University of Texas at Austin（得克萨斯大学奥斯汀分校）

Improving Data Efficiency for LLM Reinforcement Fine-tuning Through Difficulty-targeted Online Data Selection and Rollout Replay

通过难度目标在线数据选择和回放提升大语言模型强化微调的数据效率

Yifan Sun, Jingyan Shen, Yibin Wang, Tianyu Chen, Zhendong Wang, Mingyuan Zhou, Huan Zhang

机构 * UIUC（伊利诺伊大学香槟分校） ； New York University（纽约大学） ； University of Texas at Austin（得克萨斯大学奥斯汀分校） ； Microsoft（微软） 纠错

AI总结 本文提出通过难度目标在线数据选择和回放机制提升大语言模型强化微调的数据效率，实验表明可减少62%的微调时间并保持同等性能。

Comments Accepted at NeurIPS 2025

Decoupled Continuous-Time Reinforcement Learning via Hamiltonian Flow

通过哈密顿流实现解耦的连续时间强化学习

Minh Nguyen

机构 * Google（谷歌） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了解耦的连续时间强化学习算法，通过哈密顿流更新价值函数，并利用扩散生成器学习优势率函数，实现了在连续控制任务中的优越性能。

TWISTED-RL: Hierarchical Skilled Agents for Knot-Tying without Human Demonstrations

TWISTED-RL：无人类示范的分层技能代理用于打结

Guy Freund, Tom Jurgenson, Matan Sudry, Erez Karpas

机构 * Reichman University（雷赫曼大学） ； Technion – Israel Institute of Technology（技术学院——以色列理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 TWISTED-RL通过强化学习和拓扑动作实现无示范的复杂打结任务，提升泛化能力和效率。

Covariance-Aware Transformers for Quadratic Programming and Decision Making

具有协方差意识的变换器用于二次规划和决策制定

Kutay Tire, Yufan Zhang, Ege Onur Taga, Samet Oymak

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出Time2Decide方法，通过显式利用协方差矩阵提升变换器在二次规划和决策制定中的性能。

Controlling Your Image via Simplified Vector Graphics

通过简化矢量图形控制图像

Lanqing Guo, Xi Liu, Yufei Wang, Zhihao Li, Siyu Huang

机构 * The University of Texas at Austin, USA（德克萨斯大学奥斯汀分校） ； Clemson University, USA（克莱姆森大学） ； SparcAI Inc., USA（SparcAI公司） 纠错

AI总结 本研究提出通过简化矢量图形实现图像元素层面的可控生成，通过分层结构和语义对齐的矢量图形表示，实现对几何、颜色和物体语义的精确控制，适用于图像编辑和精细内容创作。

Comments Preprint

Choosing How to Remember: Adaptive Memory Structures for LLM Agents

选择如何记忆：面向LLM代理的自适应记忆结构

Mingfei Lu, Mengjia Wu, Feng Liu, Jiawei Xu, Weikai Li, Haoyang Wang, Zhengdong Hu, Ying Ding, Yizhou Sun, Jie Lu, Yi Zhang

机构 * University of Technology Sydney（悉尼大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； The University of Melbourne（墨尔本大学） 纠错

AI总结 本文提出FluxMem框架，通过自适应记忆结构选择和三级记忆层次结构，提升LLM代理在长时间交互中的表现，实验显示平均提升9.18%和6.14%。

RosettaSpeech: Zero-Shot Speech-to-Speech Translation without Parallel Speech

RosettaSpeech: 无需平行语音数据的零样本语音到语音翻译

Zhisheng Zheng, Xiaohang Sun, Tuan Dinh, Abhishek Yanamandra, Abhinav Jain, Zhu Liu, Sunil Hadap, Vimal Bhat, Manoj Aggarwal, Gerard Medioni, David Harwath

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊） 纠错

AI总结 RosettaSpeech通过单语语音-文本数据和机器翻译监督，实现无需平行语音数据的零样本语音到语音翻译，取得领先的ASR-BLEU得分并保留说话人声音。

Comments 12 pages, 4 figures

Beyond Static Cutoffs: One-Shot Dynamic Thresholding for Diffusion Language Models

超越静态截止值：用于扩散语言模型的单次动态阈值技术

Jucheng Shen, Yeonju Ro

机构 * Rice University（里奇大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出单次动态阈值技术，用于改进扩散语言模型的解码效率，在多个基准测试中提升了准确率与吞吐量的平衡。

Comments 7 pages, NeurIPS 2025 Efficient Reasoning Workshop

FORTE: Tactile Force and Slip Sensing on Compliant Fingers for Delicate Manipulation

FORTE：用于精细操作的柔性指尖触力与滑动感知

Siqi Shang, Mingyo Seo, Yuke Zhu, Lillian Chin

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 FORTE通过柔性指尖触觉感知系统实现低延迟的力与滑动反馈，有效提升对易碎、滑腻物体的抓取精度与稳定性。

Cautious Optimizers: Improving Training with One Line of Code

谨慎优化器：通过一行代码提升训练

Kaizhao Liang, Lizhang Chen, Bo Liu, Qiang Liu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 通过一行代码改进优化器，提升Transformer预训练和图像分类性能

When Attention Collapses: How Degenerate Layers in LLMs Enable Smaller, Stronger Models

当注意力崩溃：LLMs中的退化层如何使小型模型更强大

Sunny Sanyal, Ravid Shwartz-Ziv, Alexandros G. Dimakis, Sujay Sanghavi

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； New York University（纽约大学） ； UC Berkeley（伯克利加州大学） 纠错

AI总结 Inheritune通过继承预训练模型的早期层来构建更小但更强的语言模型，实现模型压缩与性能的平衡。

Comments Published in Transactions on Machine Learning Research (TMLR)

Rubrics as an Attack Surface: Stealthy Preference Drift in LLM Judges

评分标准作为攻击面：LLM裁判中的隐蔽偏好漂移

Ruomeng Ding, Yifei Pang, He Sun, Yizhong Wang, Zhiwei Steven Wu, Zhun Deng

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Yale University（耶鲁大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 研究揭示了基于评分标准的LLM裁判中隐蔽的偏好漂移问题，通过评分标准攻击可系统性降低目标领域准确性，影响模型对齐流程。

On the Mechanisms of Collaborative Learning in VAE Recommenders

在VAE推荐系统中协作学习的机制

Tung-Long Vuong, Julien Monteil, Hien Dang, Volodymyr Vaskovych, Trung Le, Vu Nguyen

机构 * Amazon（亚马逊公司） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Monash University（莫纳什大学） 纠错

AI总结 本文研究了基于VAE的推荐系统中协作学习的机制，分析了潜在接近性对协作的影响，并提出了锚点正则化器以实现用户与项目间的信号共享。