Johns Hopkins University（约翰斯·霍普金斯大学）

A Comprehensive Benchmark of Histopathology Foundation Models for Kidney Digital Pathology Images

一种针对肾数字病理图像的病理基础模型综合基准测试

Harishwar Reddy Kasireddy, Patricio S. La Rosa, Akshita Gupta, Anindya S. Paul, Jamie L. Fermin, William L. Clapp, Meryl A. Waldman, Tarek M. El-Ashkar, Sanjay Jain, Luis Rodrigues, Kuang Yu Jen, Avi Z. Rosenberg, Michael T. Eadon, Jeffrey B. Hodgin, Pinaki Sarder

机构 * Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系） ； Seed Production Innovation, Crop Science Division, Bayer Company（拜耳公司种子生产创新部） ； Division of Medicine – Quantitative Health, University of Florida（佛罗里达大学医学部-定量健康分部） ； Department of Health Outcomes and Biomedical Informatics, University of Florida（佛罗里达大学健康结果与生物医学信息学系） ； Department of Pathology, Immunology and Laboratory Medicine, University of Florida College of Medicine（佛罗里达大学医学院病理学、免疫学与实验室医学系） ； Kidney Disease Branch, National Institute of Diabetes and Digestive and Kidney Diseases, National Institutes of Health（美国国立卫生研究院糖尿病、消化系统与肾病研究所肾病分支） ； Indiana University School of Medicine（印第安纳大学医学院） ； Departments of Medicine, Washington University School of Medicine（华盛顿大学医学院医学部） ； Universidade de Coimbra（科英布拉大学） ； Department of Pathology and Laboratory Medicine, University of California at Davis School of Medicine（加州大学戴维斯分校医学院病理学与实验室医学系） ； Department of Pathology, Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院病理学系） 纠错

AI总结 本文评估了11种公开的病理基础模型在11个肾脏特定下游任务中的表现，揭示了其在肾病诊断中的适用性及改进方向。

Comments 31 Pages, 14 Tables, 12 figures, Co-correspondence to jhodgin@med.umich.edu and pinaki.sarder@ufl.edu

IA2: Alignment with ICL Activations Improves Supervised Fine-Tuning

IA2: 通过ICL激活实现对监督微调的改进

Aayush Mishra, Daniel Khashabi, Anqi Liu

机构 * 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IA2方法，通过利用ICL的激活模式提升监督微调的准确性和校准性，在12个基准和两个模型家族中验证了其有效性。

Comments International Conference on Learning Representations (ICLR) 2026

MOBODY: Model Based Off-Dynamics Offline Reinforcement Learning

MOBODY：基于模型的非动态离线强化学习

Yihong Guo, Yu Yang, Pan Xu, Anqi Liu

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Duke University（杜克大学） 纠错

AI总结 MOBODY通过学习目标动态过渡探索目标领域，优化策略以避免仅依赖低动态位移过渡，提升在显著动态位移或最优轨迹不在低位移区域的场景中的性能。

Comments Published at ICLR 2026

Temporal Narrative Monitoring in Dynamic Information Environments

动态信息环境中的时间叙事监控

David Farr, Stephen Prochaska, Jack Moody, Lynnette Hui Xian Ng, Iain Cruickshank, Kate Starbird, Jevin West

机构 * School of Information Science（信息科学学院） ； University of Washington（华盛顿大学） ； Whiting School of Engineering（工程学院） ； Johns Hopkins University（约翰霍普金斯大学） ； School of Computer Science（计算机科学学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Human Centered Design Engineering（以人为核心的设计工程） 纠错

AI总结 本文提出了一种系统框架，用于建模动态信息环境中随时间演变的语义结构，通过整合语义嵌入、密度聚类和滚动时间链接，实现对危机事件中叙事的持续适应性表示。

Neuron-Level Emotion Control in Speech-Generative Large Audio-Language Models

语音生成大音频-语言模型中的神经层面情感控制

Xiutian Zhao, Ismail Rasim Ulgen, Philipp Koehn, Björn Schuller, Berrak Sisman

机构 * 1 Center for Language ； Speech Processing (CLSP), Johns Hopkins University, USA 2 Group on Language, Audio \& Music (GLAM), Imperial College London, UK 纠错

AI总结 本文首次在语音生成大音频-语言模型中研究神经层面的情感控制，通过识别紧凑的情感敏感神经元（ESNs）实现无需训练的情感引导，实验表明其在不同模型上均能提升情感表现并支持自动与人工评估。

Comments 11 pages, 10 figures

InstantHDR: Single-forward Gaussian Splatting for High Dynamic Range 3D Reconstruction

InstantHDR：单次前向高斯散射用于高动态范围3D重建

Dingqiang Ye, Jiacong Xu, Jianglu Ping, Yuxiang Guo, Chao Fan, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Shenzhen University（深圳大学） 纠错

AI总结 本文提出InstantHDR，通过单次前向传递从未校准的多曝光LDR图像集重建HDR场景，采用几何引导的外观建模和元网络实现通用的场景特定色调映射，提升重建速度。

Genomic Next-Token Predictors are In-Context Learners

基因组下一个标记预测器是上下文学习者

Nathan Breslow, Aayush Mishra, Mahler Revsine, Michael C. Schatz, Anqi Liu, Daniel Khashabi

机构 * 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 研究探讨基因组序列中是否能像语言模型一样通过大规模预测训练自发产生上下文学习能力，发现基因组模型在模式归纳中表现出对数线性增益。