Johns Hopkins University（约翰斯·霍普金斯大学）

SPINONet: Scalable Spiking Physics-informed Neural Operator for Computational Mechanics Applications

SPINONet：可扩展的脉冲物理信息神经算子用于计算力学应用

Shailesh Garg, Luis Mandl, Somdatta Goswami, Souvik Chakraborty

机构 * Department of Applied Mechanics（应用力学系） ； Indian Institute of Technology Delhi（德里印度理工学院） ； Institute of Structural Mechanics and Dynamics in Aerospace Engineering（航空航天工程中的结构力学与动力学研究所） ； Faculty of Aerospace Engineering and Geodesy（航空航天工程与大地测量学系） ； University of Stuttgart（斯图加特大学） ； Experimental Hepatobiliary Surgery Group（肝胆外科实验小组） ； Department of Hepatobiliary Surgery and Visceral Transplantation（肝胆外科与内脏移植部） ； University of Leipzig Medical Center（莱比锡大学医学中心） ； Department of Civil and Systems Engineering（土木与系统工程系） ； Johns Hopkins University（约翰霍普金斯大学） ； Data Science and AI Institute（数据科学与人工智能研究所） ； Yardi School of Artificial Intelligence (YScAI)（Yardi人工智能学院（YScAI）） 纠错

AI总结 本文提出SPINONet，一种基于神经科学的可扩展物理信息神经算子，通过稀疏事件驱动计算提升能效，适用于计算力学问题，同时在有限数据监督下改进性能。

DiT-Flow: Speech Enhancement Robust to Multiple Distortions based on Flow Matching in Latent Space and Diffusion Transformers

DiT-Flow：基于潜在空间和扩散变换器的多失真鲁棒语音增强

Tianyu Cao, Helin Wang, Ari Frummer, Yuval Sieradzki, Adi Arbel, Laureano Moro Velazquez, Jesus Villalba, Oren Gal, Thomas Thebaud, Najim Dehak

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Technion Israel Institute of Technology（技术学院以色列理工学院） ； University of Haifa（海法大学） 纠错

AI总结 本文提出DiT-Flow，一种基于流匹配的语音增强框架，利用潜在扩散变换器构建，通过训练提升对噪声、回声和压缩等多失真鲁棒性，实验显示其优于现有方法。

Stability and Bifurcation Analysis of Nonlinear PDEs via Random Projection-based PINNs: A Krylov-Arnoldi Approach

通过基于随机投影的PINNs进行非线性PDE的稳定性与分支分析：一种Krylov-Arnoldi方法

Gianluca Fabiani, Michail E. Kavousanakis, Constantinos Siettos, Ioannis G. Kevrekidis

机构 * Hopkins Extreme Materials Institute, Johns Hopkins University（霍普金斯极端材料研究所，约翰霍普金斯大学） ； Dept. of Chemical and Biomolecular Engineering, Johns Hopkins University（化学与生物分子工程系，约翰霍普金斯大学） ； School of Chemical Engineering, National Technical University of Athens（希腊技术大学化学工程学院） ； Dipartimento di Matematica e Applicazioni “Renato Caccioppoli”, Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学Renato Caccioppoli数学与应用系） ； Dept. of Applied Mathematics and Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学） 纠错

AI总结 本文提出一种基于随机投影PINNs的数值框架，用于非线性PDE的稳定性分析，通过Krylov-Arnoldi方法解决特征值问题，避免了传统方法的秩缺陷问题。

Comments 30 pages, 6 figures

SIGMA: Scalable Spectral Insights for LLM Model Collapse

SIGMA：用于LLM模型崩溃的可扩展频谱洞察

Yi Gu, Lingyou Pang, Xiangkun Ye, Tianyu Wang, Jianyu Lin, Carey E. Priebe, Alexander Aue

机构 * Department of Statistics, University of California, Davis（加州大学戴维斯分校统计学系） ； Department of Mathematics, Northwestern University（西北大学数学系） ； Boston University（波士顿大学） ； Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） 纠错

AI总结 本文提出SIGMA框架，通过频谱分析嵌入Gram矩阵来检测LLM模型崩溃，提供数学基础的度量方法，并实现大规模模型的可扩展监测。

The Cost of Replicability in Active Learning

主动学习中可重复性的成本

Rupkatha Hira, Dominik Kau, Jessica Sorrell

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Penn Institute for Computational Science（宾夕法尼亚大学计算科学研究所） 纠错

