Harvard University（哈佛大学）

Harnessing Synthetic Data from Generative AI for Statistical Inference

利用生成AI合成数据进行统计推断

Ahmad Abdel-Azim, Ruoyu Wang, Xihong Lin

机构 * Harvard T.H. Chan School of Public Health（哈佛T.H. Chan公共卫生学院） ； Harvard University（哈佛大学） 纠错

AI总结 本文探讨了生成AI合成数据在统计推断中的应用，分析了其生成模型、使用场景、局限性及潜在问题，并提出了原则性使用框架和实践建议。

Comments Submitted to Statistical Science

Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss

基于PDE的逆问题的贝叶斯推断：通过离散损失优化

Lucas Amoudruz, Sergey Litvinov, Costas Papadimitriou, Petros Koumoutsakos

机构 * Computational Science and Engineering Laboratory, Harvard John A. Paulson School of Engineering and Applied Sciences（哈佛约翰·A·保罗森工程与应用科学学校计算科学与工程实验室） ； System Dynamics Laboratory, Department of Mechanical Engineering, University of Thessaly（塞萨洛尼基大学机械工程系系统动力学实验室） 纠错

AI总结 本文提出B-ODIL方法，通过结合PDE损失作为先验知识和数据似然，实现基于贝叶斯推断的PDE逆问题求解，用于肿瘤浓度估计及不确定性量化。

Distribution-Conditioned Transport

分布条件传输

Nic Fishman, Gokul Gowri, Paolo L. B. Fischer, Marinka Zitnik, Omar Abudayyeh, Jonathan Gootenberg

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Harvard Medical School（哈佛医学院） ； Beth Israel Deaconess Medical Center（贝塞斯达以色列德acons医疗中心） ； Brigham and Women’s Hospital（布里格姆和妇女医院） 纠错

AI总结 DCT通过条件化传输映射实现分布泛化，适用于分布预测和生物学应用，提升模型泛化能力和半监督学习效果。

Solving an Open Problem in Theoretical Physics using AI-Assisted Discovery

用人工智能辅助发现解决理论物理中的一个开放问题

Michael P. Brenner, Vincent Cohen-Addad, David Woodruff

机构 * Google Research（谷歌研究） ； School of Engineering and Applied Sciences, Harvard University（工程与应用科学学院，哈佛大学） ； School of Computer Science, Carnegie Mellon University（计算机科学学院，卡内基梅隆大学） 纠错

AI总结 本文提出了一种结合大型语言模型和树搜索框架的混合系统，通过AI辅助发现解决了理论物理中宇宙弦引力辐射功率谱的开放问题，并推导出新的解析解。

Comments 22 pages, 3 figures

Count Bridges enable Modeling and Deconvolving Transcriptomic Data

计数桥使能够建模和解卷积转录组数据

Nic Fishman, Gokul Gowri, Tanush Kumar, Jiaqi Lu, Valentin de Bortoli, Jonathan S. Gootenberg, Omar Abudayyeh

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； CNRS（法国国家科学研究中心） ； Beth Israel Deaconess Medical Center（贝塞斯达以色列德acons医院） ； Brigham and Women’s Hospital（布莱根妇女医院） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 Count Bridges通过随机桥过程建模整数数据并实现解卷积，适用于单细胞基因表达和空间转录组分析。

UFO-4D: Unposed Feedforward 4D Reconstruction from Two Images

UFO-4D：从两幅图像中进行无约束前馈4D重建

Junhwa Hur, Charles Herrmann, Songyou Peng, Philipp Henzler, Zeyu Ma, Todd Zickler, Deqing Sun

机构 * Google（谷歌） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

AI总结 UFO-4D通过统一的前馈框架，从两幅图像中高效重建密集4D表示，实现3D几何、运动和相机姿态的联合估计，提升4D重建精度与效率。

Comments ICLR 2026, Project page: https://ufo-4d.github.io/

Assessing Risks of Large Language Models in Mental Health Support: A Framework for Automated Clinical AI Red Teaming

评估大型语言模型在心理健康支持中的风险：一种用于自动化临床AI红队测试的框架

Ian Steenstra, Paola Pedrelli, Weiyan Shi, Stacy Marsella, Timothy W. Bickmore

机构 * Northeastern University（东北大学） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 本文提出了一种评估AI心理治疗师在心理健康支持中安全风险的框架，通过模拟测试发现AI在治疗中的潜在风险，并验证了交互式可视化工具的有效性。

Comments This paper is a condensed version of the first author's Ph.D. dissertation submitted to Northeastern University

Narrow Finetuning Leaves Clearly Readable Traces in Activation Differences

细粒度微调在激活差异中留下明显可读的痕迹

Julian Minder, Clément Dumas, Stewart Slocum, Helena Casademunt, Cameron Holmes, Robert West, Neel Nanda

机构 * EPFL（苏黎世联邦理工学院） ； Ecole Normale Supérieure Paris-Saclay（巴黎-萨克雷高等师范学校） ； Université Paris-Saclay（巴黎-萨克雷大学） ； Harvard University（哈佛大学） ； MATS 纠错

AI总结 研究发现狭窄微调会在激活中留下明显痕迹，揭示了微调领域偏见，并警告了使用此类模型进行广泛微调研究的局限性。

Comments ICLR 2026