Johns Hopkins University（约翰斯·霍普金斯大学）

Project Imaging-X: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development

Project Imaging-X：1000多个开放访问医学影像数据集的调查

Zhongying Deng, Cheng Tang, Ziyan Huang, Jiashi Lin, Ying Chen, Junzhi Ning, Chenglong Ma, Jiyao Liu, Wei Li, Yinghao Zhu, Shujian Gao, Yanyan Huang, Sibo Ju, Yanzhou Su, Pengcheng Chen, Wenhao Tang, Tianbin Li, Haoyu Wang, Yuanfeng Ji, Hui Sun, Shaobo Min, Liang Peng, Feilong Tang, Haochen Xue, Rulin Zhou, Chaoyang Zhang, Wenjie Li, Shaohao Rui, Weijie Ma, Xingyue Zhao, Yibin Wang, Kun Yuan, Zhaohui Lu, Shujun Wang, Jinjie Wei, Lihao Liu, Dingkang Yang, Lin Wang, Yulong Li, Haolin Yang, Yiqing Shen, Lequan Yu, Xiaowei Hu, Yun Gu, Yicheng Wu, Benyou Wang, Minghui Zhang, Angelica I. Aviles-Rivero, Qi Gao, Hongming Shan, Xiaoyu Ren, Fang Yan, Hongyu Zhou, Haodong Duan, Maosong Cao, Shanshan Wang, Bin Fu, Xiaomeng Li, Zhi Hou, Chunfeng Song, Lei Bai, Yuan Cheng, Yuandong Pu, Xiang Li, Wenhai Wang, Hao Chen, Jiaxin Zhuang, Songyang Zhang, Huiguang He, Mengzhang Li, Bohan Zhuang, Zhian Bai, Rongshan Yu, Liansheng Wang, Yukun Zhou, Xiaosong Wang, Xin Guo, Guanbin Li, Xiangru Lin, Dakai Jin, Mianxin Liu, Wenlong Zhang, Qi Qin, Conghui He, Yuqiang Li, Ye Luo, Nanqing Dong, Jie Xu, Wenqi Shao, Bo Zhang, Qiujuan Yan, Yihao Liu, Jun Ma, Zhi Lu, Yuewen Cao, Zongwei Zhou, Jianming Liang, Shixiang Tang, Qi Duan, Dongzhan Zhou, Chen Jiang, Yuyin Zhou, Yanwu Xu, Jiancheng Yang, Shaoting Zhang, Xiaohong Liu, Siqi Luo, Yi Xin, Chaoyu Liu, Haochen Wen, Xin Chen, Alejandro Lozano, Min Woo Sun, Yuhui Zhang, Yue Yao, Xiaoxiao Sun, Serena Yeung-Levy, Xia Li, Jing Ke, Chunhui Zhang, Zongyuan Ge, Ming Hu, Jin Ye, Zhifeng Li, Yirong Chen, Yu Qiao, Junjun He

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Institute of Optics and Fine Mechanics（上海光学精密机械研究所） ； Fudan University（复旦大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fuzhou University（福州大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Incept Labs ； Monash University（莫纳什大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与产业研究院） ； Shanghai Academy of Artificial Intelligence for Science（上海科学智能研究院） ； Nankai University（南开大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） ； School of Informatics, Xiamen University（厦门大学信息学院） ； University College London（伦敦大学学院） ； Sun Yat-sen University（中山大学） ； Alibaba Group, DAMO Academy, New York, NY, USA（阿里巴巴集团达摩院（纽约）） ； Tongji University（同济大学） ； University of Toronto（多伦多大学） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Johns Hopkins University（约翰霍普金斯大学） ； Arizona State University（亚利桑那州立大学） ； Academy for Clinical Innovation and Translation of Shanghai（上海临床创新转化研究院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（阿尔托大学） ； Shandong University（山东大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文调查了1000多个开放访问医学影像数据集，揭示了其规模小、任务碎片化和分布不均的问题，并提出元数据驱动融合方法和交互发现门户，为医学影像数据集的整合和基础模型发展提供路线图。

