arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Southern California(南加州大学)

共收录 6692 篇
2611.20692 2026-11-17 cs.RO 新提交

ARMFUL: Learning Whole-Arm Grasp Configurations for Single-Arm Pickup of Large Objects

ARMFUL:学习用于单臂拾取大型物体的全臂抓取配置

Xinyi Yu, Yunshuang Li, Daniel Seita, Gaurav S. Sukhatme

机构 * University of Southern California(南加州大学)

AI总结 该研究针对单臂拾取大型物体的难题,构建了首个全臂抓取数据集WAG,开发了基于扩散模型的ARMFUL流水线,在仿真和物理机械臂实验中均取得良好拾取效果。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.20417 2026-11-17 cs.LG cs.CL 新提交

When the Cheapest Feasible Router Fails: Auditing Deployment Commitments in Cost-Aware LLM Routing

当成本感知型大语言模型路由中最便宜的可行路由器失效时:审计部署承诺

Minxuan Hu, Qishi Zhan, Ziheng Chen, Zhengtao Yao, Zihan Dong, Jiayu Yi, Wenxi Sun

机构 * Cornell University(康奈尔大学) ; Marquette University(马凯特大学) ; University of Texas at Austin(德克萨斯大学奥斯汀分校) ; University of Southern California(南加州大学) ; Georgia Institute of Technology(佐治亚理工学院) ; Nanyang Technological University(南洋理工大学) ; Johns Hopkins University(约翰斯·霍普金斯大学)

AI总结 该研究针对成本感知LLM路由中审计通过的路由器仍违反服务合同的问题,提出MARC方法,可降低部署承诺失败率,确立了部署承诺作为连接路由器评估等的独特运营决策。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.20404 2026-11-17 cs.LG 新提交

Latent Feedback Is a Compute and Data Amplifier

潜在反馈是一种计算与数据放大器

Benhao Huang, Chaitanya Dwivedi, Xuezhe Ma, Alexander Moreno, Hector Liu

机构 * Institute of Foundation Models(基础模型研究所) ; USC(南加州大学) ; CMU(卡内基梅隆大学)

AI总结 该研究提出潜在反馈方法,经多规模模型测试及缩放定律验证,其可节省最多48%计算与47%数据,是数据受限场景下FLOP的更优利用方式。

Comments 23 pages. Code: https://github.com/ifm-ai/LoRM

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.20385 2026-11-17 cs.CV 新提交

DominoBench: Evaluating Multi-Step Physical Reasoning from Still Images

DominoBench:基于静态图像的多步骤物理推理评估基准

Emilio Ferrara

机构 * University of Southern California(南加州大学)

AI总结 本研究构建DominoBench基准测试多模态模型的多步骤物理推理能力,发现前沿模型无辅助时预测静态图像物理结果的可靠性低,需明确提供决定量才能达到较高准确率。

Comments DominoBench dataset, evaluation harnesses, and benchmarks available at https://huggingface.co/datasets/emilioferrara/DominoBench

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19770 2026-11-17 cs.LG cs.IR 新提交

Exact Sparse Assignment with Costly Target Embeddings: Fixed-Realization Certificates and an Empirical Audit

带代价目标嵌入的精确稀疏分配:固定实现证书与实证审计

Hamidreza Hasani Balyani, Mahtab Movahhedrad, Seyed Pouyan Mousavi Davoudi

机构 * University of Southern California(南加州大学) ; Islamic Azad University, Amol Branch(伊斯兰阿扎德大学阿莫尔分校)

AI总结 本文针对带代价目标嵌入的稀疏分配问题,提出单位范数嵌入的固定实现证书,在四个文本实体匹配基准上审计后发现其运行时声明被反驳,选择性执行更慢且部分重新编码未保留最优解。

Comments 7 pages, 2 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19762 2026-11-17 cs.LG cs.CV 新提交

When Does an AUROC Comparison Survive a Change in Population Mix?

当AUROC比较在总体混合变化时是否依然成立?

