Harvard University（哈佛大学）

NOIR: Neural Operator mapping for Implicit Representations

NOIR：用于隐式表示的神经算子映射

Sidaty El Hadramy, Nazim Haouchine, Michael Wehrli, Philippe C. Cattin

机构 * Department of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系） ； Harvard Medical School, Brigham and Women’s Hospital（哈佛医学院布里奇沃特医院） 纠错

AI总结 NOIR框架将医学影像任务重新表述为连续函数空间间的算子学习，实现分辨率无关的功能到功能转换，展示了对未见过离散化的强鲁棒性。

Human-in-the-Loop LLM Grading for Handwritten Mathematics Assessments

人机协同的LLM评阅用于手写数学评估

Arne Vanhoyweghen, Vincent Holst, Melika Mobini, Lukas Van de Voorde, Tibo Vanleke, Bert Verbruggen, Brecht Verbeken, Andres Algaba, Sam Verboven, Marie-Anne Guerry, Filip Van Droogenbroeck, Vincent Ginis

机构 * Data Analytics Lab, Vrije Universiteit Brussel（布鲁塞尔自由大学数据分析实验室） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） 纠错

AI总结 本文提出一种可扩展的端到端流程，利用LLM辅助评阅短篇手写作业，通过构建答案键、开发评分指南和结合自动扫描、多轮评分和人工验证，有效减少评阅时间并保持准确性。

Comments 19 pages, 5 figures

Dark3R: Learning Structure from Motion in the Dark

Dark3R: 在黑暗中学习结构从运动

Andrew Y Guo, Anagh Malik, SaiKiran Tedla, Yutong Dai, Yiqian Qin, Zach Salehe, Benjamin Attal, Sotiris Nousias, Kiriakos N. Kutulakos, David B. Lindell

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； York University（约克大学） ； Sony Corporation of America（美国索尼公司） ； Harvard University（哈佛大学） ； Purdue University（普渡大学） 纠错

AI总结 Dark3R通过教师-学生蒸馏适应大规模3D基础模型以应对极低光照条件，无需3D监督，仅需噪声-清洁原始图像对进行训练，实现低信噪比下的鲁棒特征匹配和相机姿态估计。

Comments CVPR 2026, Project Page: https://andrewguo.com/pub/dark3r

Explainable AI Using Inherently Interpretable Components for Wearable-based Health Monitoring

基于可解释组件的可解释AI用于基于可穿戴设备的健康监测

Maurice Kuschel, Solveig Vieluf, Claus Reinsberger, Tobias Loddenkemper, Tanuj Hasija

机构 * Signal and System Theory Group, Paderborn University（信号与系统理论组，帕德博恩大学） ； Department of Medicine I, Ludwig Maximilian University（医学部I，路德维希-马克西米利安大学） ； Konrad Zuse School of Excellence in Reliable AI, Munich（可靠性人工智能卓越学校，慕尼黑） ； Institute of Sports Medicine, Paderborn University（运动医学研究所，帕德博恩大学） ； Division of Sports Neurology and Neurosciences, Mass General Brigham（运动神经学与神经科学部，马萨诸塞总医院布里奇顿分院） ； Division of Epilepsy and Clinical Neurophysiology, Boston Children’s Hospital, Harvard Medical School（癫痫与临床神经生理学部，波士顿儿童医院，哈佛医学院） 纠错

AI总结 本文提出一种结合解释空间和概念解释的新方法，用于解释基于可穿戴设备的时间序列数据预测，通过可解释组件保持模型性能并实现可解释性。

Comments Submitted to the IEEE Journal of Biomedical and Health Informatics

EvolveCoder: Evolving Test Cases via Adversarial Verification for Code Reinforcement Learning

EvolveCoder：通过对抗验证演化测试用例以增强代码强化学习

Chi Ruan, Dongfu Jiang, Huaye Zeng, Ping Nie, Wenhu Chen

机构 * University of Waterloo（多伦多大学） ； Vector Institute（向量研究所） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出基于解决方案的对抗验证框架，通过迭代优化测试用例提升验证效果，构建了EvolveCoder-22k数据集，实验证明其在代码生成强化学习中提升模型性能。

Verifying LLM Inference to Detect Model Weight Exfiltration

验证大语言模型推理以检测模型权重外泄

Roy Rinberg, Adam Karvonen, Alexander Hoover, Daniel Reuter, Keri Warr

机构 * Harvard University（哈佛大学） ； ML Alignment & Theory Scholars (MATS)（对齐与理论学者（MATS）） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Anthropic 纠错

AI总结 本文提出通过验证LLM推理来检测模型权重外泄，通过安全游戏形式化外泄问题，提出可证明缓解隐写外泄的验证框架，并评估了不同参数规模的模型。