Comments 157 pages, 19 figures, 26 tables. Project repo: \url{https://github.com/uni-medical/Project-Imaging-X}

Grounding Social Perception in Intuitive Physics

将社会感知 grounded 在直观物理学中

Lance Ying, Aydan Y. Huang, Aviv Netanyahu, Andrei Barbu, Boris Katz, Joshua B. Tenenbaum, Tianmin Shu

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Amazon（亚马逊） 纠错

AI总结 本文提出通过结合直观心理学与直观物理学的推理过程来解释社会感知，通过PHASE数据集和SIMPLE模型验证了物理基础的社会推理能力。

Comments 26 pages, 11 figures

FACTUM: Mechanistic Detection of Citation Hallucination in Long-Form RAG

FACTUM：长形式RAG中引用幻觉的机制检测

Maxime Dassen, Rebecca Kotula, Kenton Murray, Andrew Yates, Dawn Lawrie, Efsun Kayi, James Mayfield, Kevin Duh

机构 * University of Amsterdam（阿姆斯特丹大学） ； Department of Defense（美国国防部） ； HLTCOE, Johns Hopkins University（约翰霍普金斯大学HLTCOE） ； Applied Physics Laboratory, Johns Hopkins University（约翰霍普金斯大学应用物理实验室） 纠错

AI总结 FACTUM通过四个机制性评分（CAS、BAS、PFS、PAS）检测RAG中的引用幻觉，发现高参数力（PFS）和注意力sink使用（BAS）与正确引用相关，且随着模型规模变化，正确性特征也随之演变，FACTUM在AUC上优于现有方法37.5%。

Comments Accepted at ECIR 2026. 13 pages, 2 figures

Pretraining Language Models for Diachronic Linguistic Change Discovery

为历时语言变化发现预训练语言模型

Elisabeth Fittschen, Sabrina Li, Tom Lippincott, Leshem Choshen, Craig Messner

机构 * University of Hamburg（汉堡大学） ； Center for Digital Humanities, Johns Hopkins University（约翰霍普金斯大学数字人文中心） ； IBM Research, MIT（麻省理工学院IBM研究院） 纠错

AI总结 本文提出通过预训练语言模型发现历时语言变化，通过高效预训练技术处理大规模语料，发现预训练模型在训练速度和历史划分尊重方面优于微调基线，展示了在历时语言学中检测词汇变化等现象的能力。

Comments Accepted to Findings of the EACL 2026

Insider Knowledge: How Much Can RAG Systems Gain from Evaluation Secrets?

内部知识：RAG系统能从评估秘密中获得多少收益？

Laura Dietz, Bryan Li, Eugene Yang, Dawn Lawrie, William Walden, James Mayfield

机构 * University of New Hampshire（新罕布什尔大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Human Language Technology Center of Excellence, Johns Hopkins University（约翰霍普金斯大学人类语言技术卓越中心） 纠错

AI总结 本文通过对比实验探讨RAG系统在评估秘密泄露时的评估风险，指出盲评和方法多样性的重要性。

Comments To appear in ECIR 2026, Lecture Notes in Computer Science, Volume 16483

Incorporating Q&A Nuggets into Retrieval-Augmented Generation

将问答 nugget 融入检索增强生成

Laura Dietz, Bryan Li, Gabrielle Liu, Jia-Huei Ju, Eugene Yang, Dawn Lawrie, William Walden, James Mayfield

机构 * University of New Hampshire（新罕布什尔大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学） ； University of Amsterdam（阿姆斯特丹大学） ； Human Language Technology Center of Excellence, Johns Hopkins University（约翰霍普金斯大学人类语言技术卓越中心） 纠错

AI总结 本文提出Crucible系统，通过构建问答nugget库提升生成质量，保留引用溯源，优于现有系统。

Comments To appear in the Proceedings of ECIR 2026, Lecture Notes in Computer Science, Volume 16484

