BOOKAGENT: Orchestrating Safety-Aware Visual Narratives via Multi-Agent Cognitive Calibration
BOOKAGENT：通过多智能体认知校准 orchestrate 安全意识的视觉叙述
Bo Gao, Chang Liu, Yuyang Miao, Siyuan Ma, Ser-Nam Lim
机构
*
Carnegie Mellon University（卡内基梅隆大学）
；
University of Science and Technology of China（中国科学技术大学）
；
Imperial College London（伦敦帝国理工学院）
；
Nanyang Technological University（南洋理工大学）
；
University of Central Florida（佛罗里达中央大学）
Faithfulness vs. Safety: Evaluating LLM Behavior Under Counterfactual Medical Evidence
忠实性与安全性：在反事实医学证据下评估LLM行为
Kaijie Mo, Siddhartha Venkatayogi, Chantal Shaib, Ramez Kouzy, Wei Xu, Byron C. Wallace, Junyi Jessy Li
机构
*
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
；
Northeastern University（东北大学）
；
MD Anderson Cancer Center（MD安德森癌症中心）
；
Georgia Institute of Technology（佐治亚理工学院）
Uncertainty Quantification in LLM Agents: Foundations, Emerging Challenges, and Opportunities
大语言模型代理中的不确定性量化：基础、新兴挑战与机遇
Changdae Oh, Seongheon Park, To Eun Kim, Jiatong Li, Wendi Li, Samuel Yeh, Xuefeng Du, Hamed Hassani, Paul Bogdan, Dawn Song, Sharon Li
机构
*
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
；
Carnegie Mellon University（卡内基梅隆大学）
；
Nanyang Technological University（南洋理工大学）
；
University of Pennsylvania（宾夕法尼亚大学）
；
University of Southern California（南加州大学）
；
University of California, Berkeley（加州大学伯克利分校）
机构
*
Salesforce AI Research（Salesforce AI研究院）
；
Intuit（Intuit公司）
；
Vanderbilt University（范德比大学）
；
University of California, Davis（加州大学戴维斯分校）
；
Vanderbilt University Medical Center（范德比大学医学中心）
MeasHalu: Mitigation of Scientific Measurement Hallucinations for Large Language Models with Enhanced Reasoning
MeasHalu：通过增强推理缓解大型语言模型中的科学测量幻觉
Ruijun Huang, Zhiqiao Kang, Yuxuan Zhu, Junxiong Li, Jiahao Zhao, Minghuan Tan, Feng Jiang, Min Yang
机构
*
Shenzhen Key Laboratory for High Performance Data Mining（深圳高性能数据挖掘重点实验室）
；
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院）
；
Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳先进技术大学人工智能研究院）
LLM-Codec: Neural Audio Codec Meets Language Model Objectives
LLM-Codec：神经音频编解码器与语言模型目标的结合
Ho-Lam Chung, Yiming Chen, Hung-yi Lee
机构
*
Graduate Institute of Communication Engineering, National Taiwan University（国立台湾大学通信工程研究所）
；
NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国立清华大学人工智能研究中心）
；
ASUS Intelligent Cloud Services（ASUS智能云服务）
Nataliia Molchanova, Pedro M. Gordaliza, Alessandro Cagol, Mario Ocampo--Pineda, Po--Jui Lu, Matthias Weigel, Xinjie Chen, Erin S. Beck, Haris Tsagkas, Daniel Reich, Anna Stölting, Pietro Maggi, Delphine Ribes, Adrien Depeursinge, Cristina Granziera, Henning Müller, Meritxell Bach Cuadra
机构
*
Faculty of Biology and Medicine, University of Lausanne (UNIL)（日内瓦大学生物医学学院）
；
Radiology Department, Lausanne University Hospital (CHUV)（拉索恩大学医院放射科）
；
MedGIFT, Institute of Informatics, School of Management, HES--SO Valais--Wallis University of Applied Sciences and Arts Western Switzerland（应用科学与艺术西瓦利斯-瓦利斯大学信息学院）
；
CIBM Center for Biomedical Imaging（生物医学成像中心）
；
Department of Radiology and Medical Informatics, University of Geneva（日内瓦大学放射科与医学信息学系）
；
Translational Imaging in Neurology (ThINK) Basel, Department of Medicine and Biomedical Engineering, University Hospital Basel and University of Basel（神经学转化成像（ThINK）巴塞尔，医学与生物医学工程系，巴塞尔大学医院和巴塞尔大学）
；
Multiple Sclerosis Center, Department of Neurology, University Hospital Basel（多发性硬化中心，神经科，巴塞尔大学医院）
；
Research Center for Clinical Neuroimmunology and Neuroscience Basel (RC2NB), University Hospital Basel and University of Basel（临床神经免疫学和神经科学巴塞尔研究中心（RC2NB），巴塞尔大学医院和巴塞尔大学）
；
Department of Neurology, Icahn School of Medicine at Mount Sinai（伊坎医学院 Mount Sinai 神经科）
；
Translational Neuroradiology Section, National Institute of Neurological Disorders and Stroke, National Institutes of Health（神经学转化放射学部门，国家神经疾病与中风研究所，国家卫生研究院）
；
Neuroinflammation Imaging Lab (NIL), Université catholique de Louvain（神经炎症成像实验室（NIL），卢瓦纳大学）
；
EPFL+ECAL Lab, École polytechnique fédérale de Lausanne (EPFL)（EPFL+ECAL 实验室，日内瓦联邦理工学院（EPFL））
Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder
更少的协同，更好的表现：通过条件和降质掩码自编码器解决异质多模态图像联合预训练
Bowen Peng, Yongxiang Liu, Jie Zhou, Xiaodong Chen, Tianpeng Liu, Xiaogang Yu, Li Liu
机构
*
College of Electronic Science and Technology, National University of Defense Technology (NUDT)（电子科学与技术学院，国防科技大学）
；
Beijing Institute of Remote Sensing Information（遥感信息研究所）
