Harvard University（哈佛大学）

Prospective multi-pathogen disease forecasting using autonomous LLM-guided tree search

前瞻性多病原体疾病预测使用自主LLM引导的树搜索

Sarah Martinson, Michael P. Brenner, Martyna Plomecka, Brian P. Williams, Nicholas G. Reich, Zahra Shamsi

机构 * Google Research（谷歌研究） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Google Deepmind（谷歌DeepMind） ； University of Massachusetts（马萨诸塞大学） 纠错

AI总结 本文提出自主系统，利用LLM引导树搜索生成、评估和优化可执行预测软件，在2025-2026年美国呼吸道季节中实现了流感、新冠和呼吸道合胞病毒的多方法模型，其集成模型在样本外表现优于CDC标准模型。

Optimized Three-Dimensional Photovoltaic Structures with LLM guided Tree Search

优化的三维光伏结构与LLM引导的树搜索

Michael P. Brenner, Lizzie Dorfman, John C. Platt

机构 * Google Research School of Engineering and Applied Sciences, Harvard University（谷歌研究工程与应用科学学院，哈佛大学） ； Google Research（谷歌研究） 纠错

AI总结 本文利用AI编码系统生成新型科学假设，通过LLM驱动的树搜索算法优化三维光伏结构，解决中纬度地区传统光伏板的效率瓶颈问题。

Comments 10 pages 7 figures

VAGS: Velocity Adaptive Guidance Scale for Image Editing and Generation

VAGS：图像编辑与生成的速率自适应引导尺度

Yan Luo, Ahmadou Aidara, Jingyi Lu, Jeremy Moebel, Kai Han, Mengyu Wang

机构 * Harvard AI and Robotics Lab（哈佛人工智能与机器人实验室） ； Harvard University（哈佛大学） ； School of Computing and Data Science（计算与数据科学学院） ； The University of Hong Kong（香港大学） ； Kempner Institute for the Study of Natural and Artificial Intelligence（自然与人工智能研究学院） 纠错

AI总结 VAGS通过自适应引导尺度提升图像编辑和生成的结构保真度和生成质量，无需微调或额外计算。

A Few GPUs, A Whole Lotta Scale: Faithful LLM Training Emulation with PrismLLM

几块GPU，大量规模：PrismLLM实现忠实的LLM训练仿真

Shaoke Xi, ChonLam Lao, Boyi Jia, Jiaqi Gao, Zhipeng Zhang, Jiamin Cao, Brian Sutioso, Erci Xu, Minlan Yu, Kui Ren, Yong Li, Zhengping Qian, Ennan Zhai, Jingren Zhou

机构 * Alibaba Group（阿里巴巴集团） ； Harvard University（哈佛大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） 纠错

AI总结 PrismLLM通过切片方法构建高保真执行图，使工程师能用少量GPU模拟大规模训练行为，准确复现性能和内存表现，节省集群访问成本。

Comments 13 pages body, 21 pages total

RIDE: Retinex-Informed Decoupling for Exposing Concealed Objects

RIDE: 基于Retinex的解耦方法用于揭示隐藏物体

Chunming He, Rihan Zhang, Dingming Zhang, Chengyu Fang, Longxiang Tang, Jingjia Feng, Fengyang Xiao, Sina Farsiu

机构 * Duke University（杜克大学） ； Tsinghua University（清华大学） ； Harvard University（哈佛大学） 纠错

AI总结 RIDE通过Retinex理论提出同域图像分解方法，解决隐藏物体分割问题，利用判别性差距定理提升前景与背景的区分度。

Greedy or not, here I come: Language production under vocabulary constraints in humans and resource-rational models

贪心还是不贪心，这里我来：在词汇限制下的人类语言生成与资源理性模型

Thomas Hikaru Clark, Sihan Chen, Laura Nicolae

机构 * Department of Brain and Cognitive Sciences, MIT（麻省理工学院脑科学与认知科学系） ； Department of Economics, Harvard University（哈佛大学经济系） 纠错

AI总结 研究人类在词汇限制下如何生成语言，发现人类更倾向于贪心采样，但更熟练者会回溯修正，非贪心行为。

Muon-OGD: Muon-based Spectral Orthogonal Gradient Projection for LLM Continual Learning

