arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Harvard University(哈佛大学)

共收录 1302
2602.01825 2026-02-03 stat.ME cs.LG math.OC stat.ML

Learning Sequential Decisions from Multiple Sources via Group-Robust Markov Decision Processes

通过群鲁棒马尔可夫决策过程从多个来源学习顺序决策

Mingyuan Xu, Zongqi Xia, Tianxi Cai, Doudou Zhou, Nian Si

机构 * Department of Statistics and Data Science, National University of Singapore(新加坡国立大学统计与数据科学系) Department of Neurology, University of Pittsburgh(匹兹堡大学神经病学系) Department of Biostatistics, Harvard T.H. Chan School of Public Health(哈佛大学T.H. Chan公共卫生学院生物统计学系) Department of Biomedical Informatics, Harvard Medical School(哈佛医学院生物医学信息学系) Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology(香港科学与技术大学工业工程与决策分析系)

AI总结 本文提出了一种群鲁棒马尔可夫决策过程框架,通过特征层面的不确定性集和悲观价值迭代算法,从多地点异质数据中学习鲁棒的顺序决策策略。

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.11367 2026-02-03 cs.LG cs.AI cs.CL

Sparse Autoencoder Features for Classifications and Transferability

稀疏自编码器特征用于分类和可迁移性

Jack Gallifant, Shan Chen, Kuleen Sasse, Hugo Aerts, Thomas Hartvigsen, Danielle S. Bitterman

机构 * Harvard University(哈佛大学) Mass General Brigham(麻省总医院) Boston Children’s Hospital(波士顿儿童医院) Johns Hopkins University(约翰霍普金斯大学) Maastricht University(马斯特里赫特大学) University of Virginia(弗吉尼亚大学)

AI总结 本文提出利用稀疏自编码器提取LLM特征,通过优化架构和二进制化策略提升分类性能和跨模型迁移能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.00929 2026-02-03 cs.AI

Learning Abstractions for Hierarchical Planning in Program-Synthesis Agents

在程序合成代理中学习层次规划的抽象

Zergham Ahmed, Kazuki Irie, Joshua B. Tenenbaum, Christopher J. Bates, Samuel J. Gershman

机构 * Harvard University(哈佛大学) MIT(麻省理工学院) Institute for Human and Machine Cognition(人机认知研究院) Kempner Institute for the Study of Natural and Artificial Intelligence at Harvard University, Cambridge, MA, USA(哈佛大学马萨诸塞州剑桥市自然与人工智能研究学院)

AI总结 TheoryCoder-2通过主动学习可重用的抽象,提升了程序合成代理在复杂任务中的样本效率和泛化能力。

Comments 20 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.00749 2026-02-03 cs.CV

HSI-VAR: Rethinking Hyperspectral Restoration through Spatial-Spectral Visual Autoregression

HSI-VAR: 通过空间-光谱视觉自回归重新思考高光谱图像恢复

Xiangming Wang, Benteng Sun, Yungeng Liu, Haijin Zeng, Yongyong Chen, Jingyong Su, Jie Liu

机构 * Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳)) Harvard University(哈佛大学)

AI总结 HSI-VAR通过空间-光谱视觉自回归方法,高效解决高光谱图像恢复问题,实现计算成本降低50%和推理速度提升95.5倍。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.00669 2026-02-03 cs.CV cs.AI physics.med-ph

Improving Neuropathological Reconstruction Fidelity via AI Slice Imputation

通过AI切片插值提高神经病理性重建的保真度

Marina Crespo Aguirre, Jonathan Williams-Ramirez, Dina Zemlyanker, Xiaoling Hu, Lucas J. Deden-Binder, Rogeny Herisse, Mark Montine, Theresa R. Connors, Christopher Mount, Christine L. MacDonald, C. Dirk Keene, Caitlin S. Latimer, Derek H. Oakley, Bradley T. Hyman, Ana Lawry Aguila, Juan Eugenio Iglesias

