Harvard University（哈佛大学）

Smoothing the Landscape: Causal Structure Learning via Diffusion Denoising Objectives

平滑景观：通过扩散去噪目标进行因果结构学习

Hao Zhu, Di Zhou, Donna Slonim

机构 * Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard Medical School（哈佛医学院） ； Department of Computer Science, Tufts University（塔夫茨大学计算机科学系） 纠错

AI总结 本文提出Denoising Diffusion Causal Discovery框架，利用扩散模型去噪目标平滑梯度以提升收敛稳定性，并引入自适应k-hop无环约束提升运行效率，实验证明其在合成数据和现实案例中的有效性。

Comments To appear in the Proceedings of the 5th Conference on Causal Learning and Reasoning (CLeaR 2026)

Do Emotions in Prompts Matter? Effects of Emotional Framing on Large Language Models

提示中的情感重要吗？情感框架对大语言模型的影响

Minda Zhao, Yutong Yang, Chufei Peng, Rachel Gonsalves, Weiyue Li, Ruyi Yang, Zhixi Liu, Mengyu Wang

机构 * Harvard University（哈佛大学） ； Bryn Mawr College（布林莫尔学院） 纠错

AI总结 研究探讨了用户查询中第一人称情感框架对大语言模型在六个基准领域性能的影响，发现静态情感前缀通常仅产生小幅度变化，但社交相关任务中效果更不稳定，引入自适应情感提示框架EmotionRL后，适应性选择比固定情感提示更有效。

Scaling Video Pretraining for Surgical Foundation Models

为手术基础模型扩展视频预训练

Sicheng Lu, Zikai Xiao, Jianhui Wei, Danyu Sun, Qi Lu, Keli Hu, Yang Feng, Jian Wu, Zongxin Yang, Zuozhu Liu

机构 * The Johns Hopkins University（约翰霍普金斯大学） ； Zhejiang University（浙江大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学伊利诺伊大学厄巴纳-香槟分校联合学院） ； Zhejiang Lab（之江实验室） ； Shaoxing University（绍兴大学） ； Angelalign（时代天使） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 本文提出SurgRec，通过大规模数据和统一预训练流程提升手术视频理解能力，对比SSL基线和视觉语言模型，展示SurgRec在多个下游任务中的优越性能。

BraiNCA: brain-inspired neural cellular automata and applications to morphogenesis and motor control

BraiNCA: 脑启发神经细胞自动机及其在形态发生和运动控制中的应用

Léo Pio-Lopez, Benedikt Hartl, Michael Levin

机构 * Allen Discovery Center at Tufts University（塔夫茨大学艾伦发现中心） ； Wyss Institute for Biologically Inspired Engineering at Harvard University（哈佛大学威斯生物启发工程研究所） 纠错

AI总结 本文提出BraiNCA，一种受脑启发的神经细胞自动机，具备注意力层、长距离连接和复杂拓扑结构，提升了在形态发生和运动控制任务中的鲁棒性和学习速度。

Comments 10 pages, 6 figures

All Substitution Is Local

所有替代都是局部的

Nidhish Shah, Shaurjya Mandal, Asfandyar Azhar

机构 * Independent Researcher（独立研究员） ； Harvard University（哈佛大学） ； University of Oxford（牛津大学） 纠错

AI总结 研究信息源如何影响决策价值，发现局部边界决定替代性，非边界处信息协作。

The Evolution of Tool Use in LLM Agents: From Single-Tool Call to Multi-Tool Orchestration

大语言模型代理中工具使用的演变：从单工具调用到多工具编排

Haoyuan Xu, Chang Li, Xinyan Ma, Xianhao Ou, Zihan Zhang, Tao He, Xiangyu Liu, Zixiang Wang, Jiafeng Liang, Zheng Chu, Runxuan Liu, Rongchuan Mu, Dandan Tu, Ming Liu, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Harvard University（哈佛大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 本文探讨了大语言模型代理中工具使用从单次调用到长期编排的演变，分析了多工具代理的最新进展，涵盖任务规划、安全控制、效率优化及实际应用等领域。

Bias Is a Subspace, Not a Coordinate: A Geometric Rethinking of Post-hoc Debiasing in Vision-Language Models

偏差是子空间，而非坐标：视觉-语言模型中事后去偏的几何重思

Dachuan Zhao, Weiyue Li, Zhenda Shen, Yushu Qiu, Bowen Xu, Haoyu Chen, Yongchao Chen

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

AI总结 本文提出SPD框架，通过几何方法识别并去除线性可解码的偏子空间，提升视觉-语言模型的公平性与任务性能。

Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

FastSurfer-CC: A robust, accurate, and comprehensive framework for corpus callosum morphometry

FastSurfer-CC：一种鲁棒、准确且全面的皮层束形态测量框架

Clemens Pollak, Kersten Diers, Santiago Estrada, David Kügler, Martin Reuter

机构 * AI in Medical Imaging, German Center for Neurodegenerative Diseases (DZNE), Bonn, Germany（德国神经退行性疾病中心（DZNE）医学影像人工智能组，波恩，德国） ； A.A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, MA, USA（麻省总医院A.A. Martinos生物医学影像中心，波士顿，马萨诸塞州，美国） ； Department of Radiology, Harvard Medical School, Boston, MA, USA（哈佛医学院放射学系，波士顿，马萨诸塞州，美国） 纠错

AI总结 本文提出FastSurfer-CC，一种用于皮层束形态测量的高效自动化框架，能够自动识别中矢状面切片，分割皮层束和穹窿，定位前后连合体以标准化头部位置，并提取八种形状指标用于统计分析，优于现有专门工具。

Beyond Laplace and Gaussian: Exploring the Generalized Gaussian Mechanism for Private Machine Learning

超越拉普拉斯和高斯：探索通用高斯机制用于隐私机器学习

Roy Rinberg, Ilia Shumailov, Vikrant Singhal, Rachel Cummings, Nicolas Papernot

机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Columbia University（哥伦比亚大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 本文研究了通用高斯机制在隐私保护机器学习中的应用，证明其满足差分隐私，并在PATE和DP-SGD中验证了其有效性，表明高斯机制在可计算范围内表现优异。

Estimating Head Motion from MR-Images

从磁共振图像估计头部运动

Clemens Pollak, David Kügler, Martin Reuter

机构 * AI in Medical Imaging, German Center for Neurodegenerative Diseases (DZNE), Bonn, Germany（德国神经退行性疾病中心(DZNE)医学影像人工智能部门，波恩，德国） ； A.A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, MA, USA（麻省总医院A.A. Martinos生物医学影像中心，波士顿，马萨诸塞州，美国） ； Department of Radiology, Harvard Medical School, Boston, MA, USA（哈佛医学院放射学系，波士顿，马萨诸塞州，美国） 纠错

AI总结 本文提出一种深度学习方法，通过T1加权、T2加权和FLAIR图像及扫描仪深度相机的运动估计预测头部运动，改进了现有方法的性能，并能独立量化漂移和呼吸运动。