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

LightCode: Light Analytical and Neural Codes for Channels with Feedback

LightCode: 有反馈信道的分析与神经编码

Sravan Kumar Ankireddy, Krishna Narayanan, Hyeji Kim

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Texas A&M University, College Station（德克萨斯农工大学，科勒斯顿） 纠错

AI总结 LightCode是一种轻量级神经编码方案，通过结合分析编码与深度学习技术，在低SNR区域实现高可靠性，同时降低计算和内存开销。

Comments 16 pages, 12 figures, To appear in IEEE Journal on Selected Areas in Communications, 2024

Journal ref IEEE JSAC, 43(4):1230-1245, 2025

Balancing Faithfulness and Performance in Reasoning via Multi-Listener Soft Execution

通过多听众软执行平衡忠实与性能

Nithin Sivakumaran, Shoubin Yu, Hyunji Lee, Yue Zhang, Ali Payani, Mohit Bansal, Elias Stengel-Eskin

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

AI总结 REMUL通过多听众强化学习方法提升推理忠实性与性能，改进多个基准的忠实性指标和准确性。

Comments Code: https://github.com/nsivaku/remul