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

AI总结 本文探讨了文本中冲突的数据、影响与挑战，提出了统一冲突信息的概念，分析了其影响并讨论了缓解策略，旨在开发更有效处理冲突信息的NLP系统。

Group-Adaptive Threshold Optimization for Robust AI-Generated Text Detection

群体自适应阈值优化用于鲁棒的AI生成文本检测

Minseok Jung, Cynthia Fuertes Panizo, Liam Dugan, Yi R., Fung, Pin-Yu Chen, Paul Pu Liang

机构 * mit（麻省理工学院） ； upenn（宾夕法尼亚大学） ； ibm（IBM研究院） 纠错

AI总结 本文提出FairOPT算法，通过群体特定的阈值优化减少AI生成文本检测中的群体差异，提升分类鲁棒性。

Semantics-Preserving Evasion of LLM Vulnerability Detectors

保持语义的LLM漏洞检测器逃避

Luze Sun, Alina Oprea, Eric Wong

机构 * Northeastern University（东北大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 研究发现基于LLM的漏洞检测器在保持语义的逃避攻击下存在系统性失效，提出联合鲁棒性指标以评估检测器的鲁棒性。

Unrolled Graph Neural Networks for Constrained Optimization

展开图神经网络用于约束优化

Samar Hadou, Alejandro Ribeiro

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania, PA, USA（电气与系统工程系，宾夕法尼亚大学，美国宾夕法尼亚州） 纠错

AI总结 本文提出利用展开图神经网络解决约束优化问题，通过耦合的GNN交替更新以找到鞍点，并在分布外问题中表现出良好的泛化能力。

Do Large Language Models (Really) Need Statistical Foundations?

大型语言模型（真的需要统计基础吗？

Weijie Su

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

AI总结 本文探讨大型语言模型是否需要统计学基础，指出其统计本质和黑箱特性使统计方法成为必要，并强调统计学界在LLMs研究中的重要性。

Comments Accepted at The Annals of Applied Statistics; Added discussions on more topics

Optimizing Attention with Mirror Descent: Generalized Max-Margin Token Selection

通过镜像下降优化注意力：广义最大边际标记选择

Addison Kristanto Julistiono, Davoud Ataee Tarzanagh, Navid Azizan

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文通过镜像下降优化注意力机制，提出了一种广义最大边际标记选择方法，展示了其在分类任务中的收敛性和泛化能力提升。

Comments Published at JMLR