Harvard University（哈佛大学）

QCalEval: Benchmarking Vision-Language Models for Quantum Calibration Plot Understanding

QCalEval：用于量子校准图理解的视觉-语言模型基准测试

Shuxiang Cao, Zijian Zhang, Abhishek Agarwal, Grace Bratrud, Niyaz R. Beysengulov, Daniel C. Cole, Alejandro Gómez Frieiro, Elena O. Glen, Hao Hsu, Gang Huang, Raymond Jow, Greshma Shaji, Tom Lubowe, Ligeng Zhu, Luis Mantilla Calderón, Nicola Pancotti, Joel Pendleton, Brandon Severin, Charles Etienne Staub, Sara Sussman, Antti Vepsäläinen, Neel Rajeshbhai Vora, Yilun Xu, Varinia Bernales, Daniel Bowring, Elica Kyoseva, Ivan Rungger, Giulia Semeghini, Sam Stanwyck, Timothy Costa, Alán Aspuru-Guzik, Krysta Svore

机构 * NVIDIA ； University of Toronto（多伦多大学） ； IQM Quantum Computers（IQM量子计算机） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Conductor Quantum（Conductor量子） ； National Physical Laboratory（国家物理实验室） ； Infleqtion ； Harvard University（哈佛大学） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； Northwestern University（西北大学） ； EeroQ Corporation（EeroQ公司） ； Royal Holloway University of London（伦敦皇家霍洛威大学） ； Vector Institute for Artificial Intelligence（人工智能向量研究所） 纠错

AI总结 本文提出QCalEval，首个用于评估视觉-语言模型理解量子校准图能力的基准测试，包含243个样本和87种场景类型，测试零样本和上下文学习下的六种问题类型，展示了不同模型的性能差异。

Learning biophysical models of gene regulation with probability flow matching

利用概率流匹配学习基因调控的生物物理模型

Suryanarayana Maddu, Victor Chardès, Michael J. Shelley

机构 * Center for Computational Biology, Flatiron Institute, New York, NY, USA, 10010 ； Molecular \& Cellular Biology Department, Harvard University, Cambridge, MA 02138 ； Courant Institute of Mathematical Sciences, New York University, New York, NY, USA, 10012 纠错

AI总结 本文提出概率流匹配方法，用于从单细胞测序数据中学习生物物理一致的基因调控过程，展示了其在造血分化数据集中的应用，能够准确捕捉细胞命运决定和基因扰动响应等机制。

Elderly-Contextual Data Augmentation via Speech Synthesis for Elderly ASR

通过语音合成进行老年人语境数据增强用于老年人ASR

Minsik Lee, Seoi Hong, Chongmin Lee, Sieun Choi, Jian Kim, Jua Han, Jihie Kim

机构 * Department of Computer Science and Artificial Intelligence, Dongguk University（计算机科学与人工智能系，东国大学） ； Department of Biostatistics, Harvard University（生物统计学系，哈佛大学） 纠错

AI总结 本文通过结合大语言模型和语音合成技术，解决老年人ASR数据稀缺问题，实验表明方法有效降低WER达58.2%。

Comments 5 pages, 2 figures, under review at IEEE Signal Processing Letters

Using Embedding Models to Improve Probabilistic Race Prediction

利用嵌入模型改进概率性种族预测

Noah Dasanaike, Kosuke Imai

机构 * Harvard University（哈佛大学） ； Department of Government, Harvard University（哈佛大学政府系） ； Department of Government and Department of Statistics, Harvard University（哈佛大学政府系和统计系） ； Institute for Quantitative Social Science（定量社会科学研究所） 纠错

AI总结 本文提出eBISG方法，通过预训练文本嵌入提升种族预测精度，尤其对非普查名单中的姓名效果显著，尤其对西班牙裔和亚裔选民提升明显。

Bayesian Inverse Transition Learning: Learning Dynamics From Near-Optimal Trajectories

贝叶斯逆向转移学习：从近优轨迹中学习动态

Leo Benac, Abhishek Sharma, Sonali Parbhoo, Finale Doshi-Velez

机构 * Harvard University（哈佛大学） ； Imperial College London（帝国理工学院伦敦分校） 纠错

AI总结 本文提出逆向转移学习方法，通过近优轨迹的有限覆盖作为特征，结合贝叶斯方法估计动态，提升决策质量并指导迁移成功判断。