机构 * Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School(马萨诸塞州总医院和哈佛医学院生物医学成像中心) Federal Institute of Technology (ETH), Zurich, Switzerland(瑞士苏黎世联邦理工学院) BioRepository and Integrated Neuropathology (BRaIN) Laboratory and Precision Neuropathology Core, University of Washington School of Medicine(华盛顿大学医学院生物库与整合神经病学实验室及精准神经病学核心) Massachusetts Alzheimer Disease Research Center, MGH and Harvard Medical School(马萨诸塞州阿尔茨海默病研究中心,MGH和哈佛医学院) Department of Pathology, Massachusetts General Hospital and Harvard Medical School(马萨诸塞州总医院病理学部) Department of Neurological Surgery, University of Washington School of Medicine(华盛顿大学医学院神经外科部) Hawkes Institute, University College London(伦敦大学学院霍克斯研究所) Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology(麻省理工学院计算机科学与人工智能实验室)

AI总结 本研究通过AI切片插值技术提升神经病理性重建的保真度,实现更精确的解剖学重建。

Comments 12 pages of main content, 5 pages of supplement

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.00533 2026-02-03 cs.LG cs.AI

Convergent World Representations and Divergent Tasks

趋同的世界表征与分歧的任务

Core Francisco Park

机构 * Center for Brain Science, Harvard University(哈佛大学脑科学中心) CBS-NTT Program in Physics of Intelligence, Harvard University(哈佛大学物理智能项目) Prior Computers, Cambridge, MA(剑桥马萨诸塞州Prior公司)

AI总结 本研究通过多任务训练产生趋同的世界表征,但存在分歧任务会损害新实体的整合与泛化。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.00526 2026-02-03 cs.LG cs.AI

Physiology as Language: Translating Respiration to Sleep EEG

生理学作为语言:将呼吸转化为睡眠EEG

Kaiwen Zha, Chao Li, Hao He, Peng Cao, Tianhong Li, Ali Mirzazadeh, Ellen Zhang, Jong Woo Lee, Yoon Kim, Dina Katabi

机构 * MIT Computer Science \& Artificial Intelligence Laboratory Women’s Hospital, Harvard Medical School

AI总结 本文提出了一种从呼吸信号合成睡眠EEG的跨生理翻译框架,实现了EEG重建及下游任务的高精度表现,展示了远程非接触神经评估的可行性。

Comments Tech report

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.23355 2026-02-03 cs.CV

Uncertainty Estimation for Pretrained Medical Image Registration Models via Transformation Equivariance

通过变换等价性估计预训练医学图像配准模型的不确定性

Lin Tian, Xiaoling Hu, Juan Eugenio Iglesias

机构 * Massachusetts General Hospital(麻省总医院) Harvard Medical School(哈佛医学院) The Hawkes Institute, University College London(霍克斯研究所,伦敦大学学院) AI Laboratory, Massachusetts Institute of Technology(人工智能实验室,麻省理工学院)

AI总结 通过变换等价性属性,提出一种无需修改预训练配准模型的不确定性估计方法,提升医学图像配准的安全性和可靠性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.03020 2026-02-03 cs.CV

Unrolled Networks are Conditional Probability Flows in MRI Reconstruction

展开网络是MRI重建中的条件概率流

Kehan Qi, Saumya Gupta, Xiaoling Hu, Qingqiao Hu, Weimin Lyu, Chao Chen

机构 * Stony Brook University(石溪大学) Harvard Medical School(哈佛医学院)

AI总结 本文提出FLAT方法,通过流匹配离散化和轨迹对齐提升MRI重建的稳定性与质量。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.23208 2026-02-02 stat.ML cs.LG

A Random Matrix Theory of Masked Self-Supervised Regression

一种随机矩阵理论的掩码自监督回归

Arie Wortsman Zurich, Federica Gerace, Bruno Loureiro, Yue M. Lu

机构 * Departement d’Informatique, École Normale Supérieure, PSL & CNRS(信息学院,巴黎社会科学高等学院,PSL与CNRS) Department of Mathematics, University of Bologna(博洛尼亚大学数学系) Applied Mathematics, Harvard John A. Paulson School of Engineering and Applied Sciences(应用数学,哈佛大学约翰·A·保罗森工程与应用科学学院)

AI总结 本文基于随机矩阵理论分析了掩码自监督回归的高维特性,揭示了其在提取数据结构和恢复潜在信号方面的性能优势。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.23163 2026-02-02 cs.LG cs.AI

Probing the Trajectories of Reasoning Traces in Large Language Models

探究大型语言模型中推理轨迹的轨迹

Marthe Ballon, Brecht Verbeken, Vincent Ginis, Andres Algaba

机构 * Data Analytics Lab, Vrije Universiteit Brussel(自由大学布鲁塞尔数据分析实验室) imec-SMIT, Vrije Universiteit Brussel(imec-SMIT,自由大学布鲁塞尔) School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院)

