Harvard University（哈佛大学）

Towards Distillation Guarantees under Algorithmic Alignment for Combinatorial Optimization

面向组合优化中算法对齐的蒸馏保证

Thien Le, Melanie Weber

机构 * SEAS, Harvard University（哈佛大学SEAS学院） 纠错

AI总结 本文研究了在算法对齐框架下，通过蒸馏将大规模模型的知识转移到更高效的模型以用于部署的问题，重点分析了当目标模型是图神经网络且其架构与动态规划算法对齐时，蒸馏成功的条件。

Comments 22 pages

Extreme Self-Preference in Language Models

语言模型中的极端自我偏好

Steven A. Lehr, Mary Cipperman, Mahzarin R. Banaji

机构 * Cangrade, Inc.（Cangrade公司） ； Department of Physics, Harvard University（哈佛大学物理系） ； Department of Psychology, Harvard University（哈佛大学心理学系） 纠错

AI总结 研究发现大型语言模型在字词关联任务中表现出对自身名称、公司和CEO的强烈偏好，这表明模型的自我认同可能影响其行为，引发对模型自我偏好影响的深入探讨。

Comments 73 pages total. Main article 22 pages, 6 main-text tables. Supplementary Materials (51 pages, 28 tables). Data, transcripts, and code for replication and data extraction have been uploaded to OSF: https://osf.io/98ye3/

Rapid patient-specific neural networks for intraoperative X-ray to volume registration

快速的患者特异性神经网络用于术中X射线到体积的配准

Vivek Gopalakrishnan, David-Dimitris Chlorogiannis, Andrew Abumoussa, Anna M. Larson, Nazim Haouchine, Darren B. Orbach, Sarah Frisken, Neel Dey, Polina Golland

机构 * Harvard-MIT Health Sciences and Technology, Massachusetts Institute of Technology（哈佛-麻省理工健康科学与技术, 麻省理工学院） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（计算机科学与人工智能实验室, 麻省理工学院） ； Department of Radiology, Harvard Medical School（哈佛医学院放射科） ； Saint Luke’s Marion Bloch Neuroscience Institute（圣路易斯马里恩布洛克神经科学研究所） ； Department of Critical Care Medicine, Shriners Children’s Hospital（谢尔曼儿童医院重症医学科） ； Department of Interventional Neuroradiology, Boston Children’s Hospital（波士顿儿童医院介入神经放射科） ； Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital（阿提努拉A·马丁诺斯生物医学成像中心, 麻省总医院） 纠错

AI总结 本文提出了一种自监督框架xvr，结合患者特异性神经网络和梯度优化，实现了快速且准确的2D到3D配准，通过物理模拟生成训练数据，无需手动标注，提升了临床和研究社区的广泛应用能力。

Going PLACES: Participatory Localized Red Teaming for Text-to-Image Safety in the Global South

Going PLACES: 参与式本地化红队测试用于全球南方的文本到图像安全

Charvi Rastogi, Mukul Bhutani, Minsuk Kahng, Shamsuddeen Hassan Muhammad, Evgeniia Razumovskaia, Priyanka Suresh, Ibrahim Said Ahmad, Charu Kalia, Yaaseen Mahomed, Madhurima Maji, Minjae Lee, Alicia Parrish, Jessica Quaye, Vijay Janapa Reddi, Aishwarya Verma, Lora Aroyo

机构 * Google DeepMind（谷歌DeepMind） ； Yonsei University（延世大学） ； Imperial College（帝国理工学院） ； University of Wisconsin–Stevens Point（威斯康星州立大学斯普林特分校） ； Google Research（谷歌研究） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出PLACES数据集，通过在非洲和亚洲的本地社区进行参与式红队测试，收集了26000多个文本到图像模型失败案例，揭示了全球南方在文化和社会规范方面的独特对抗模式和安全框架的结构性缺失。

Comments Published at ACM Conference on FAccT 2026

LiFT: Lifted Inter-slice Feature Trajectories for 3D Image Generation from 2D Generators

LiFT：用于从2D生成器生成3D图像的提升跨切片特征轨迹

Xinhe Zhang, Yuyang Zhang, Pengfei Jin, Arnau Marin-Llobet, Na Li, Quanzheng Li

机构 * School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） ； Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School（马萨诸塞总医院和哈佛医学院高级医学计算与分析中心） ； Kempner Institute, Harvard University（哈佛大学凯普纳研究所） 纠错

