Johns Hopkins University（约翰斯·霍普金斯大学）

Not My Truce: Personality Differences in AI-Mediated Workplace Negotiation

不是我的和解：人工智能调解职场谈判中的人格差异

Veda Duddu, Jash Rajesh Parekh, Andy Mao, Hanyi Min, Ziang Xiao, Vedant Das Swain, Koustuv Saha

机构 * 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） ； New York University（纽约大学） 纠错

AI总结 研究探讨了人工智能调解职场谈判中个体差异对效果的影响，发现不同人格特质的用户对不同干预方式的响应不同，强调了针对个体需求设计干预的重要性。

Regularizing Extrapolation in Causal Inference

在因果推断中正则化外推

David Arbour, Harsh Parikh, Bijan Niknam, Elizabeth Stuart, Kara Rudolph, Avi Feller

机构 * Adobe Research（Adobe研究院） ； Yale University（耶鲁大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出统一框架，通过正则化外推水平来改进因果推断中的外推问题，引入偏倚-偏倚-方差权衡，并通过合成实验和实际应用验证其有效性。

CHEEM: Continual Learning by Reuse, New, Adapt and Skip -- A Hierarchical Exploration-Exploitation Approach

CHEEM：通过重用、新信息、适应和跳过进行持续学习——一种分层探索-利用方法

Chinmay Savadikar, Michelle Dai, Tianfu Wu

机构 * North Carolina State University（北卡罗来纳州立大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出CHEEM框架，通过分层探索-利用方法解决持续学习中的稳定性与可塑性矛盾，实现高效神经网络架构搜索，优于现有方法，接近全微调上限。

Comments CVPR 2026

Teaching AI to Handle Exceptions: Supervised Fine-Tuning with Human-Aligned Judgment

教AI处理例外：基于人类对齐判断的监督微调

Matthew DosSantos DiSorbo, Harang Ju, Sinan Aral

机构 * Harvard Business School（哈佛商学院） ； Johns Hopkins University（约翰霍普金斯大学） ； MIT Sloan School of Management（麻省理工学院斯隆管理学院） 纠错

AI总结 研究探讨了如何通过监督微调使AI处理例外，发现使用人类解释的微调能显著提升模型决策能力，揭示了对齐人类判断需明确训练决策过程而非仅决策结果。