Indian Institute of Technology Delhi

QRAFT把事实核查文章写作拆成证据整理、成稿与模拟编辑审稿的多智能体流程，在1227条样本上自动指标优于既有文本生成方法，但专业核查员评分仍明显低于专家手写文章。

QRAFT把事实核查文章写作拆成证据整理、成稿与模拟编辑审稿的多智能体流程，在1227条样本上自动指标优于既有文本生成方法，但专业核查员评分仍明显低于专家手写文章。

LinSlot 提出一个连接图像、槽（物体）与块（属性）的概率生成模型，把线性表示假设同时施加在物体与属性表示空间，并用块注意力从槽中推断属性；在 CLEVR-Easy、CLEVR-Hard、CLEVR-Tex 上，其 DCI 与 FG-ARI 优于槽注意力、SLATE+ 与 SysBinder 等基线，同时给出槽空间存在全局 delta 方向的证据。

LinSlot 提出一个连接图像、槽（物体）与块（属性）的概率生成模型，把线性表示假设同时施加在物体与属性表示空间，并用块注意力从槽中推断属性；在 CLEVR-Easy、CLEVR-Hard、CLEVR-Tex 上，其 DCI 与 FG-ARI 优于槽注意力、SLATE+ 与 SysBinder 等基线，同时给出槽空间存在全局 delta 方向的证据。

该工作针对 Muon 优化器在动量累积与调优有限步 Newton–Schulz 正交化下的收敛问题，证明在足够宽的两层 ReLU 网络全批量训练中，只要学习率与 (1-μ)√ε 成正比，Muon 即可以高概率达到任意目标经验平方损失 ε，命中时间上界为 O((1-μ)^-1ε^-1/2)，且所需宽度与目标精度和动量无关。

该工作针对 Muon 优化器在动量累积与调优有限步 Newton–Schulz 正交化下的收敛问题，证明在足够宽的两层 ReLU 网络全批量训练中，只要学习率与 (1-μ)√ε 成正比，Muon 即可以高概率达到任意目标经验平方损失 ε，命中时间上界为 O((1-μ)^-1ε^-1/2)，且所需宽度与目标精度和动量无关。