Johns Hopkins University（约翰斯·霍普金斯大学）

Power Analysis for Prediction-Powered Inference

预测驱动推断的功率分析

Yiqun T. Chen, Moran Guo, Shengy Li

机构 * Department of Biostatistics, Johns Hopkins University（约翰霍普金斯大学生物统计学系） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） 纠错

AI总结 本文提出基于预测驱动推断的统计功效计算方法，通过推导闭式公式来确定所需标注样本数量，适用于两样本比较和2x2表格的风险测量等常见场景。

From Image Generation to Infrastructure Design: a Multi-agent Pipeline for Street Design Generation

从图像生成到基础设施设计：一种多智能体管道用于街道设计生成

Chenguang Wang, Xiang Yan, Yilong Dai, Ziyi Wang, Susu Xu

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Stony Brook University（石溪大学） ； University of Florida（佛罗里达大学） ； University of Maryland（马里兰大学） 纠错

AI总结 本文提出一种多智能体系统，直接在真实街道视图上编辑和重新设计自行车设施，整合车道定位、提示优化、设计生成和自动评估，生成符合情境的街道设计。

Comments 25 pages, 8 figures

Physics-Informed Time-Integrated DeepONet: Temporal Tangent Space Operator Learning for High-Accuracy Inference

具有物理信息的时间积分深度运算网络：用于高精度推断的时序切线空间运算符学习

Luis Mandl, Dibyajyoti Nayak, Tim Ricken, Somdatta Goswami

机构 * Institute of Structural Mechanics and Dynamics in Aerospace Engineering, University of Stuttgart（航空航天工程力学与动力学研究所，斯图加特大学） ； Experimental Hepatobiliary Surgery Group, Department of Hepatobiliary Surgery and Visceral Transplantation, University of Leipzig Medical Center（肝胆外科与 visceral 移植部门实验肝胆外科小组，莱比锡大学医学中心） ； Department of Civil and Systems Engineering, Johns Hopkins University（土木与系统工程系，约翰霍普金斯大学） 纠错

AI总结 本文提出PITI-DeepONet，通过物理信息或混合物理-数据驱动目标训练，解决传统方法在长时间预测中的准确性问题，通过学习时间导数运算符提升复杂时变PDE的长期推断可靠性。

Comments 22 pages, 21 figures, 4 tables

Convergence Bounds for Sequential Monte Carlo on Multimodal Distributions using Soft Decomposition

基于软分解的多模分布序贯蒙特卡洛算法收敛性界

Holden Lee, Matheau Santana-Gijzen

机构 * Department of Applied Mathematics \& Statistics, Johns Hopkins University e1,e2 纠错

AI总结 本文研究了序贯蒙特卡洛算法在多模分布上的收敛性界，通过软分解方法，利用局部马尔可夫链混合动态而非全局混合动态，提出新的收敛性界分析方法。

CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving

CorrectionPlanner：基于强化学习的自主驾驶自纠正规划器

Yihong Guo, Dongqiangzi Ye, Sijia Chen, Anqi Liu, Xianming Liu

机构 * Department of Computer Science, Johns Hopkins University, Baltimore, USA.（约翰霍普金斯大学计算机科学系） 纠错

AI总结 本文提出CorrectionPlanner，通过自纠正机制在规划过程中生成安全动作，减少碰撞率，提升规划性能。