Spectral Coherence Index: A Model-Free Metric for Protein Structural Ensemble Quality Assessment

谱相干指数：一种无模型的蛋白质结构集合质量评估指标

Yuda Bi, Huaiwen Zhang, Jingnan Sun, Vince D Calhoun

机构 * Tri-institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（三机构神经影像与数据科学转化研究中心（TReNDS），佐治亚州立大学，佐治亚理工学院，埃默里大学） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Departments of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） 纠错

AI总结 本文提出谱相干指数（SCI）作为无模型指标，用于评估蛋白质结构集合的质量。通过分析NMR结构集合，SCI能有效区分实验集合与合成不相干对照，展现出高鉴别能力。

From Imitation to Intuition: Intrinsic Reasoning for Open-Instance Video Classification

从模仿到直觉：用于开放实例视频分类的内在推理

Ke Zhang, Xiangchen Zhao, Yunjie Tian, Jiayu Zheng, Vishal M. Patel, Di Fu

机构 * Johns Hopkins University（约翰霍普金斯大学） ； ByteDance Inc（字节跳动公司） 纠错

AI总结 本文提出DeepIntuit框架，通过冷启动监督对齐和GRPO优化，将视频分类从模仿转向直觉推理，提升开放实例分类性能。

Comments 18 pages, 7 figures

A novel open-source ultrasound dataset with deep learning benchmarks for spinal cord injury localization and anatomical segmentation

一种新的开源超声数据集，用于脊髓损伤定位和解剖分割的深度学习基准测试

Avisha Kumar, Kunal Kotkar, Kelly Jiang, Meghana Bhimreddy, Daniel Davidar, Carly Weber-Levine, Siddharth Krishnan, Max J. Kerensky, Ruixing Liang, Kelley Kempski Leadingham, Denis Routkevitch, Andrew M. Hersh, Kimberly Ashayeri, Betty Tyler, Ian Suk, Jennifer Son, Nicholas Theodore, Nitish Thakor, Amir Manbachi

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） ； Cleveland Clinic（克利夫兰诊所） 纠错

AI总结 本文提出一个包含10223张B模式图像的开源超声数据集，用于评估深度学习模型在脊髓损伤定位和解剖分割中的性能，通过基准测试验证了不同算法在不同任务中的表现。

DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents

DRIFT: 基于注入隔离的动态规则防御以保障LLM代理安全

Hao Li, Xiaogeng Liu, Hung-Chun Chiu, Dianqi Li, Ning Zhang, Chaowei Xiao

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Independent Researcher（独立研究者） 纠错

AI总结 DRIFT通过动态安全策略和注入隔离技术，有效防御LLM代理中的提示注入攻击，验证了其在多个基准测试中的高安全性和高实用性。

Comments Accepted to NeurIPS 2025

VocSegMRI: Multimodal Learning for Precise Vocal Tract Segmentation in Real-time MRI

VocSegMRI：多模态学习在实时MRI中的精确声带段分割

Daiqi Liu, Johannes Enk, Maureen Stone, Fangxu Xing, Tomás Arias-Vergara, Jerry L. Prince, Jana Hutter, Jonghye Woo, Andreas Maier, Paula Andrea Pérez-Toro

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃朗根-纽伦堡大学） ； University of Maryland School of Dentistry（马里兰大学牙科学院） ； Harvard Medical School/Massachusetts General Hospital（哈佛医学院/麻省总医院） ； Universidad de Antioquia UdeA（安蒂奥基亚大学 UdeA） ； Johns Hopkins University（约翰霍普金斯大学） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

AI总结 本文提出VocSegMRI，通过跨注意力融合和对比学习目标，整合视频、音频和语音学输入，实现实时MRI中声带结构的精确分割，实验表明其优于单模态和多模态基线方法。

Comments Preprint submitted to MIDL short paper 2026

Task-Space Singularity Avoidance for Control Affine Systems Using Control Barrier Functions