AI总结 通过探究大型语言模型中推理轨迹的轨迹,研究发现随着推理token百分比增加,准确性和决策承诺提升,且相关内容驱动而非通用效应。

Comments 33 pages, 20 figures, 4 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.23103 2026-02-02 eess.IV cs.CV

Vision-Language Controlled Deep Unfolding for Joint Medical Image Restoration and Segmentation

视觉-语言控制的深度展开用于联合医学图像恢复与分割

Ping Chen, Zicheng Huang, Xiangming Wang, Yungeng Liu, Bingyu Liang, Haijin Zeng, Yongyong Chen

机构 * Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳)) Harvard University(哈佛大学) SUN YAT-SEN UNIVERSITY(中山大学)

AI总结 VL-DUN通过联合优化和频率感知Mamba机制,实现医学图像恢复与分割的协同学习,提升PSNR和Dice系数,展示联合学习在复杂临床任务中的优势。

Comments 18 pages, medical image

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.22419 2026-02-02 cs.GT cs.AI

Dynamic Welfare-Maximizing Pooled Testing

动态福利最大化混合检测

Nicholas Lopez, Francisco Marmolejo-Cossío, Jose Roberto Tello Ayala, David C. Parkes

机构 * Harvard University(哈佛大学) Boston College(波士顿学院)

AI总结 本文研究动态福利最大化混合检测策略,通过动态分配测试来提高社会福利,发现贪心策略在低预算情况下表现优异。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.22093 2026-01-30 cs.CY cs.AI

Investigating Associational Biases in Inter-Model Communication of Large Generative Models

研究大生成模型跨模型通信中的关联偏差

Fethiye Irmak Dogan, Yuval Weiss, Kajal Patel, Jiaee Cheong, Hatice Gunes

机构 * University of Cambridge(剑桥大学) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Harvard University(哈佛大学)

AI总结 本研究探讨大生成模型跨模型通信中的关联偏差,通过数据集分析发现人口分布漂移,并提出缓解策略以减少不平等影响。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.21920 2026-01-30 cs.HC cs.AI cs.CY

From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction

从未来的工作到未来的工作者:应对无症状的AI危害以实现尊严的人机交互

Upol Ehsan, Samir Passi, Koustuv Saha, Todd McNutt, Mark O. Riedl, Sara Alcorn

机构 * Northeastern University, Harvard University(东北大学、哈佛大学) Microsoft(微软) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Johns Hopkins University(约翰霍普金斯大学) University of Minnesota(明尼苏达大学)

AI总结 本文提出了一种框架,旨在通过双用途机制实现尊严的人机交互,以应对人工智能导致的技能侵蚀问题。

Journal ref Proceedings of the CHI Conference on Human Factors in Computing Systems, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.11479 2026-01-30 cs.AI

Health Facility Location in Ethiopia: Leveraging LLMs to Integrate Expert Knowledge into Algorithmic Planning

埃塞俄比亚卫生设施选址:利用大语言模型整合专家知识到算法规划中

Yohai Trabelsi, Guojun Xiong, Fentabil Getnet, Stéphane Verguet, Milind Tambe

机构 * John A. Paulson School of Engineering and Applied Sciences, Harvard University(工程与应用科学学院,哈佛大学) National Data Management and Analytics Center for Health, Ethiopian Public Health Institute(健康数据管理与分析中心,埃塞俄比亚公共卫生研究所) Department of Global Health and Population, Harvard T.H. Chan School of Public Health(全球卫生与人口学院,哈佛T.H. Chan公共卫生学院)

AI总结 本文提出了一种结合大语言模型和优化技术的混合框架,用于埃塞俄比亚卫生设施选址,以整合专家知识并提升规划的公平性和数据驱动性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.21334 2026-01-30 cs.CV

Do Pathology Foundation Models Encode Disease Progression? A Pseudotime Analysis of Visual Representations

病理基础模型是否编码疾病进展?对视觉表示的伪时间分析

Pritika Vig, Ren-Chin Wu, William Lotter

机构 * Massachusetts Institute of Technology(麻省理工学院) Department of Pathology, Dana-Farber Cancer Institute(达纳-法伯癌症研究所病理部) Department of Data Science, Dana-Farber Cancer Institute(达纳-法伯癌症研究所数据科学部) Brigham and Women's Hospital(布里奇沃特医院) Harvard Medical School(哈佛医学院)

