Harvard University（哈佛大学）

User Involvement in Robotic Wheelchair Development: A Decade of Limited Progress

机器人轮椅开发中的用户参与：十年有限进展

Mario Andres Chavarria, Santiago Price Torrendell, Aude Billard, Samia Hurst, Sébastien Kessler, Michael Stein, Kenji Suzuki, Sophie Weerts, Diego Paez-Granados, Minerva Rivas Velarde

机构 * Geneva School of Health Science, University of Applied Sciences and Arts Western Switzerland（日内瓦健康科学学院，瑞士西部应用科学与艺术大学） ； Institute of Systems and Information Engineering, University of Tsukuba（系统与信息工程研究所，筑波大学） ； Learning Algorithms and Systems Laboratory, Ecole Polytechnique Fédérale de Lausanne（学习算法与系统实验室，洛桑联邦理工学院） ； Institute of Ethics, History, and Humanities, University of Geneva（伦理、历史与人文学研究所，日内瓦大学） ； Grand Conseil, État de Vaud（沃州大议会） ； id-Geo Sàrl（id-Geo有限责任公司） ； Harvard Law School Project on Disability, Harvard University（哈佛法学院残疾项目，哈佛大学） ； Swiss Graduate School of Public Administration, University of Lausanne（瑞士公共管理研究生院，洛桑大学） ； SCAI-Lab, Department of Health Sciences and Technology (D-HEST), ETH Zurich（SCAI实验室，健康科学与技术系，苏黎世联邦理工学院） ； Swiss Paraplegic Research (SPF)（瑞士截瘫研究） 纠错

AI总结 本文回顾了过去十年中机器人轮椅设计开发中用户参与的现状，发现用户参与有限，多集中在后期评估而非早期需求定义和迭代共设计，且研究多依赖小样本和非标准化方法。

FINDER: Zero-Shot Field-Integrated Network for Distortion-free EPI Reconstruction in Diffusion MRI

FINDER：用于扩散磁共振成像中无失真EPI重建的零样本场积分网络

Namgyu Han, Seong Dae Yun, Chaeeun Lim, Sunghyun Seok, Sunju Kim, Yoonhwan Kim, Yohan Jun, Tae Hyung Kim, Berkin Bilgic, Jaejin Cho

机构 * Sejong University（世宗大学） ； Forschungszentrum Jülich（于利希研究中心） ； Athinoula A. Martinos Center for Biomedical Imaging（Athinoula A. Martinos生物医学成像中心） ； Harvard Medical School（哈佛医学院） ； Hongik University（弘益大学） 纠错

AI总结 本文提出FINDER网络，通过联合优化图像和B0场图，解决EPI重建中的几何失真问题，提升扩散成像质量。

Comments 11 pages, 4 figures

Efficient Detection of Bad Benchmark Items with Novel Scalability Coefficients

高效检测劣质基准项目：基于新颖可扩展系数的方法

Michael Hardy, Joshua Gilbert, Benjamin Domingue

机构 * Stanford University, CA, United States（斯坦福大学，美国加利福尼亚州） ； Harvard University, MA, United States（哈佛大学，美国马萨诸塞州） 纠错

AI总结 本文提出基于交叉项目等比回归的非参数可扩展系数，用于高效检测全球劣质项目，通过Kendall's τ保持关联方向，实现无假设线性或参数模型的项目评分。

FairLLaVA: Fairness-Aware Parameter-Efficient Fine-Tuning for Large Vision-Language Assistants

FairLLaVA: 大规模视觉-语言助手中的公平性感知参数高效微调

Mahesh Bhosale, Abdul Wasi, Shantam Srivastava, Shifa Latif, Tianyu Luan, Mingchen Gao, David Doermann, Xuan Gong

机构 * University at Buffalo（布法罗大学） ； University of Kashmir（克什米尔大学） ； Accenture（埃森哲） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 FairLLaVA通过减少目标属性间的互信息，实现视觉指令微调中的公平性改进，提升医疗影像生成的公平性和自然语言生成质量。

Comments Accepted to CVPR 2026

Evidence-based diagnostic reasoning with multi-agent copilot for human pathology

基于多智能体助手的证据驱动诊断推理

Luca L. Weishaupt, Chengkuan Chen, Drew F. K. Williamson, Richard J. Chen, Guillaume Jaume, Tong Ding, Bowen Chen, Anurag Vaidya, Long Phi Le, Guillaume Jaume, Ming Y. Lu, Faisal Mahmood

机构 * Health Sciences and Technology, Harvard-MIT（哈佛-MIT健康科学与技术） ； Department of Pathology, Massachusetts General Hospital, Harvard Medical School（麻省总医院病理科，哈佛医学院） ； Cancer Program, Broad Institute of Harvard and MIT（哈佛-MIT博德研究所癌症项目） ； Harvard John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院） ； Electrical Engineering and Computer Science, Massachusetts Institute of Technology (MIT)（麻省理工学院电气工程与计算机科学） ； Harvard Data Science Initiative, Harvard University（哈佛大学数据科学计划） 纠错

AI总结 本文提出PathChat+，一种专为人类病理设计的多模态大语言模型，通过大量病理特定指令样本训练，显著优于现有模型，在多图像理解与自主诊断推理方面表现突出。