任务空间奇点避免：使用控制屏障函数控制仿射系统

Kimia Forghani, Suraj Raval, Lamar Mair, Axel Krieger, Yancy Diaz-Mercado

机构 * Department of Mechanical Engineering, University of Maryland, College Park（马里兰大学机械工程系，College Park分校） ； Division of Magnetic Manipulation and Particle Research, Weinberg Medical Physics, Inc.（Weinberg医学物理公司磁操控与粒子研究部） ； Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系） 纠错

AI总结 本文提出利用控制屏障函数避免控制仿射系统中任务空间奇点，通过分析输入输出映射矩阵的特征值识别奇异配置，并构建屏障函数以保持安全距离，实验表明可实现平滑轨迹跟踪并显著降低控制输入尖峰。

From Physician Expertise to Clinical Agents: Preserving, Standardizing, and Scaling Physicians' Medical Expertise with Lightweight LLM

从医生专业能力到临床代理：通过轻量级大语言模型保留、标准化和扩展医生的医学专业知识

Chanyong Luo, Jirui Dai, Zhendong Wang, Kui Chen, Jiaxi Yang, Bingjie Lu, Jing Wang, Jiaxin Hao, Bing Li, Ruiyang He, Yiyu Qiao, Chenkai Zhang, Kaiyu Wang, Zhi Liu, Zeyu Zheng, Yan Li, Xiaohong Gu

机构 * the School of Chinese Medicine, the Beijing University of Chinese Medicine, Beijing, China（中国中医药大学中医学院，北京中医药大学，北京，中国） ； the School of Pharmacy, Nanjing University of Chinese Medicine, Nanjing, China（南京中医药大学药学院，南京，中国） ； the Infectious disease department, Dongfang Hospital, Beijing University of Chinese Medicine, Beijing, China（北京中医药大学东四医院感染科，北京，中国） ； the Gulou Hospital of Traditional Chinese Medicine of Beijing，Beijing, China（北京中医药大学附属鼓楼中医医院，北京，中国） ； the Department of Computer Science, Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学计算机科学系，美国马里兰州巴尔的摩市） ； the Department of Education, Dongzhimen Hospital, Beijing University of Chinese Medicine, Beijing, China（北京中医药大学东直门医院教育部，北京，中国） ； the Department of Pediatrics, Wangjing Hospital, China Academy of Chinese Medical Sciences, Beijing, China（中国医学科学院北京协和医院儿科部，北京，中国） ； the School of Information Engineering, Huzhou University, Huzhou, China（湖州大学信息工程学院，湖州，中国） ； Research Center for Scientific Data Hub, Zhejiang Lab, Hangzhou, China（浙江省实验室科学数据中心研究中心，杭州，中国） ； the Frontier Basic Research Center, Zhejiang Lab, Hangzhou, China（浙江省实验室前沿基础研究中心，杭州，中国） ； the Research Center for High Efficiency Computing Infrastructure, Zhejiang Lab, Hangzhou, China（浙江省实验室高效计算基础设施研究中心，杭州，中国） 纠错

AI总结 本文提出Med-Shicheng框架，通过轻量级大语言模型系统学习并转移知名中医的辨证论治理念及案例依赖适应规则，实现医学知识的标准化和规模化应用。

Generative Adversarial Reasoner: Enhancing LLM Reasoning with Adversarial Reinforcement Learning

生成对抗推理器：通过对抗性强化学习增强大语言模型推理

Qihao Liu, Luoxin Ye, Wufei Ma, Yu-Cheng Chou, Alan Yuille

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

AI总结 本文提出生成对抗推理器，通过对抗性强化学习联合训练LLM推理器和判别器，提升推理质量与准确性。

Comments Camera-ready version

RestoreVAR: Visual Autoregressive Generation for All-in-One Image Restoration

RestoreVAR：用于全图像修复的视觉自回归生成

Sudarshan Rajagopalan, Kartik Narayan, Vishal M. Patel

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

AI总结 RestoreVAR通过视觉自回归模型提升全图像修复性能，实现比扩散模型快10倍的推理速度，并在修复效果和泛化能力上达到新高。

Comments Project page: https://sudraj2002.github.io/restorevarpage/

Multiway Multislice PHATE: Visualizing Hidden Dynamics of RNNs through Training

多维多切片PHATE：通过训练可视化RNN的隐藏动态

Jiancheng Xie, Lou C. Kohler Voinov, Noga Mudrik, Gal Mishne, Adam Charles

机构 * Boston University（波士顿大学） ； Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 MM-PHATE通过多维分析RNN隐藏状态演变，揭示训练过程中表示几何变化，提供直观方法理解RNN架构与性能关系。