Mahtab Movahhedrad, Hamidreza Hasani Balyani, Seyed Pouyan Mousavi Davoudi

机构 * University of Southern California(南加州大学) ; Islamic Azad University, Amol Branch(伊斯兰阿扎德大学阿莫尔分校)

AI总结 该研究探讨AUROC比较在总体混合变化时的稳定性,通过理论分析证明通用优势性为coNP难,结合图像与语言模型实验验证了混合下的比较反转现象,并提出有限库审计与边际秩对齐等解决方案。

Comments 30 pages, 5 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19563 2026-11-17 cs.LG cs.CV 新提交

Sharp First-Hit Identification from Finite Depth Samples

基于有限深度样本的精确首击识别

Hamidreza Hasani Balyani, Mahtab Movahhedrad, Seyed Pouyan Mousavi Davoudi

机构 * University of Southern California(南加州大学) ; Islamic Azad University, Amol Branch(伊斯兰阿扎德大学阿莫尔分校)

AI总结 针对有限深度样本下相机视图的精确首击识别问题,基于有界利普希茨逆深度场,刻画可实现首击深度的精确集合,给出多候选深度为共享场景首击的充要检验,推导特定模型下的尖锐最坏情况逆深度直径并验证其有效性。

Comments 36 pages, 9 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19037 2026-11-17 cs.LG cs.AI 新提交

The Critic Can Hurt: On the Safety of Critics in LLM-Guided AutoML Search

批评者可能有害:关于大型语言模型引导的自动机器学习搜索中批评者的安全性

Gaoyuan Du, Xiaoyang Liu, Rex Zhou, Dengdu Jiang, Rong Fu, Meng Ding, Defu Cao

机构 * Amazon(亚马逊) ; University of Massachusetts Boston(马萨诸塞大学波士顿分校) ; University of Southern California(南加州大学)

AI总结 该研究聚焦LLM引导的AutoML搜索中批评者的安全性,通过四组审计和受控故障注入发现朴素8B批评者会降低搜索性能,提出验证门和检测器可减少损失,还将发布首个相关基准CRITFAULT。

Comments Accepted at KDD 2027 Research track

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.18735 2026-11-17 cs.CV cs.MM 新提交

AITHER: Authority-Informed Evidence Routing for Mixed-Authority Vision-Language Reasoning

AITHER:用于混合权威视觉-语言推理的权威感知证据路由

Xinjin Li, Haoyue Zhang, Xinyi Gou, Yuruo Gong, Yuanjian He, Muzi Li, Yujian Long, Yu Ma, Yiliu Xu, Tianxin Zhou

机构 * Columbia University(哥伦比亚大学) ; UC Berkeley(加州大学伯克利分校) ; Texas A&M University(德克萨斯农工大学) ; Rice University(莱斯大学) ; Sun Yat-sen University(中山大学) ; Stanford University(斯坦福大学) ; Georgetown University(乔治城大学) ; Carnegie Mellon University(卡内基梅隆大学) ; University of Southern California(南加州大学)

AI总结 该研究针对混合权威视觉-语言推理问题,提出无需训练的 AITHER 框架,通过语义框架路由器实现权威仲裁,在 MATRIX、FRAME 等数据集上显著提升推理准确率。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.42108 2026-11-17 cond-mat.mtrl-sci 版本更新

Quantum 3xplorer: AI-Native Engine for Next-Generation Quantum Materials Modeling

Quantum 3xplorer:面向下一代量子材料建模的原生AI引擎

Vsevolod Biryukov, Sergey V. Barabash, Pranab Kumar Das, Jack Deslippe, Mauro Del Ben, Felipe H. da Jornada, Yuming Shi, Johannes Voss, Zhenglu Li, Kamal Choudhary, Ruth Pachter, Steven G. Louie, Marvin L. Cohen, Timur Bazhirov

