Bears, all bears, and some bears. Language Constraints on Language Models' Inductive Inferences
熊、所有熊，以及一些熊。语言模型归纳推理中的语言约束
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 该研究探讨了视觉语言模型在区分不同归纳推理类型时的语言约束，通过实验发现模型与人类在行为上具有一致性，差异源于归纳约束而非表层形式。
高校专区
University of Texas at Austin（得克萨斯大学奥斯汀分校）
Architecture independent generalization bounds for overparametrized deep ReLU networks
针对过参数化深度ReLU网络的架构无关泛化界
机构 * Department of Mathematics, University of Texas at Austin, USA（德克萨斯大学奥斯汀分校数学系）
AI总结 本文提出了一种针对过参数化深度ReLU网络的架构无关泛化界，通过显式构造零损失最小化器并验证统一泛化界，实验显示与真实测试误差的误差在22%以内。
Comments AMS Latex, 19 pages
Benchmarking Deep Learning-Based Reconstruction Methods for Photoacoustic Computed Tomography with Clinically Relevant Synthetic Datasets
基于临床相关合成数据集的深度学习图像重建方法在光声计算断层成像中的基准测试
机构 * Department of Bioengineering, University of Illinois Urbana-Champaign（生物工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（电气与计算机工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Biomedical Engineering, The University of Texas at Austin（生物医学工程系，德克萨斯大学奥斯汀分校） ； Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（奥登计算工程与科学研究所，德克萨斯大学奥斯汀分校）
AI总结 本文提出了一种基于临床相关合成数据集的基准测试框架，用于评估深度学习在光声计算断层成像中的图像重建方法，揭示传统度量标准的不足并推动方法优化。
Turn-PPO: Turn-Level Advantage Estimation with PPO for Improved Multi-Turn RL in Agentic LLMs
Turn-PPO：基于PPO的回合级优势估计以提升代理语言模型中的多回合强化学习
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊）
AI总结 本研究提出turn-PPO，通过回合级MDP公式化提升多回合强化学习在代理语言模型中的表现，验证其在WebShop和Sokoban数据集上的有效性。
Journal ref EACL 2026
RotBench: Evaluating Multimodal Large Language Models on Identifying Image Rotation
RotBench: 对多模态大语言模型识别图像旋转能力的评估
机构 * UNC Chapel Hill（北卡罗来纳大学夏洛特分校） ； Allen Institute for Artificial Intelligence（人工智能研究院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 RotBench评估了多模态大语言模型在识别图像旋转角度方面的性能，发现大多数模型难以区分90°和270°旋转，但能识别0°和180°图像，揭示了模型空间推理能力与人类的差距。
Comments EACL 2026 Camera-Ready. Code and data: https://github.com/tianyiniu/RotBench
SpringTime: Learning Simulatable Models of Cloth with Spatially-varying Constitutive Properties
SpringTime: 学习具有空间变化本构性质的布料模拟模型
机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Toronto（多伦多大学）
AI总结 SpringTime通过学习运动观测数据，高效建模具有空间变化本构性质的布料模拟，克服膜锁定问题，提升训练速度和重建精度。
Comments Submitted to Graphics Interface '26 (In review)