AI总结 本文提出LiFT框架，通过将3D体积合成分解为单切片图像生成和跨切片轨迹学习，解决高分辨率3D医学图像生成中体积模型计算成本高和2D切片生成器在第三维度上无法保持解剖一致性的问题。

Discrete Tilt Matching

离散倾斜匹配

Yuyuan Chen, Shiyi Wang, Peter Potaptchik, Jaeyeon Kim, Michael S. Albergo

机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Kempner Institute（凯姆纳研究所） 纠错

AI总结 本文提出了一种无需概率模型的离散倾斜匹配方法，用于改进扩散大语言模型的微调，通过局部解掩码后验的状态级匹配来提高训练稳定性并防止模式崩溃。

Beyond Size and Growth: Rethinking Lung Cancer Screening with AI Based Nodule Detection and Diagnosis

超越尺寸和增长：利用AI进行肺结节检测与诊断的肺癌筛查再思考

Sylvain Bodard, Pierre Baudot, Benjamin Renoust, Charles Voyton, Gwendoline De Bie, Ezequiel Geremia, Van-Khoa Le, Danny Francis, Pierre-Henri Siot, Yousra Haddou, Vincent Bobin, Jean-Christophe Brisset, Carey C. Thomson, Valerie Bourdes, Benoit Huet

机构 * Université de Paris Cité, AP-HP, Hôpital Universitaire Necker Enfants Malades, Service d’Imagerie Adulte（巴黎大学Cité，AP-HP，Necker儿童医院成人影像科） ； Memorial Sloan Kettering Cancer Center, Department of Radiology（纪念斯隆凯特琳癌症中心，放射科） ； Sorbonne Université, CNRS UMR 7371, INSERM U 1146, Laboratoire d’Imagerie Biomédicale (LIB)（索邦大学，CNRS UMR 7371，INSERM U 1146，生物医学成像实验室） ； Median Technologies, eyonis（Median Technologies，eyonis） ； Mount Auburn Hospital/Beth Israel Lahey Health, Cambridge MA, USA（Mount Auburn医院/Beth Israel Lahey健康，马萨诸塞州剑桥市，美国） ； Harvard Medical School, Boston MA, USA（哈佛医学院，马萨诸塞州波士顿，美国） 纠错

AI总结 本文提出了一种基于AI的集成系统，通过低剂量CT扫描在结节层面直接进行结节检测和恶性评估，超越传统基于尺寸和增长的筛查标准，提高了肺癌筛查的准确性和效率。

Comments 25 pages, 8 figures, with supplementary information containing 11 figures

Beyond Majority Voting: LLM Aggregation by Leveraging Higher-Order Information

超越多数投票：利用高阶信息进行LLM聚合

Rui Ai, Yuqi Pan, David Simchi-Levi, Milind Tambe, Haifeng Xu

机构 * Massachusetts Institute of Technology（麻省理工学院） ； School of Engineering and Applied Sciences（工程与应用科学学院） ； Harvard University（哈佛大学） ； Data Science, The University of Chicago（数据科学，芝加哥大学） 纠错

AI总结 本文提出Optimal Weight和Inverse Surprising Popularity两种算法，通过结合一阶和二阶信息，有效缓解多数投票的局限性，提升多智能体LLM聚合的可靠性。

Comments Accepted into ICML 2026

YAC: Bridging Natural Language and Interactive Visual Exploration with Generative AI for Biomedical Data Discovery

YAC：通过生成式AI连接自然语言与交互式视觉探索，用于生物医学数据发现

Devin Lange, Shanghua Gao, Pengwei Sui, Priya Misner, Astrid van den Brandt, Austen Money, Nikolay Akhmetov, Lisa Choy, Marinka Zitnik, Nils Gehlenborg

机构 * Harvard Medical School（哈佛医学院） 纠错

AI总结 本文提出YAC系统，结合自然语言输入和交互式可视化，通过生成式AI提升生物医学数据发现接口的能力，通过用户研究和系统分析改进系统设计和功能。

How Faithful Is Trajectory-Based Data Attribution? Error Sources, Remedies, and Practical Guidelines

轨迹数据归因的可信度如何？误差来源、缓解方法和实用指南

Junwei Deng, Pingbang Hu, Suliang Jin, Hao Lu, Jiachen T. Wang, Shichang Zhang, Jiaqi W. Ma

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文系统分析了轨迹数据归因方法的误差来源，并提出缓解方法和实用指南，通过将总误差分为配置级、算法级和系统级，改进了归因的准确性，并为数据选择提供了可行的实践指导。