机构 * Exabyte Inc.(Exabyte公司) ; Applied Mathematics and Computational Research Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室应用数学与计算研究部) ; Department of Materials Science and Engineering, Stanford University(斯坦福大学材料科学与工程系) ; SUNCAT Center for Interface Science and Catalysis, SLAC National Accelerator Laboratory(SLAC国家加速器实验室SUNCAT界面科学与催化中心) ; Mork Family Department of Chemical Engineering and Materials Science, University of Southern California(南加州大学莫克家族化学工程与材料科学系) ; NVIDIA Corporation(英伟达公司) ; Department of Materials Science and Engineering, Johns Hopkins University(约翰斯·霍普金斯大学材料科学与工程系) ; Air Force Research Laboratory(美国空军研究实验室) ; Department of Physics, University of California at Berkeley(加州大学伯克利分校物理系) ; Materials Sciences Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室材料科学部)

AI总结 本研究开发原生AI量子模拟引擎Quantum 3xplorer,由AI编码代理快速构建,可高效实现DFT等量子力学计算,缩短新理论到高性能实现的周期,推动计算量子科学范式转变。

Comments 29 pages, 3 figures, 10 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.10477 2026-11-17 cs.CC math.FA 版本更新

Primal/Dual Method for the Grothendieck Constant

Grothendieck 常数的原始/对偶方法

Steven Heilman, Chris Jones, Giulio Malavolta

机构 * USC(南加州大学) ; UC Davis(加州大学戴维斯分校) ; Bocconi University(博科尼大学)

AI总结 本文通过原始/对偶搜索与AI认证,确定实Grothendieck常数$K_G$的百分位,证明$1.773 \leq K_G \leq 1.7799$,并估计$K_G \approx 1.779$。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2608.21761 2026-11-17 cs.AI cs.CE cs.CV 版本更新

What Does CLIP Learn for Regional Geolocalization? Probing Visual Cues and Scene Configuration After Adaptation

CLIP在区域地理定位任务中学习到了什么?适配后的视觉线索与场景配置探究

Changyu Lee, Yeonsoo Park, Abdullah Alfarrarjeh, Seon Ho Kim

机构 * University of Southern California(南加州大学) ; USC IMSC(南加州大学综合媒体系统中心) ; German Jordanian University(德国约旦大学) ; Integrated Media Systems Center (IMSC)(综合媒体系统中心)

AI总结 该研究针对大都市区区域地理定位问题,对比CLIP不同适配方法的性能,发现编码器适配可提升邻近区域区分能力,且对场景配置的敏感性更高。

Comments Accepted at IEEE BigData 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2605.01597 2026-11-17 eess.AS cs.SD 版本更新

Toward Fair Speech Technologies: A Comprehensive Survey of Bias and Fairness in Speech AI

面向公平的语音技术:语音AI中的偏差与公平性综合综述

Yi-Cheng Lin, Yun-Shao Tsai, Kuan-Yu Chen, Hsiao-Ying Huang, Huang-Cheng Chou, Shrikanth Narayanan, Yu Tsao, Jian-Jiun Ding, Hung-yi Lee

机构 * National Taiwan University(台湾大学) ; University of Southern California(南加州大学) ; Academia Sinica(中央研究院)

AI总结 本综述整合400余项相关研究,构建统一框架,针对语音模态提出7种公平定义,梳理偏差来源并系统化缓解策略,为语音AI的公平性研究提供了全面指引。

Comments Accepted at TMLR, Survey Certificate

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2606.13934 2026-11-17 cs.AI 版本更新

Adversarial Concept Search: Predicting Compositional Errors From Feature Geometry

对抗性概念搜索:从特征几何预测组合错误

Jennifer Meng Lu, Ruochen Zhang, Isabelle Lee, David Alvarez-Melis, Ellie Pavlick, Naomi Saphra

机构 * Brown University(布朗大学) ; University of Southern California(南加州大学) ; Harvard University(哈佛大学) ; Boston University(波士顿大学)

AI总结 利用LLM的表征几何预测其组合失败模式,发现概念编码近正交时可靠组合,编码接近时因干扰导致失败,无需评估具体输入即可预测错误。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2605.00087 2026-11-17 cs.NI cs.AI cs.CY cs.IR cs.LG 版本更新