Comments Accepted at TMLR 2026. This version includes additional experiments on bifurcation and warp perturbations, revised figures, and expanded quantitative analysis. Published version: https://openreview.net/forum?id=9Yr4V7iZsq

Journal ref Transactions on Machine Learning Research (TMLR), 2026

Principled Context Engineering for RAG: Statistical Guarantees via Conformal Prediction

基于RAG的原理化上下文工程：通过符合预测实现统计保证

Debashish Chakraborty, Eugene Yang, Daniel Khashabi, Dawn Lawrie, Kevin Duh

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

AI总结 本文提出通过符合预测框架实现RAG的上下文工程，通过统计可控的过滤方法减少冗余上下文，提升事实准确性。

Comments Accepted at ECIR 2026

Zero-Shot Personalization of Objects via Textual Inversion

通过文本逆向实现对象的零样本个性化

Aniket Roy, Maitreya Suin, Rama Chellappa

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Samsung AI Center Toronto（三星AI中心多伦多） 纠错

AI总结 本文提出一种新框架，通过学习网络预测对象特定的文本逆向嵌入，实现快速零样本对象个性化，适用于多种任务和场景。

CAM3R: Camera-Agnostic Model for 3D Reconstruction

CAM3R：用于3D重建的相机无关模型

Namitha Guruprasad, Abhay Yadav, Cheng Peng, Rama Chellappa

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 CAM3R通过双视网络和Ray-Aware Global Alignment框架，实现对宽角度相机模型的3D重建，解决了传统方法在非矩形光学图像中的几何退化问题。

Rashid: A Cipher-Based Framework for Exploring In-Context Language Learning

Rashid：一种基于密码的探索上下文语言学习框架

Niyati Bafna, Ryan Soh-Eun Shim, Barbara Plank, David Yarowsky, Hale Sirin

机构 * Johns Hopkins University, Center for Language and Speech Processing（约翰霍普金斯大学语言与语音处理中心） ； MaiNLP, Center for Information and Language Processing, LMU Munich（MaiNLP语言信息处理中心，慕尼黑大学） 纠错

AI总结 Rashid框架通过密码高资源语言构造真正未见语言，评估ICLL方法，探索昂贵资源对ICLL的提升，并测试超出机器翻译的下游任务，揭示ICLL的潜力与未来方向。

Captain Safari: A World Engine with Pose-Aligned 3D Memory

Captain Safari: 一种具有姿态对齐3D记忆的世界引擎

Yu-Cheng Chou, Xingrui Wang, Yitong Li, Jiahao Wang, Hanting Liu, Cihang Xie, Alan Yuille, Junfei Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Tsinghua University（清华大学） ； UC Santa Cruz（加州大学圣克ruz分校） 纠错

AI总结 本文提出Captain Safari，一种基于姿态条件的世界引擎，通过持久化世界记忆生成视频，提升了复杂场景下的3D一致性与轨迹跟踪能力，优于现有方法。

SPINONet: Scalable Spiking Physics-informed Neural Operator for Computational Mechanics Applications

