Information Satisfaction: A Reader-Centered Axis for Summarization Evaluation
信息满意度：面向读者的摘要评估轴
机构 * St. Edward’s University（圣爱德华大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 本研究提出以读者的信息满意度作为摘要评估的面向读者的轴，发现主流摘要指标无法衡量该满意度，且与人工判断一致性差。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
Self-Supervised Visual On-Policy Distillation
自监督视觉在线策略蒸馏
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； University of Oxford（牛津大学） ； UC San Diego（加利福尼亚大学圣迭戈分校）
AI总结 该研究提出S²VOPD方法，通过从学生模型减信息而非给教师加特权信息，实现无特权信息的视觉在线策略蒸馏，在6个细粒度感知基准上显著提升Qwen3.5-4B性能，表现优于多数模型。
Demystifying Agent Skills: Why They Work-Until They Don't
揭秘智能体技能：为何它们有效——直至失效
机构 * Princeton University（普林斯顿大学） ； UC San Diego（加州大学圣迭戈分校） ； Stanford University（斯坦福大学） ； University of Southern California（南加利福尼亚大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该研究探究 LLM 智能体技能的有效与失效原因，通过对比实验与轨迹分析揭示技能的作用机制，发现其主要靠程序锚定稳定动作，还指出检索瓶颈等问题，为智能体评估与优化提供指导。
EEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models
EEG-PRISM：基于生理学的脑电基础模型预测可解释性方法
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Boston University（波士顿大学）
AI总结 本研究提出EEG-PRISM，一种无需修改脑电基础模型的事后归因方法，可将其归因分数映射至频谱、空间域，能定位癫痫发作区、自闭症生物标志物等，提升脑电基础模型的可解释性。
Algorithm Design and Physician Liability
算法设计与医师责任
机构 * The University of Western Australia（西澳大利亚大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 本文聚焦AI临床算法设计与医师责任规则，研究发现责任规则会引发AI使用差异，强制算法等准确率要求反而损害双方，为医疗AI监管提供了新视角。
Comments 65 pages, 8 figures, 5 tables; includes online appendix (pp. 51-65)
