Johns Hopkins University（约翰斯·霍普金斯大学）

Human-AI Teaming Through the Lens of Calibration

通过校准视角看人机协作

Eric Nalisnick, Chi Zhang, Sophia Qian, Yixin Wang

机构 * Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学） ； Department of Statistics, University of Michigan（统计学系，密歇根大学） 纠错

AI总结 研究通过统计校准视角分析人机协作模型，发现组合方法不保留人类校准度，而委托方法将校准负担转移给拒绝器元模型，且当人类依赖系统不可观测信息时无法实现。

Comments 19 pages, 5 figures (including appendix)

Test-time Adversarial Takeover: A Real-time Hijacking Interface against Robotic Diffusion Policies

测试时对抗接管：针对机器人扩散策略的实时劫持接口

Zi Yin, Peilin Chai, Siyuan Huang, Zhanhao Hu

机构 * Tsinghua University（清华大学） ； Independent Researcher（独立研究员） ； Johns Hopkins University（约翰霍普金斯大学） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 提出测试时对抗接管（TAKO）方法，通过可微扩散推理学习可重复使用的通用补丁，在测试时切换补丁以劫持机器人策略，实现远程操控，在多种任务和模型上达到100%接管成功率。

Unsupervised Style Representation Learning for AI-Text Detection via Paraphrase Inversion

无监督风格表示学习用于通过释义反转检测AI文本

Rafael Rivera Soto, Barry Chen, Nicholas Andrews

机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 提出无监督风格编码器，通过重构人工文本与机器生成释义间的差异学习判别性风格特征，实现少样本和零样本AI文本检测，性能优于基线。

Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation

Dmsh：一种用于全四边形网格生成的多智能体强化学习框架

Anirudh Kalyan, Cosmin Anitescu, Xiaoying Zhuang, Timon Rabczuk, Somdatta Goswami, Sundararajan Natarajan

机构 * Department of Mechanical Engineering, Indian Institute of Technology Madras（印度理工学院马德拉斯分校机械工程系） ； Institute of Continuum Mechanics, Leibniz Universität Hannover（莱比锡大学汉诺威连续力学研究所） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（魏玛包豪斯大学结构力学研究所） ； Department of Civil and Systems Engineering, Johns Hopkins University（约翰霍普金斯大学土木与系统工程系） 纠错

AI总结 提出Dmsh，首个全自动强化学习流水线，通过三个协调智能体处理拓扑简化、几何正则化和网格生成，采用参数化Soft Actor-Critic架构和课程学习策略，实现高质量全四边形网格生成。

GenEyePose: Patient-Free, Knowledge-Based Saccadic Eye Movement Modeling for Digital Neurophysiologic Biomarker Development

GenEyePose：用于数字神经生理学生物标志物开发的无患者、基于知识的扫视眼动建模

Tianyu Lin, Jooyoung Ryu, Puvada Sreevarsha, Rahul Srinivasaragavan, Riya Satavlekar, Susan Kim, Nidhi Soley, Yujie Yan, Ishan Vatsaraj, Carl Harris, Aimon Rahman, Vishal Patel, Joseph Greenstein, Casey Taylor, Kemar E. Green

机构 * Whiting School of Engineering, Johns Hopkins University（约翰霍普金斯大学惠廷工程学院） ； Department of Neurology, Johns Hopkins Medicine（约翰霍普金斯医学院神经内科） 纠错

AI总结 提出首个全合成、无患者的多模态眼动生成流水线，用于泛化扫视分析；基于合成数据训练的深度学习分类器在真实临床数据上区分正常与异常扫视精度，AUROC达0.76。