AI总结 研究探讨视觉基础模型是否能隐式学习连续疾病进程,通过伪时间分析发现模型在表示空间中能组织疾病状态,轨迹保真度与分类性能相关。

Comments 21 pages, 17 figures. Appendix included

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.21132 2026-01-30 cs.CL

Large Language Models Naively Recover Ethnicity from Individual Records

大语言模型盲目从个人记录中推断种族

Noah Dasanaike

机构 * Harvard University(哈佛大学)

AI总结 大语言模型通过分析姓名推断种族,准确率高于BISG,且适用于多种地区和分类场景。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.20880 2026-01-30 stat.AP cs.LG

Spatial Heterogeneity in Climate Risk and Human Flourishing: An Exploration with Generative AI

气候风险与人类繁荣的空间异质性:基于生成AI的探索

Stefano Maria Iacus, Haodong Qi, Devika Jain

机构 * Institute for Quantitative Social Science, Harvard University(哈佛大学定量社会科学研究所) Stockholm University(斯德哥尔摩大学) Department of Global Political Studies, Malmö University(马尔默大学全球政治学系) Center for Geographic Analysis, Harvard University(哈佛大学地理分析中心)

AI总结 本研究利用生成AI和结构方程模型,探讨美国各郡累积气候风险与人类繁荣之间的空间异质性关系。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.19107 2026-01-30 cs.LG

TinyTorch: Building Machine Learning Systems from First Principles

TinyTorch: 从基础原理构建机器学习系统

Vijay Janapa Reddi

机构 * Harvard University(哈佛大学)

AI总结 TinyTorch通过基于实现的系统教学,帮助学生构建机器学习系统,实现深度理解无需专用硬件。

详情

展开后加载摘要…

URL PDF HTML 收藏
2506.01042 2026-01-30 cs.CL cs.AI

Probing Neural Topology of Large Language Models

探测大型语言模型的神经拓扑

Yu Zheng, Yuan Yuan, Yue Zhuo, Yong Li, Gabriel Kreiman, Tomaso Poggio, Paolo Santi

机构 * Massachusetts Institute of Technology(麻省理工学院) New York University(纽约大学) Tsinghua University(清华大学) Harvard Medical School(哈佛医学院)

AI总结 本研究提出图探测方法,通过分析LLM神经拓扑揭示其语言生成性能,发现拓扑信息比激活信息更丰富,可提升模型效率和可靠性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.20704 2026-01-29 cs.LG

Structurally Human, Semantically Biased: Detecting LLM-Generated References with Embeddings and GNNs

结构上的人类,语义上偏见:利用嵌入和图神经网络检测LLM生成的参考文献

Melika Mobini, Vincent Holst, Floriano Tori, Andres Algaba, Vincent Ginis

机构 * Vrije Universiteit Brussel(布鲁塞尔自由大学) SEAS, Harvard University(哈佛大学工程学院)

AI总结 本文通过嵌入和图神经网络检测LLM生成的参考文献,发现其拓扑结构接近人类,但语义特征可被识别。

Comments 34 pages, 20 figures. Accepted at ICLR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.20641 2026-01-29 cs.AI

Investigating the Development of Task-Oriented Communication in Vision-Language Models

探究视觉-语言模型中以任务为导向的交流发展

Boaz Carmeli, Orr Paradise, Shafi Goldwasser, Yonatan Belinkov, Ron Meir

机构 * Technion – Israel Institute of Technology(技术ion–以色列理工学院) EPFL(苏黎世联邦理工学院) University of California, Berkeley(加州大学伯克利分校) Harvard University(哈佛大学)

AI总结 研究视觉-语言模型在协作任务中发展以任务为导向的通信协议的潜力与风险

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.15036 2026-01-29 cs.LG cs.AI

Spectral Representation-based Reinforcement Learning

基于谱表示的强化学习

Chenxiao Gao, Haotian Sun, Na Li, Dale Schuurmans, Bo Dai

机构 * Georgia Tech(佐治亚理工学院) Harvard University(哈佛大学) University of Alberta(阿尔伯塔大学) Google(谷歌) DeepMind(深度Mind)

AI总结 本文提出基于谱表示的强化学习框架,通过谱分解转移算子来提升策略优化效果,并在多个任务中验证了其性能优势。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.17100 2026-01-29 cs.CV

