Johns Hopkins University（约翰斯·霍普金斯大学）

Generating Synthetic Doctor-Patient Conversations for Long-form Audio Summarization

生成用于长文本音频摘要的合成医生-患者对话

Yanis Labrak, David Grünert, Séverin Baroudi, Jiyun Chun, Pawel Cyrta, Sergio Burdisso, Ahmed Hassoon, David Liu, Adam Rothschild, Reed Van Deusen, Petr Motlicek, Andrew Perrault, Ricard Marxer, Thomas Schaaf

机构 * Idiap Research Institute（Idiap 研究所） ； University of Zurich（苏黎世大学） ； The Ohio State University（俄亥俄州立大学） ； Université de Toulon, Aix Marseille Univ, LIS, CNRS（土伦大学，艾克斯-马赛大学，计算机与系统实验室，法国国家科学研究中心） ； Stenograf ； Johns Hopkins University Bloomberg School of Public Health（约翰·霍普金斯大学布隆伯格公共卫生学院） ； Colorado School of Mines（科罗拉多矿业学院） ； Allegheny Health Network（阿勒格尼健康网络） ； University of Pittsburgh Medical Center（匹兹堡大学医学中心） ； ILLS, CNRS（ILLS，法国国家科学研究中心） ； Solventum ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出生成合成医生-患者对话数据的方法，用于长文本音频摘要任务，通过多阶段流程生成包含音频和参考笔记的数据集，评估显示级联方法优于端到端模型。

Comments Submitted for review at Interspeech 2026

What Makes a Good Response? An Empirical Analysis of Quality in Qualitative Interviews

什么使一个好的回应？对定性访谈质量的实证分析

Jonathan Ivey, Anjalie Field, Ziang Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文通过实证分析，探讨了定性访谈中哪些因素能预测回应质量，发现直接相关性是主要预测因素，同时指出某些常用指标不具预测性。

Comments 24 pages, 14 figures

Goal-Oriented Bayesian Optimal Experimental Design for Nonlinear Models using Markov Chain Monte Carlo

面向非线性模型的基于贝叶斯的最优实验设计：利用马尔可夫链蒙特卡罗方法

Shijie Zhong, Wanggang Shen, Tommie Catanach, Xun Huan

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Michigan（密歇根大学） ； Sandia National Laboratories（桑迪亚国家实验室） 纠错

AI总结 本文提出一种面向预测目标的贝叶斯最优实验设计方法，用于非线性模型，通过马尔可夫链蒙特卡罗方法估计预测目标的期望信息增益，提升实验设计的效率和准确性。

Comments 28 pages, 19 figures

Journal ref SIAM/ASA Journal on Uncertainty Quantification 14 (2026) 19-47