DeGenTWeb: A First Look at MGT-dominant Websites

DeGenTWeb:对以大语言模型为主导的网站的首次观察

Sichang Steven He, Calvin Ardi, Ramesh Govindan, Harsha V. Madhyastha

机构 * University of Southern California(南加州大学)

AI总结 本文通过DeGenTWeb系统识别出大量由大语言模型生成内容的网站,发现其在Web中的普及率持续增长,但准确识别此类网站面临挑战。

Comments In submission; 13 pages, 8 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2511.01852 2026-11-17 cs.GT cs.LG 版本更新

Proximal Regret and Proximal Correlated Equilibria: A New Tractable Solution Concept for Online Learning and Games

近端遗憾与近端相关均衡:在线学习与博弈中一种新的可处理解概念

Yang Cai, Constantinos Daskalakis, Haipeng Luo, Chen-Yu Wei, Weiqiang Zheng

机构 * Yale University(耶鲁大学) ; MIT CSAIL(麻省理工学院CSAIL) ; University of Southern California(南加州大学) ; University of Virginia(弗吉尼亚大学)

AI总结 本文提出介于外部遗憾与交换遗憾之间的近端遗憾概念,证明经典在线梯度下降无需修改即可达到最优近端遗憾界,并据此定义近端相关均衡,统一并拓展了在线学习与博弈论中的多种均衡概念。

Comments A preliminary version of the paper has been accepted to STOC 2026. This version improves the proximal regret guarantee for gradient descent

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.17639 2026-11-16 cs.AI cs.CL 新提交

What LLM Agents See and What Users Say

大语言模型智能体所见与用户所言

Yue Zhao, Angela Huyue Zhang, S. Alex Yang, Hua Wei, Xiyang Hu

机构 * University of Southern California(南加州大学) ; London Business School(伦敦商学院) ; Arizona State University(亚利桑那州立大学)

AI总结 本研究基于语言学预设理论,探究LLM智能体行动前工具信息与用户表述的差距,通过实验发现调整查找操作的呈现方式可减少智能体错误行动,为安全写入提供了优化查找操作的方案。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.11051 2026-11-16 cs.AR cs.SE 版本更新

PRISM: Preference-based Reward and Uncertainty-Integrated Synthesis Minimization for RTL PPA Optimization

PRISM:面向RTL PPA优化的基于偏好的奖励与不确定性集成综合最小化方法

Armin Abdollahi, Negin Ashrafi, Mehdi Kamal, Massoud Pedram

机构 * University of Southern California(南加州大学)

AI总结 PRISM是一种预算感知多目标RTL优化框架,结合偏好奖励模型与不确定性获取规则,在固定商业综合工具调用预算下,于多工艺节点实现RTL的PPA优化。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.10123 2026-11-16 cs.CL cs.AI 版本更新

All Quiet on the Neural Front: Language Models Do Not Report Injected Pain States

神经前线无战事:语言模型不报告注入的疼痛状态

Emilio Ferrara

机构 * University of Southern California(南加州大学)

AI总结 该研究测试了三个开放权重模型能否报告注入的疼痛状态,发现模型虽能解码疼痛状态且引导会增加破坏性选择,但无法报告该状态,揭示了可解码状态与未经训练的语言访问的分离。

Comments The OWMI pain battery at https://huggingface.co/emilioferrara/owmi-pain

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2609.06351 2026-11-16 eess.SY cs.NI cs.SY math.OC 版本更新

A Theory of Information Architecture for Networked Decisions: Freshness, Locality, and Coordination

网络化决策的信息架构理论:新鲜度、局部性与协调性

Scott Moeller, Bhaskar Krishnamachari

机构 * University of Southern California(南加州大学)

AI总结 本文针对网络化多智能体决策,提出信息架构理论,权衡信息新鲜度与范围,推导闭式阈值及最优邻域半径,揭示性能取决于最优决策的可预测性。

Comments 32 pages, 6 figures. Manuscript source and complete reproduction materials are available at https://github.com/ANRGUSC/TINA

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2605.11490 2026-11-16 cs.LG stat.ML 版本更新

