Carnegie Mellon University（卡内基梅隆大学）

Inducing Task Models from Computer-Use Traces

从计算机使用轨迹中诱导任务模型

Yucheng Jiang, Zora Zhiruo Wang, Ruishi Chen, Diyi Yang

机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 该研究提出TMI方法，可从计算机使用轨迹中分离并发任务并诱导结构化任务模型，在恢复交织任务、重构执行步骤及提升任务准确率上均优于现有基线。

Explainable Transformer Models for Clinical Prediction Tasks on Structured Electronic Health Records

用于结构化电子健康记录临床预测任务的可解释Transformer模型

Jun Ni Du, Lukas Adamek, Maxim Kryukov, Flavio Dormont, Ziv Bar-Joseph, Sven Jager, Brandon Rufino

机构 * Sanofi（赛诺菲） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 研究针对结构化EHR预测模型的可解释性缺口，提出BERT-LER模型，在EHRShot等任务中性能优于多数基准模型，归因符合临床风险因素，可推广至多领域。

Comments Accepted at MLHC 2026; to appear in Proceedings of Machine Learning Research (PMLR)

Beyond Multimodal Alignment: Certifying Physical Language through Response Substitution and Ordered Execution

超越多模态对齐：通过响应替换与有序执行验证物理语言

Kaizhen Tan, Xin Xu, Siru Tao, Yixiao Li, Hanzhe Hong, Yang Feng, Heqing Du

机构 * New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出DBOSC方法，在Cluster Haptic数据集与弹塑性系统中验证了多模态物理表示的可执行含义，明确了执行器、图表等因素对动作组合的影响，区分了多项可测试的操作能力成就。

Hybrid Feedback Sampling for Sample-Efficient Model Predictive Control

用于样本高效模型预测控制的混合反馈采样

Chaoyi Pan, Zeji Yi, John Zhang, Zachary Manchester, Guannan Qu, Guanya Shi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出混合反馈采样MPC（FS-MPC）算法，平衡局部与全局搜索，解决采样MPC在高维开环不稳定系统中的样本效率与数值不稳定问题，在真实机器人控制任务中表现优于现有方法。

Comments 15 pages, 6 figures

DeltaMomentum: A Key-Value based Anisotropic Momentum Update via Delta Rule

DeltaMomentum：基于键值结构的Delta规则各向异性动量更新

Euijin Hong, Guannan Qu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 DeltaMomentum将方向感知融入动量更新，可作为优化器动量缓冲器的即插即用替代，在预训练中减少AdamW步数，在多模型和数据集上验证了其有效性。