University of Southern California（南加州大学）

Fairness or Fluency? An Investigation into Language Bias of Pairwise LLM-as-a-Judge

公平性还是流畅性？对配对LLM-as-a-judge语言偏见的调查

Xiaolin Zhou, Zheng Luo, Yicheng Gao, Qixuan Chen, Xiyang Hu, Yue Zhao, Ruishan Liu

机构 * University of Southern California（南加州大学） ； Arizona State University（亚利桑那州立大学） 纠错

AI总结 本文研究了LLM-as-a-judge在配对任务中的语言偏见，发现不同语言在性能和偏好上有显著差异，且语言偏见不能仅由困惑度解释。

Balancing Classification and Calibration Performance in Decision-Making LLMs via Calibration Aware Reinforcement Learning

通过校准感知强化学习平衡决策LLM中的分类与校准性能

Duygu Nur Yaldiz, Evangelia Spiliopoulou, Zheng Qi, Siddharth Varia, Srikanth Doss, Nikolaos Pappas

机构 * University of Southern California（南加州大学） ； AWS AI Labs（AWS AI实验室） 纠错

AI总结 本文提出一种校准感知强化学习方法，通过调整决策标记概率，在保持准确性的同时减少过度自信，提升决策LLM的校准性能。

Do Neural Codecs Generalize? A Controlled Study Across Unseen Languages and Non-Speech Tasks

神经编码器能否泛化？跨未见语言和非语音任务的受控研究

Shih-Heng Wang, Jiatong Shi, Jinchuan Tian, Haibin Wu, Shinji Watanabe

机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Meta 纠错

AI总结 本文研究了神经音频编码器在未见语言和非语音任务上的泛化能力，发现预训练中引入非语音数据能提升非语音任务性能，但语音预训练的NACs在非语音任务上表现较差。

EMoE: Eigenbasis-Guided Routing for Mixture-of-Experts

EMoE：基于特征空间的专家混合架构路由

Anzhe Cheng, Shukai Duan, Shixuan Li, Chenzhong Yin, Mingxi Cheng, Shahin Nazarian, Paul Thompson, Paul Bogdan

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

AI总结 EMoE通过基于学习的正交特征基的路由机制，解决混合专家架构中的负载不平衡和专家同质化问题，无需辅助损失函数。

Comments accepted by ICASSP2026

From Relative Entropy to Minimax: A Unified Framework for Coverage in MDPs

从相对熵到极小大：MDPs中覆盖的统一框架

Xihe Gu, Urbashi Mitra, Tara Javidi

机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of Southern California（南加州大学） 纠错

AI总结 本文提出了一种统一的覆盖框架，通过加权参数化的凹目标$U_ρ$，统一了多个MDP中的覆盖目标，并开发了基于梯度的算法以主动引导探索策略。

DeAL: Decoding-time Alignment for Large Language Models

DeAL：大型语言模型的解码时间对齐

James Y. Huang, Sailik Sengupta, Daniele Bonadiman, Yi-An Lai, Arshit Gupta, Nikolaos Pappas, Saab Mansour, Katrin Kirchhoff, Dan Roth

机构 * University of Southern California（南加州大学） ； Ω WS AI Labs（Ω WS AI实验室） 纠错

AI总结 DeAL通过允许用户自定义奖励函数和实现解码时间对齐，改进了大型语言模型对齐目标的实现。

Comments ACL 2025