Adaptive Calibration in Non-Stationary Environments

非平稳环境中的自适应校准

Junyan Liu, Haipeng Luo, Lillian J. Ratliff

机构 * University of Washington(华盛顿大学) ; University of Southern California(南加州大学)

AI总结 针对非平稳环境中的在线预测校准问题,提出基于epoch调度和非均匀预测空间划分的自适应算法,实现了校准误差在平稳与对抗场景之间的平滑插值,并达到最优或接近最优的遗憾界。

Comments 50 pages, NeurIPS 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2309.10242 2026-11-16 math.OC 版本更新

Reinforcement Learning for optimal dividend problem under diffusion model

基于扩散模型的最优分红问题的强化学习

Lihua Bai, Thejani Gamage, Jin Ma, Gaozhan Wang

机构 * Nankai University(南开大学) ; University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校) ; University of Southern California(南加州大学)

AI总结 本文从强化学习视角研究连续时间扩散模型下的最优分红问题,提出基于熵正则化的探索性控制算法,通过神经网络近似价值函数及其导数,实现非显式确定最优控制的数值方法。

Comments In this version the numerical scheme and the experiments are reconstructed

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2505.12358 2026-11-16 cs.LG cs.AI 版本更新

AbFlowNet: Optimizing Antibody-Antigen Binding Energy via Diffusion-GFlowNet Fusion

AbFlowNet:通过扩散-GFlowNet融合优化抗体-抗原结合能

Abrar Rahman Abir, Haz Sameen Shahgir, Md Rownok Zahan Ratul, Md Toki Tahmid, Greg Ver Steeg, Yue Dong

机构 * Bangladesh University of Engineering and Technology(孟加拉工程与技术大学) ; University of California Riverside(加州大学河滨分校) ; University of Southern California(南加州大学) ; Princeton University(普林斯顿大学)

AI总结 针对现有CDR设计方法未联合优化结合能、在线RL优化成本高且依赖不可靠估计器的问题,提出融合GFlowNet与扩散模型的AbFlowNet框架,统一扩散与奖励优化,在多项指标上优于基础扩散模型且无需高成本在线RL。

Comments Accepted at NeurIPS 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.17214 2026-11-13 cs.LG cs.AI stat.ML 新提交

Introducing Feedback Delays to Non-Delayed Adversarial MDPs: Optimal $\sqrt S$ and $\sqrt K$ Dependencies in Tabular and Linear AMDPs

向无延迟对抗马尔可夫决策过程(AMDPs)引入反馈延迟:表格型与线性AMDPs中的最优√S和√K依赖关系

Aarush Kulkarni, Khang Nguyen, William Chang, Yan Dai

机构 * University of Southern California(南加州大学) ; University of California Los Angeles(加州大学洛杉矶分校) ; Massachusetts Institute of Technology(麻省理工学院)

AI总结 本文针对表格型与线性对抗马尔可夫决策过程,提出引入反馈延迟的技术及带拒绝的几何重采样方法,解决表格型AMDP的√S遗憾差距问题,得到线性AMDP首个K最优高效算法,还扩展到延迟AMDP并获最优界。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.16756 2026-11-13 cs.LG 新提交

Beyond Binary Classification: Multiclass Machine Learning for Diabetes and Prediabetes Risk Prediction Using NHANES

超越二分类:基于NHANES的糖尿病与糖尿病前期风险预测多分类机器学习研究

Aman Mujahid, Anita Penkova

机构 * University of Southern California(南加州大学)

AI总结 本研究针对糖尿病风险预测的二分类局限,基于NHANES数据开发多分类机器学习框架,对比传统与Transformer模型,发现糖尿病前期检测难源于特征重叠,且多分类与二分类任务存在性能权衡。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.16218 2026-11-13 cs.RO cs.SY eess.SY 新提交

A Coupled Control Barrier Function Approach to Deadlock-Free Multi-Robot Conflict Resolution

一种用于无死锁多机器人冲突解决的耦合控制障碍函数方法

Gary Rostomyan, Ketan Savla, Petros A. Ioannou

机构 * University of Southern California(南加州大学) ; Xtelligent, Inc.(Xtelligent公司)