The SAGES Critical View of Safety Challenge: A Global Benchmark for AI-Assisted Surgical Quality Assessment

SAGES关键安全视角挑战:人工智能辅助手术质量评估的全球基准

Deepak Alapatt, Jennifer Eckhoff, Zhiliang Lyu, Yutong Ban, Jean-Paul Mazellier, Sarah Choksi, Kunyi Yang, Po-Hsing Chiang, Noemi Zorzetti, Samuele Cannas, Daniel Neimark, Omri Bar, Amine Yamlahi, Jakob Hennighausen, Xiaohan Wang, Rui Li, Long Liang, Yuxian Wang, Saurabh Koju, Binod Bhattarai, Tim Jaspers, Zhehua Mao, Anjana Wijekoon, Jun Ma, Yinan Xu, Zhilong Weng, Ammar M. Okran, Hatem A. Rashwan, Boyang Shen, Kaixiang Yang, Yutao Zhang, Hao Wang, 2024 CVS Challenge Consortium, Quanzheng Li, Filippo Filicori, Xiang Li, Pietro Mascagni, Daniel A. Hashimoto, Guy Rosman, Ozanan Meireles, Nicolas Padoy

机构 * University of Strasbourg(斯特拉斯堡大学) CNRS(法国国家科学研究中心) INSERM(法国国家医学研究院) ICube(ICube研究中心) UMR7357(法国国家科研机构(UMR7357)) Massachusetts General Hospital(麻省总医院) Harvard Medical School(哈佛医学院) University Hospital Cologne(科隆大学医院) Global College(全球学院) Shanghai Jiao Tong University(上海交通大学) Chang Gung Memorial Hospital(长庚纪念医院) A. Costa Hospital(A. Costa医院) Maggiore Hospital - AUSL Bologna(马吉奥医院 - 玛格丽特医院) Institute for Research against Digestive Cancer (IRCAD)(消化道癌症研究机构(IRCAD)) Lenox Hill Hospital(Lenox Hill医院) Northwell Health(Northwell健康系统) Albany Medical Center(阿尔巴尼医疗中心) German Cancer Research Center (DKFZ)(德国癌症研究中心(DKFZ)) Stanford University(斯坦福大学) MultiModal Learning Lab(多模态学习实验室) NAAMII University of Aberdeen(阿伯丁大学) Eindhoven University of Technology(埃因霍温理工大学) UCL Hawkes Institute(UCL Hawkes研究所) Dept of Computer Science, University College London(计算机科学系,伦敦大学学院) University Health Network(大学健康网络) Institute for Biomedical Informatics(生物医学信息研究所) Rovira i Virgili University(罗维拉-维吉里大学) Huazhong University of Science(华中科技大学) Hefei University of Technology(合肥工业大学) University of Pennsylvania(宾夕法尼亚大学) Duke University(杜克大学)

AI总结 SAGES关键安全视角挑战通过全球协作和AI技术,提升手术质量评估的性能和鲁棒性,推动临床应用。

Comments 21 pages, 10 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.10601 2026-01-29 q-bio.QM cs.CV cs.LG eess.IV stat.ME

AGFS-Tractometry: A Novel Atlas-Guided Fine-Scale Tractometry Approach for Enhanced Along-Tract Group Statistical Comparison Using Diffusion MRI Tractography

AGFS-束测:一种基于图谱的精细束测方法,用于利用弥散MRI束图进行增强的沿束群体统计比较

Ruixi Zheng, Wei Zhang, Yijie Li, Xi Zhu, Zhou Lan, Jarrett Rushmore, Yogesh Rathi, Nikos Makris, Lauren J. O'Donnell, Fan Zhang

机构 * University of Electronic Science and Technology of China(电子科技大学) Brigham and Women’s Hospital, Harvard Medical School(哈佛医学院布里奇曼妇女医院) Boston University(波士顿大学)

AI总结 AGFS-束测提出了一种基于图谱的精细束测方法,通过利用弥散MRI束图信息和排列检验,提高沿束群体统计比较的敏感性和特异性,有效识别白质群体差异。

Comments 31 pages and 7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.19532 2026-01-28 cs.AI cs.CL cs.LG