AI总结 本文研究了主动学习中可重复性带来的样本复杂性增加，提出两种可重复的主动学习算法，在保证一致性的同时实现标签节省。

Journal ref Transactions on Machine Learning Research, 2026

Instructional Text Across Disciplines: A Survey of Representations, Downstream Tasks, and Open Challenges Toward Capable AI Agents

跨学科指令文本：对表示、下游任务和有能力AI代理的综述

Abdulfattah Safa, Tamta Kapanadze, Arda Uzunoğlu, Gözde Gül Şahin

机构 * KUIS AI Lab, Koç University, Istanbul, Türkiye（KUIS AI实验室，科克大学，伊斯坦布尔，土耳其） ； Koç University, Istanbul, Türkiye（科克大学，伊斯坦布尔，土耳其） ； Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学，巴尔的摩，美国） ； Friedrich-Alexander-Universität Erlangen-Nürnberg, Germany（埃尔兰根-纽伦堡弗里德里希-亚历山大大学，德国） 纠错

AI总结 本文综述了指令文本的表示方法、下游任务及挑战，旨在为AI代理提供统一视角，填补不同研究方向间的空白。

Comments Pre-CoLI print. Accepted for publication in Computational Linguistics (MIT Press). Advance online publication. March 2026

Interacting Particle Systems on Networks: joint inference of the network and the interaction kernel

网络上的粒子系统：网络和交互核的联合推断

Quanjun Lang, Xiong Wang, Fei Lu, Mauro Maggioni

机构 * Department of Mathematics, Duke University, Durham, USA（杜克大学数学系，美国达勒姆） ； School of Mathematics, Sun Yat-sen University, Guangzhou, China（中山大学数学学院，中国广州） ； Department of Mathematics, Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学数学系，美国巴尔的摩） ； Department of Applied Mathematics and Statistics, Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学应用数学与统计学系，美国巴尔的摩） 纠错

AI总结 本文研究了网络上的多智能体系统建模问题，通过联合推断网络结构和交互核来确定智能体间的交互关系与规则，提出非凸优化方法及两种算法：交替最小二乘法和运算回归交替最小二乘法，验证了其在大规模数据中的有效性。

Comments 53 pages, 17 figures

Multi-Perspective LLM Annotations for Valid Analyses in Subjective Tasks

多视角大语言模型注释用于主观任务中的有效分析

Navya Mehrotra, Adam Visokay, Kristina Gligorić

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出多视角注释方法，通过集中人力标注于LLM注释最不准确的群体，提升主观任务分析效果，同时保持覆盖范围。

GMPilot: An Expert AI Agent For FDA cGMP Compliance

GMPilot：一种用于FDA cGMP合规的专家AI代理

Xiaohan Wang, Nan Zhang, Sulene Han, Keguang Tang, Lei Xu, Zhiping Li, Xiue, Liu, Xiaomei Han

机构 * Aelion AI Inc.（Aelion AI公司） ； H&N Consulting（H&N咨询） ； Department of Medicine, Johns Hopkins University（约翰霍普金斯大学医学系） ； Gilead Sciences Inc.（吉利德科学公司） 纠错

AI总结 本文提出GMPilot，一种专为FDA cGMP合规设计的AI代理，通过RAG和ReAct框架提供实时决策支持，提升制药行业质量管理的专业性和响应速度。

Comments 14 pages, 1 figure

Stratified Topological Autonomy for Long-Range Coordination (STALC)

分层拓扑自主性用于长距离协调（STALC）

Cora A. Duggan, Adam Goertz, Adam Polevoy, Mark Gonzales, Kevin C. Wolfe, Bradley Woosley, John G. Rogers, Joseph Moore

机构 * Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； DEVCOM Army Research Laboratory（国防部陆军研究实验室） 纠错

AI总结 本文提出STALC，一种用于现实环境中多机器人协调的分层规划方法，结合拓扑图与混合整数规划生成高效耦合计划，通过仿真和硬件实验验证其在复杂多机器人规划中的有效性。

Comments ©2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works