我们研究已训练分类器集合的后校准不确定性。具体而言，我们同时考虑 aleatoric（标签噪声）和 epistemic（模型）不确定性。

Mean Field Games (MFGs) 为建模大规模人口模型中的交互提供了原则性的框架：在大规模下，人口动态变为确定性，……

随着大型语言模型（LLMs）的兴起，它们已在检索增强生成（RAG）等应用中发挥了关键作用。然而，对这些……

流行病学模型日益依赖自我报告的行为数据，例如疫苗接种状态、口罩使用和社交距离遵守情况，以预测……

当前针对大模型推理的强化学习目标主要侧重于最大化期望奖励。该范式可能导致对 dom... 的过拟合。

目标：通过避免不必要的推理，同时保持……，提升使用大型语言模型（LLMs）进行医学问答（MedQA）的效率。

大型语言模型（LLMs）是如何知道它们所知道的内容的？要回答这个问题一直很困难，因为预训练数据往往是一个“黑箱”——未知的……

解决长期任务需要机器人将高层语义推理与低层物理交互相结合。虽然视觉语言模型（VLMs）...

Reinforcement learning with verifiable rewards (RLVR) 已成为一种有前景的方法，通过利用监督… 来训练推理语言模型 (RLMs)。

我们研究由[Goel et al. 2017]提出的对抗注入模型中的在线学习，其中标记样本流主要是独立同分布（i.i.d.）抽取的 f...

对专家注释的依赖长期以来一直是人工智能在生物医学应用中的主要瓶颈。虽然 supe...

基于边缘的表征是视觉理解的基本线索，这一原则源于早期的视觉研究，至今仍然是核心。我们扩展了这一…