Benchmarks Saturate When The Model Gets Smarter Than The Judge

基准在模型比裁判更智能时达到饱和

Marthe Ballon, Andres Algaba, Brecht Verbeken, Vincent Ginis

机构 * Data Analytics Lab, Vrije Universiteit Brussel(自由大学布鲁塞尔数据分析实验室) imec-SMIT, Vrije Universiteit Brussel(imec-SMIT,自由大学布鲁塞尔) School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院)

AI总结 研究发现当模型比裁判更智能时,基准测试的准确性下降,强调了高质量数据集和可靠裁判的重要性。

Comments 17 pages, 10 figures, 3 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2409.01035 2026-01-28 cs.CL cs.CV cs.LG

Task-Specific Directions: Definition, Exploration, and Utilization in Parameter Efficient Fine-Tuning

任务特定方向:在参数高效微调中的定义、探索与利用

Chongjie Si, Zhiyi Shi, Shifan Zhang, Xiaokang Yang, Hanspeter Pfister, Wei Shen

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University(人工智能基础理论实验室,人工智能研究院,上海交通大学) School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University(电子信息与电气工程学院,上海交通大学) School of Engineering and Applied Sciences, Harvard University(工程与应用科学学院,哈佛大学)

AI总结 本文提出LoRA-TSD,通过任务特定方向优化LoRA初始化和微调,提升模型在目标任务上的性能。

Comments 2026, TPAMI, Codes in https://github.com/Chongjie-Si/Subspace-Tuning

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.18102 2026-01-27 cs.CL

CHiRPE: A Step Towards Real-World Clinical NLP with Clinician-Oriented Model Explanations

CHiRPE:迈向真实世界临床NLP的一步:面向临床医生的模型解释

Stephanie Fong, Zimu Wang, Guilherme C. Oliveira, Xiangyu Zhao, Yiwen Jiang, Jiahe Liu, Beau-Luke Colton, Scott Woods, Martha E. Shenton, Barnaby Nelson, Zongyuan Ge, Dominic Dwyer

机构 * Orygen and The University of Melbourne(Orygen和墨尔本大学) AIM for Health Lab, Monash University(AIM for Health实验室,墨尔本大学) University of Liverpool(利物浦大学) Yale School of Medicine, Yale University(耶鲁医学院,耶鲁大学) Brigham and Women’s Hospital, Harvard Medical School(哈佛医学院布里奇沃特医院)

AI总结 CHiRPE通过临床医生共同开发的新型SHAP解释格式,实现了高准确率的临床风险预测,并展示了临床指导的模型开发在真实世界中的应用潜力。

Comments This paper is accepted at EACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.17510 2026-01-27 stat.ML cs.AI cs.LG

"Rebuilding" Statistics in the Age of AI: A Town Hall Discussion on Culture, Infrastructure, and Training

在人工智能时代重建统计学:关于文化、基础设施和培训的圆桌讨论

David L. Donoho, Jian Kang, Xihong Lin, Bhramar Mukherjee, Dan Nettleton, Rebecca Nugent, Abel Rodriguez, Eric P. Xing, Tian Zheng, Hongtu Zhu

机构 * Department of Statistics, Stanford University(斯坦福大学统计学系) Department of Biostatistics, University of Michigan, Ann Arbor(密歇根大学安娜堡分校生物统计学系) Harvard T.H. Chan School of Public Health(哈佛大学T.H. Chan公共卫生学院) Department of Statistics, Harvard University(哈佛大学统计学系) Broad Institute(Broad研究所) Yale School of Public Health(耶鲁大学公共卫生学院) Department of Statistics and Data Science, Yale University(耶鲁大学统计学与数据科学系) Department of Statistics, Iowa State University(爱荷华州立大学统计学系) Department of Statistics and Data Science, Carnegie Mellon University(卡内基梅隆大学统计学与数据科学系) Baskin School of Engineering, University of California, Santa Cruz(加州大学圣克鲁兹分校Baskin工程学院) Mohamed bin Zayed University of Artificial Intelligence(Mohamed bin Zayed人工智能大学) School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学学院) Department of Statistics, Columbia University(哥伦比亚大学统计学系) Department of Biostatistics, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校生物统计学系)

AI总结 本文记录了2024年JSM圆桌讨论,探讨统计学在人工智能时代的发展,聚焦文化、基础设施和培训等关键问题。

Comments 35 pages, 3 figures,

详情

展开后加载摘要…

URL PDF HTML 收藏