University of Southern California（南加州大学）

Self-Compression of Chain-of-Thought via Multi-Agent Reinforcement Learning

通过多智能体强化学习实现链式思维的自我压缩

Yiqun Chen, Jinyuan Feng, Wei Yang, Meizhi Zhong, Zhengliang Shi, Rui Li, Xiaochi Wei, Yan Gao, Yi Wu, Yao Hu, Zhiqiang Pu, Jiaxin Mao

机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Institute of Automation,Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Southern California（南加州大学） ； Shandong University（山东大学） 纠错

AI总结 通过多智能体强化学习实现链式思维的自我压缩，有效减少响应长度并提升准确性。

Achieving $\varepsilon^{-2}$ Dependence for Average-Reward Q-Learning with a New Contraction Principle

实现平均回报Q学习的ε⁻²依赖性：一种新的收缩原理

Zijun Chen, Zaiwei Chen, Nian Si, Shengbo Wang

机构 * Department of Computer Science and Engineering, HKUST（香港科技大学计算机科学与工程系） ； Edwardson School of Industrial Engineering, Purdue University（普渡大学工业工程学院） ； Department of Industrial Engineering and Decision Analytics, HKUST（香港科技大学工业工程与决策分析系） ； Daniel J. Epstein Department of Industrial and Systems Engineering, USC（美国南加州大学工业与系统工程系） 纠错

AI总结 本文提出了一种新的收缩原理，通过可达性假设实现了平均回报Q学习的最优ε⁻²样本复杂性保证。

Multi-modal Imputation for Alzheimer's Disease Classification

多模态缺失数据填补用于阿尔茨海默病分类

Abhijith Shaji, Tamoghna Chattopadhyay, Sophia I. Thomopoulos, Greg Ver Steeg, Paul M. Thompson, Jose-Luis Ambite

机构 * Information Sciences Institute（信息科学研究所） ； University of Southern California（美国南加州大学） ； University of California（加州大学） ； Stevens Neuroimaging and Informatics Institute（史蒂文斯神经影像与信息学研究所） 纠错

AI总结 本文提出利用条件去噪扩散概率模型填补缺失的DWI扫描，以提高多模态深度学习模型在阿尔茨海默病三类分类中的准确性。

Interpretable Modeling of Articulatory Temporal Dynamics from real-time MRI for Phoneme Recognition

基于实时MRI的发声时序动力学可解释建模用于音素识别

Jay Park, Hong Nguyen, Sean Foley, Jihwan Lee, Yoonjeong Lee, Dani Byrd, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Lab, University of Southern California（南加州大学信号分析与解释实验室） ； Department of Linguistics, University of Southern California（南加州大学语言学系） 纠错

AI总结 本文提出基于实时MRI的发声时序动力学建模方法，通过多特征融合提升音素识别准确率，发现舌头和嘴唇运动对识别至关重要。