作者: Irina Saparina, Mirella Lapata
研究方向: 自然语言处理和语义解析
本文提出了一种处理自然语言接口中歧义和欠指定问题的方法，特别适用于文本到SQL语义解析等任务。该方法首先使用自然语言解释来消除歧义，然后将这些解释映射到逻辑形式（例如SQL查询）。该方法利用了大型语言模型（LLM）在处理歧义时的固有偏差，并通过训练一个专门的填充模型来识别和生成缺失的解释。
作者: Chanwoo Park, Seungju Han, Xingzhi Guo, Asuman Ozdaglar, Kaiqing Zhang, Joo-Kyung Kim
研究方向: 多智能体强化学习与大型语言模型协同
本文提出了一种名为MAPoRL（多智能体后协同训练）的新范式，旨在通过强化学习促进多个大型语言模型（LLMs）之间的协作。该范式通过多智能体强化学习（MARL）实现多个LLMs的协同训练，以提升LLMs在协作任务中的性能。
作者: Pedro Sequeira, Vidyasagar Sadhu, Melinda Gervasio
研究方向: 多智能体学习、元学习、心智理论、扩散策略、自适应智能体、团队建模
本文提出了一种名为ToMCAT的新框架，用于生成心智理论（ToM）条件轨迹。该框架结合了元学习机制和多元智能体去噪扩散模型，以实现智能体及其队友的规划，并基于智能体的目标和队友的特征进行条件生成。实验在模拟烹饪领域进行，结果表明动态重新规划机制在减少资源使用的同时，不会牺牲团队性能。
作者: Frederikus Hudi, Genta Indra Winata, Ruochen Zhang, Alham Fikri Aji
研究方向: 大型语言模型（LLMs）的推理能力评估
TEXTGAMES 是一个针对 LLMs 的推理能力评估基准，通过一系列基于文本的逻辑谜题游戏来测试 LLMs 在模式识别、空间意识、算术和逻辑推理方面的能力。研究探讨了 LLMs 在单轮和多轮推理中的表现，以及它们利用反馈进行自我反思的能力。
作者: Nils Wandel, David Stotko, Alexander Schier, Reinhard Klein
研究方向: 人工智能在教育领域的应用，特别是AI辅助教学和评估系统
本文介绍了一种名为PyEvalAI的AI辅助评估系统，该系统旨在为STEM课程中的学生提供即时个性化的反馈，并减轻教师的工作负担。PyEvalAI通过结合单元测试和本地语言模型自动评分Jupyter笔记本，同时确保数据隐私。
作者: Paula Santos
研究方向: 医学数据建模与分析
本文研究了使用增强最小描述长度（MDL）正则化的变分自编码器（VAE）与标准自编码器在重建高维妇科数据方面的比较。研究主要关注如何利用MDL原理提高数据重建和泛化能力，以改善医疗保健数据建模和分析。
作者: Young-Chae Hong, Bei Xiao, Yangho Chen
研究方向: 时间序列预测
本文研究了Kolmogorov-Arnold Networks (KANs) 在时间序列预测中的应用，通过将KAN层引入Time-Series Mixer (TSMixer) 架构，提出了TSKANMixer模型，并对其性能进行了评估。
作者: Yu Xia, Jingru Fan, Weize Chen, Siyu Yan, Xin Cong, Zhong Zhang, Yaxi Lu, Yankai Lin, Zhiyuan Liu, Maosong Sun
研究方向: 语言模型代理（LLM-based Agent）的泛化和测试时自我改进
本文提出了一种名为AgentRM的通用奖励模型，旨在通过测试时搜索来增强语言代理的性能。该模型通过构建奖励模型来指导策略模型，从而在未见过的任务上提高泛化能力。
作者: Jaron Maene, Luc De Raedt
研究方向: 统计关系学习、神经符号人工智能、代数模型计数、梯度计算、优化算法
本文研究了代数模型计数（Algebraic Model Counting，AMC）在统计关系学习和神经符号人工智能中的应用，将AMC的半群视角扩展到学习领域，提出了一种通用的梯度计算方法，并探讨了不同半群在优化算法中的应用。
作者: Minhua Lin, Hui Liu, Xianfeng Tang, Jingying Zeng, Zhenwei Dai, Chen Luo, Zheng Li, Xiang Zhang, Qi He, Suhang Wang
研究方向: 人工智能，自然语言处理，搜索算法
本文研究了如何将学习与搜索相结合，以提高大型语言模型（LLMs）在解决复杂问题时的效率和准确性。作者提出了SEAL和SEAL-C框架，通过将LLMs的推理能力与搜索策略相结合，实现了高效且完整的搜索过程。