Harvard University（哈佛大学）

DeepFilters: Scattering-Aware Pupil Engineering with Learned Digital Filter Reconstruction for Extended Depth of Field Microscopy

DeepFilters: 通过学习的数字滤波器重建实现散射感知的瞳孔工程用于扩展深度场显微镜

Joseph L. Greene, Suet YIng Chan, Qilin Deng, Jeffrey Alido, Alexandra Lion, Guorong Hu, Ruipeng Guo, Tongyu Li, Kivilcim Kiliç, Ian Davison, Lei Tian

机构 * Boston University, Department of Electrical and Computer Engineering（波士顿大学电气与计算机工程系） ； Georgia Tech Research Institute, Electro-Optical Systems Lab（佐治亚理工研究学院电光学系统实验室） ； Boston University, Department of Biology（波士顿大学生物学系） ； Harvard Medical School, Brigham and Women’s Hospital, Department of Orthopedic Surgery（哈佛医学院布里特妇女医院骨科系） ； Boston University, Neurophotonics Center（波士顿大学神经光子学中心） ； Boston University, Department of Biomedical Engineering（波士顿大学生物医学工程系） 纠错

AI总结 本文提出DeepFilters框架，通过校准的可微前向模型联合优化参数化瞳孔滤波器和基于数字滤波器的重建网络，实现无需重新训练的广泛泛化，扩展PSF至400微米以上并在生物组织中实现120微米深度的信号恢复。

Comments 38 pages (18 main text, 20 supplement), 23 Figures (7 main text, 16 supplement)

Uncertainty-Aware Prediction of Lung Tumor Growth from Sparse Longitudinal CT Data via Bayesian Physics-Informed Neural Networks

基于贝叶斯物理信息神经网络的稀疏纵向CT数据肺癌肿瘤生长不确定性的预测

Lingfei Kong, Haoran Ma

机构 * Department of Mathematics, Vanderbilt University（范德比大学数学系） ； John A. Paulson School of Engineering and Applied Science, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院） 纠错

AI总结 本文提出一种结合Gompertz生长动力学与低维贝叶斯推断的贝叶斯物理信息神经网络，用于从稀疏不规则纵向CT数据中预测肺癌肿瘤生长，通过两阶段推断策略估计后验预测分布和不确定性区间，实验显示模型能捕捉异质性肿瘤生长模式并保持合理预测精度。

Comments 8 pages, 15 figures

Do Activation Verbalization Methods Convey Privileged Information?

激活 verbalization 方法是否传递了特权信息？

Millicent Li, Alberto Mario Ceballos Arroyo, Giordano Rogers, Naomi Saphra, Byron C. Wallace

机构 * Northeastern University（东北大学） ； Kempner Institute, Harvard University（哈佛大学凯姆纳研究所） ； Boston University（波士顿大学） 纠错

AI总结 本文评估了激活 verbalization 方法的有效性，发现其可能反映生成器模型的知识而非目标模型的操作，需更精准的基准测试。

Comments ICML 2026. 41 pages, 23 tables, 6 figures

BEAVER: An Enterprise Benchmark for Text-to-SQL

BEAVER：一个企业文本到SQL基准测试

Peter Baile Chen, Devin Yang, Weiyue Li, Fabian Wenz, Yi Zhang, Nesime Tatbul, Michael Cafarella, Çağatay Demiralp, Michael Stonebraker

机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学） ； Greenshoe, Inc.（Greenshoe公司） 纠错

AI总结 BEAVER是首个基于企业私有数据仓库构建的文本到SQL基准测试，包含9128个问题-SQL对和19个领域的812张表，通过合成高质量查询和细粒度评估方法，揭示了现有模型在复杂企业场景下的性能差距。

Comments Dataset and code are available at https://beaverbench.github.io/

Quantifying Potential Observation Missingness in Inverse Reinforcement Learning

量化逆强化学习中的潜在观察缺失程度

Leo Benac, Abhishek Sharma, Alihan Huyuk, Finale Doshi-Velez

机构 * School of Engineering and Applied Sciences（工程与应用科学学院） ； Harvard University（哈佛大学） 纠错

AI总结 本文研究逆强化学习中因观察缺失导致的决策偏差问题，提出算法量化行为数据中可能的观察缺失范围，通过合成导航任务、癌症治疗模拟和ICU治疗数据实验验证方法有效性。

TStore: Rethinking AI Model Hub with Tensor-Centric Compression

TStore: 以张量为中心的AI模型仓库重新思考

Tingfeng Lan, Zirui Wang, Yunjia Zheng, Zhaoyuan Su, Juncheng Yang, Yue Cheng

机构 * University of Virginia（弗吉尼亚大学） ； Harvard University（哈佛大学） 纠错

AI总结 TStore通过细粒度去重和压缩技术减少存储开销，保留模型可用性和性能，实现实验中显著的存储节省。

Comments 12 pages, 6 figures. Systems paper on AI model storage

Compact 3D Gaussian Splatting For Dense Visual SLAM

紧凑的3D高斯散射用于密集视觉SLAM

Tianchen Deng, Chang Nie, Shuhong Liu, Wenhua Wu, Jianfei Yang, Shenghai Yuan, Jiuming Liu, Danwei Wang, Hesheng Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； The University of Tokyo（东京大学） ； Harvard University（哈佛大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出紧凑的3D高斯散射SLAM系统，通过滑动窗口遮罩策略和几何代码本压缩高斯参数，提升训练和渲染速度，保持高质量场景表示。

Comments Accepted by IJCV 2026

Small Area Estimation of Case Growths for Timely COVID-19 Outbreak Detection

小区域疫情增长率估计以实现及时的新冠爆发检测

Zhaowei She, Zilong Wang, Jagpreet Chhatwal, Turgay Ayer

机构 * Singapore Management University（新加坡管理学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 本文提出TLRF框架，通过随机森林的自适应加权机制，有效平衡准确率与速度，提升小样本区域的疫情增长率估计精度，并在科罗拉多州案例中验证其在爆发检测中的优越性。

Comments Equal contributions by co-first authors Zhaowei She, Zilong Wang (in alphabetical order)