AI总结 本文提出基于QP的耦合CBF控制器,通过让步矩阵编码机器人相互影响,支持让步偏好且保证无死锁,经仿真验证可实现自适应协调与机器人故障鲁棒性。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15831 2026-11-13 cs.AI 新提交

NIBench: benchmarking autonomous AI agents for execution, skill evolution and scientific judgment in neuroimaging

NIBench:针对神经成像中执行、技能演化与科学判断的自主AI智能体基准测试

Lujia Zhong, Yihao Xia, Jianwei Zhang, Shuo Huang, Xinyu Nie, Mingyang Xia, Zhiwei Deng, Jiaxin Yue, Xinkai Wang, Junhan Zhao, Yonggang Shi

机构 * Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California(南加州大学凯克医学院史蒂文斯神经影像与信息学研究所) ; Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California(南加州大学维特比工程学院明·谢电子与计算机工程系) ; Alfred E. Mann Department of Biomedical Engineering, Viterbi School of Engineering, University of Southern California(南加州大学维特比工程学院阿尔弗雷德·E·曼恩生物医学工程系) ; Department of Pediatrics, University of Chicago(芝加哥大学儿科系) ; Department of Biomedical Informatics, Harvard Medical School(哈佛医学院生物医学信息学系) ; Comprehensive Cancer Center, UChicago Medicine(芝加哥医学中心综合癌症中心)

AI总结 研究人员构建神经成像基准NIBench,通过三项评估测试19种语言模型驱动的自主智能体,发现其执行协议表现优异但程序指导缺失会拉大性能差距,技能提炼的泛化效果不稳定,科学判断存在与专家结论不符的问题。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15766 2026-11-13 cs.CV cs.AI 新提交

Prior-as-Skill: Remember Outside and Read Inside with On-Policy Self-Distillation for Self-Evolving VLM Agents

作为技能的先验:通过策略内自蒸馏实现自进化VLM智能体,兼顾外部记忆与内部读取

Yan Lin, Jingyu Sun, Yifei Qian, Zhengtao Yao, Yuxia Wang, Daizong Liu, Chun Pong Lau, Zhongliang Guo, Stephen McGough

机构 * Newcastle University(纽卡斯尔大学) ; University of Manchester(曼彻斯特大学) ; University of Melbourne(墨尔本大学) ; University of Nottingham(诺丁汉大学) ; University of Southern California(南加州大学) ; INSAIT, Sofia University ‘‘St. Kliment Ohridski’’(保加利亚索菲亚大学INSAIT研究所) ; Wuhan University(武汉大学) ; City University of Hong Kong(香港城市大学) ; University of Aberdeen(阿伯丁大学)

AI总结 本研究提出PriorSplit方法,结合OPSD训练,可补全VLM智能体部署时缺失的步骤帧,在帧缺失场景下性能优于同类方法,且在顺序异常场景下表现接近OPSD。

Comments under review

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15114 2026-11-13 cs.CL cs.LG 新提交

What Does Each Part of Speech Need? Contexts, Subspaces and Dimensions in Static Word Embeddings

静态词嵌入中各词性需要什么?上下文、子空间与维度

Jintang Xue, Chengwei Wei, Yun-Cheng Wang, C. -C. Jay Kuo

机构 * University of Southern California(南加州大学)

AI总结 该研究探究静态词嵌入中词性对上下文、子空间及维度的需求,提出结合频率与词性的维度分配方法,在压缩词表时保留动词、形容词相似度及名词匹配度,提升词嵌入效果。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.15086 2026-11-13 eess.SY cs.SY 新提交

Metropolis Random Walks Escape Deep Basins Faster in Higher Dimensions

高维空间中Metropolis随机游走更快逃离深盆地

Hansini Ramachandran, Bhaskar Krishnamachari

机构 * University of Southern California(南加州大学)

AI总结 该研究分析了高维空间中Metropolis随机游走的盆地逃离时间,推导了其闭式表达式,证明高维下逃离速度更快,量化了商链与真实链均值的差异。

Comments 13 pages, 5 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
↑