Johns Hopkins University（约翰斯·霍普金斯大学）

2607.21806 2026-07-27 cs.LG 新提交

Bounding the Causal Impact of ML-assisted Decision-Making via Counterfactual Correctness

通过反事实正确性界定机器学习辅助决策的因果影响

Jonathan Zhang, Erik Skalnes, Jacob Chen, Michael Oberst

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

AI总结研究如何评估机器学习辅助决策对下游结果的因果影响，提出利用先前RCT数据构建新模型因果效应界限的部分识别方法，通过两个单调性假设，经模拟研究表明该方法能产生更具信息量的界限。

Comments 45 pages. In proceedings of the 42nd Conference on Uncertainty in Artificial Intelligence

2607.21656 2026-07-27 cs.SE cs.AI 新提交

Cross-Model LLM Code Review: Should you use Claude to review Codex or vice versa?

跨模型大语言模型代码审查：应该用Claude审查Codex还是相反？

Zuodong Xiang, Yike Zhang, YueMing Zhang, Hailu Xu

机构 * University of California, Davis（加州大学戴维斯分校）； Johns Hopkins University（约翰霍普金斯大学）； California State University, Long Beach（长滩加州州立大学）

AI总结研究开发者同时使用Claude和Codex进行代码审查的成本、时间及配对顺序问题，通过对116个任务的六种条件实验发现，Claude审查Codex草稿效果好，反向则不佳，有用的配对是不对称的，应Claude审查Codex。

Comments This paper had been accepted by Agentic SE @ KDD'26

2607.19190 2026-07-27 cs.RO cs.AI 版本更新

Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents

智能体真实到模拟：使用视觉语言智能体进行基于物理的世界建模

Guanxiong Chen, Qianjun Xia, Jiawei Peng, Heng Zhang, Bole Ma, Justin Qian, Ziyi Jiao, Bingyang Zhou, Luoxin Ye, Kaifeng Zhang, Kunyi Wang, Weijia Zeng, Yunuo Chen, Pengzhi Yang, Ziqiu Zeng, Siyuan Luo, Huamin Wang, Chao Liu, Alan Yuille, Fan Shi, Changxi Zheng, Yunzhu Li, Chenfanfu Jiang, Peter Yichen Chen

机构 * University of British Columbia（英属哥伦比亚大学）； Johns Hopkins University（约翰·霍普金斯大学）； National University of Singapore（新加坡国立大学）； Columbia University（哥伦比亚大学）； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）； Style3D（无合适对应中文名）

AI总结研究针对机器人与物体交互的真实到模拟转换难题，提出智能体真实到模拟框架，利用视觉语言智能体进行广义物理世界建模，能转换真实记录为可模拟孪生体，在多场景评估效果良好，成本低，可用于下游机器人任务。

Comments Authorship change

2607.14193 2026-07-27 stat.ML cs.LG cs.NA math.NA physics.med-ph 版本更新

Operator-Informed Gaussian Processes for Complex Helmholtz Wavefields: From Synthetic Benchmarks to In Vivo Brain Elastography

用于复杂亥姆霍兹波场的算子引导高斯过程：从综合基准测试到体内脑弹性成像

Boyuan Deng, Kshitiz Upadhyay, Michael Shields

机构 * 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）； Department of Aerospace Engineering and Mechanics, University of Minnesota（明尼苏达大学航空航天工程与力学系）

AI总结研究将算子引导高斯过程回归扩展到复值亥姆霍兹问题，通过转化复算子用实值GP条件推断。在基准问题和脑弹性成像中表现良好，能返回波场后验，确定了精度上限与未校准的不确定性，校准不确定性是后续核心步骤。

Comments 26 pages, 7 figures