Muon-OGD: 基于muon的谱范数正交梯度投影用于大语言模型持续学习

Binghang Lu, Zheyuan Deng, Runyu Zhang, Bing Hu, Yunhan Zhao, Yuan Tian, Changhong Mou, Guang Lin, Xiaomin Li

机构 * Purdue University（普渡大学） ； Brown University（布朗大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of California, Irvine（加州大学 Irvine 分校） ； Utah State University（犹他州立大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出Muon-OGD框架，通过谱范数约束优化和正交投影约束，改进LLM持续学习的稳定性-可塑性平衡，实验证明其在持续学习基准上优于传统方法。

MoE-Prefill: Zero Redundancy Overheads in MoE Prefill Serving

MoE-Prefill: 在MoE预填服务中实现零冗余开销

Zhaoyuan Su, Olatunji Ruwase, Karthik Ganesan, Aurick Qiao, Samyam Rajbhandari, Juncheng Yang, Yue Cheng, Yuxiong He

机构 * University of Virginia（弗吉尼亚大学） ； Snowflake AI Research（Snowflake AI研究院） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出MoE-Prefill系统，通过异步专家并行策略优化MoE预填服务，提升吞吐量和GPU利用率，实现在实际和长上下文合成工作负载中的性能提升。

Comments 19 pages, 12 figures, 4 tables

Traj-CoA: Patient Trajectory Modeling via Chain-of-Agents for Lung Cancer Risk Prediction

Traj-CoA：通过链式代理进行患者轨迹建模用于肺癌风险预测

Sihang Zeng, Yujuan Fu, Sitong Zhou, Zixuan Yu, Lucas Jing Liu, Jun Wen, Matthew Thompson, Ruth Etzioni, Meliha Yetisgen

机构 * University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（Fred Hutch癌症中心） ； Harvard University（哈佛大学） ； Google（谷歌） 纠错

AI总结 Traj-CoA通过链式代理系统处理电子健康记录数据，减少噪声并保留完整时间线，从而在肺癌风险预测中优于基线方法。

Comments Accepted by NeurIPS 2025 GenAI4Health Workshop

Topological constraints on self-organisation in locally interacting systems

拓扑约束在局部相互作用系统自组织中的作用

Francesco Sacco, Dalton A R Sakthivadivel, Michael Levin

机构 * Allen Discovery Center at Tufts University, Medford, MA 02155（塔夫茨大学艾伦发现中心，马萨诸塞州梅德福02155） ； Department of Mathematics, CUNY Graduate Center, New York, NY 10016（纽约市立大学研究生中心数学系，纽约州纽约市10016） ； Department of Biology, Tufts University（塔夫茨大学生物学系） ； Wyss Institute for Biologically Inspired Engineering, Harvard University（哈佛大学生物启发工程研究所） 纠错

AI总结 研究局部相互作用系统中自组织的拓扑约束，通过分析不同模型的自由能缩放性，探讨图结构对有序相存在性的必要条件。

Comments 11+3 pages, four figures, four tikzpictures. This version to appear in Philos Trans R Soc A

Journal ref Philosophical Transactions A, 384(2320), 2026

TrainMover: An Interruption-Resilient Runtime for ML Training

TrainMover: 一种具有中断容错能力的机器学习训练运行时

ChonLam Lao, Jiaqi Gao, Jiamin Cao, Zhipeng Zhang, Pengcheng Zhang, Jiangfei Duan, Zhilong Zheng, Yu Guan, Yichi Xu, Yong Li, Zhengping Qian, Aditya Akella, Minlan Yu, Ennan Zhai, Dennis Cai, Jingren Zhou

机构 * Harvard University（哈佛大学） ； Alibaba Group（阿里巴巴集团） ； UT Austin（得克萨斯大学奥斯汀分校） 纠错

AI总结 TrainMover通过弹性与备用机器处理中断，实现最小停机时间和零内存开销，减少GPU浪费时间达55%。

Comments 14 pages body, 19 pages total

Density Estimation via Binless Multidimensional Integration

通过无bin多维积分进行密度估计

Matteo Carli, Alex Rodriguez, Alessandro Laio, Aldo Glielmo

机构 * SISSA ； Harvard University（哈佛大学） ； University of Trieste（特里斯特大学） ； ICTP（国际理论物理中心） ； Banca d’Italia（意大利银行） 纠错

AI总结 本文提出BMTI方法，通过计算邻近数据点的log密度差并进行多维积分，实现非参数、鲁棒且数据高效的密度估计，适用于高维空间。