Johns Hopkins University（约翰斯·霍普金斯大学）

Unrequited Emotions: Investigating the Gaps in Motivation and Practice in Speech Emotion Recognition Research

未被回报的情感：探讨语音情感识别研究中动机与实践之间的差距

Taryn Wong, Zeerak Talat, Hanan Aldarmaki, Anjalie Field

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Edinburgh（爱丁堡大学） ； MBZUAI（马克斯·普朗克智能系统研究所） 纠错

AI总结 本文通过系统调查语音情感识别研究，揭示其动机与所用数据集和情绪研究之间的不一致，呼吁通过具体用例重新确立研究方向以避免伦理风险。

Comments Accepted to the Workshop on Computational Affective Science (CAS) at LREC 2026

Dictionary learning for Kernel EDMD

基于核的扩展动态模式分解的字典学习

Erik Lien Bolager, Boumediene Hamzi, Houman Owhadi, Ioannis G. Kevrekidis, Felix Dietrich

机构 * School of Computation, Information and Technology, Munich Data Science Institute, Munich Center for Machine Learning, Technical University of Munich, Germany（慕尼黑计算、信息与技术学院，慕尼黑数据科学研究所，慕尼黑机器学习中心，技术大学慕尼黑，德国） ； Department of Computing and Mathematical Sciences, Caltech, USA（计算与数学科学部，加州理工学院，美国） ； The Alan Turing Institute, UK（艾伦·图灵研究所，英国） ； Departments of Chemical and Biomolecular Engineering and of Applied Mathematics and Statistics, Johns Hopkins University, USA（化学与生物分子工程系和应用数学与统计学系，约翰霍普金斯大学，美国） 纠错

AI总结 本文提出通过字典学习优化核参数，改进核扩展动态模式分解以更高效逼近Koopman算子，通过去除不重要核函数提升性能。

Data-Driven Hamiltonian Reduction for Superconducting Qubits via Meta-Learning

基于元学习的数据驱动哈密顿量缩减用于超导量子比特

Arielle Sanford, Andrew T. Kamen, Frederic T. Chong, Andy J. Goldschmidt

机构 * Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） ； Johns Hopkins Applied Physics Laboratory（约翰·霍普金斯应用物理实验室） 纠错

AI总结 本文提出HAML框架，通过元学习实现超导量子处理器有效哈密顿量模型的快速在线适应，无需扰动理论即可学习多模式哈密顿量到量子比特描述的缩减。

Optimal Question Selection from a Large Question Bank for Clinical Field Recovery in Conversational Psychiatric Intake

从大规模问题库中选择最优问题以实现临床场景中的对话恢复

Guan Gui, Peter Zandi, Jacob Taylor, Ananya Joshi

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

AI总结 本文提出一个基于临床问题库的问题选择框架，通过对比随机提问、临床基线和LLM引导策略，发现结构化问题和适应性策略能显著提升临床对话信息恢复效果。

Minimax Generalized Cross-Entropy

最小最大广义交叉熵

Kartheek Bondugula, Santiago Mazuelas, Aritz Pérez, Anqi Liu

机构 * Basque Center for Applied Mathematics（巴斯克应用数学中心） ； Ikerbasque, Basque Foundation for Science（伊克尔巴斯基，巴斯克科学基金会） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出最小最大广义交叉熵(MGCE)，通过凸优化改进分类边界的优化问题，提升模型在复杂数据集和标签噪声下的准确性和鲁棒性。

Journal ref The 29th International Conference on Artificial Intelligence and Statistics, 2026

Is This Just Fantasy? Language Model Representations Reflect Human Judgments of Event Plausibility

这仅仅是幻想吗？语言模型表示反映了人类对事件可能性的判断

Michael A. Lepori, Jennifer Hu, Ishita Dasgupta, Roma Patel, Thomas Serre, Ellie Pavlick

机构 * Department of Computer Science（计算机科学系） ； Department of Cognitive Science（认知科学系） ； Google（谷歌） ； DeepMind（深度Mind） ； Brown University（布朗大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Department of Cognitive（认知系） ； Department of Computer Science & Psychological Sciences（计算机科学与心理学科学系） 纠错

AI总结 本文通过分析语言模型的模态差异向量，揭示其在事件可能性判断上的能力，发现模型随着训练步骤和参数量增加，能更准确地区分模态类别，并与人类判断行为相关联。