SPINONet：可扩展的脉冲物理信息神经算子用于计算力学应用

Shailesh Garg, Luis Mandl, Somdatta Goswami, Souvik Chakraborty

机构 * Department of Applied Mechanics（应用力学系） ； Indian Institute of Technology Delhi（德里印度理工学院） ； Institute of Structural Mechanics and Dynamics in Aerospace Engineering（航空航天工程中的结构力学与动力学研究所） ； Faculty of Aerospace Engineering and Geodesy（航空航天工程与大地测量学系） ； University of Stuttgart（斯图加特大学） ； Experimental Hepatobiliary Surgery Group（肝胆外科实验小组） ； Department of Hepatobiliary Surgery and Visceral Transplantation（肝胆外科与内脏移植部） ； University of Leipzig Medical Center（莱比锡大学医学中心） ； Department of Civil and Systems Engineering（土木与系统工程系） ； Johns Hopkins University（约翰霍普金斯大学） ； Data Science and AI Institute（数据科学与人工智能研究所） ； Yardi School of Artificial Intelligence (YScAI)（Yardi人工智能学院（YScAI）） 纠错

AI总结 本文提出SPINONet，一种基于神经科学的可扩展物理信息神经算子，通过稀疏事件驱动计算提升能效，适用于计算力学问题，同时在有限数据监督下改进性能。

DiT-Flow: Speech Enhancement Robust to Multiple Distortions based on Flow Matching in Latent Space and Diffusion Transformers

DiT-Flow：基于潜在空间和扩散变换器的多失真鲁棒语音增强

Tianyu Cao, Helin Wang, Ari Frummer, Yuval Sieradzki, Adi Arbel, Laureano Moro Velazquez, Jesus Villalba, Oren Gal, Thomas Thebaud, Najim Dehak

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Technion Israel Institute of Technology（技术学院以色列理工学院） ； University of Haifa（海法大学） 纠错

AI总结 本文提出DiT-Flow，一种基于流匹配的语音增强框架，利用潜在扩散变换器构建，通过训练提升对噪声、回声和压缩等多失真鲁棒性，实验显示其优于现有方法。

Stability and Bifurcation Analysis of Nonlinear PDEs via Random Projection-based PINNs: A Krylov-Arnoldi Approach

通过基于随机投影的PINNs进行非线性PDE的稳定性与分支分析：一种Krylov-Arnoldi方法

Gianluca Fabiani, Michail E. Kavousanakis, Constantinos Siettos, Ioannis G. Kevrekidis

机构 * Hopkins Extreme Materials Institute, Johns Hopkins University（霍普金斯极端材料研究所，约翰霍普金斯大学） ； Dept. of Chemical and Biomolecular Engineering, Johns Hopkins University（化学与生物分子工程系，约翰霍普金斯大学） ； School of Chemical Engineering, National Technical University of Athens（希腊技术大学化学工程学院） ； Dipartimento di Matematica e Applicazioni “Renato Caccioppoli”, Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学Renato Caccioppoli数学与应用系） ； Dept. of Applied Mathematics and Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学） 纠错

AI总结 本文提出一种基于随机投影PINNs的数值框架，用于非线性PDE的稳定性分析，通过Krylov-Arnoldi方法解决特征值问题，避免了传统方法的秩缺陷问题。

Comments 30 pages, 6 figures

SIGMA: Scalable Spectral Insights for LLM Model Collapse

SIGMA：用于LLM模型崩溃的可扩展频谱洞察

Yi Gu, Lingyou Pang, Xiangkun Ye, Tianyu Wang, Jianyu Lin, Carey E. Priebe, Alexander Aue

机构 * Department of Statistics, University of California, Davis（加州大学戴维斯分校统计学系） ； Department of Mathematics, Northwestern University（西北大学数学系） ； Boston University（波士顿大学） ； Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） 纠错

AI总结 本文提出SIGMA框架，通过频谱分析嵌入Gram矩阵来检测LLM模型崩溃，提供数学基础的度量方法，并实现大规模模型的可扩展监测。

The Cost of Replicability in Active Learning

主动学习中可重复性的成本

Rupkatha Hira, Dominik Kau, Jessica Sorrell

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Penn Institute for Computational Science（宾夕法尼亚大学计算科学研究所） 纠错

AI总结 本文研究了主动学习中可重复性带来的样本复杂性增加，提出两种可重复的主动学习算法，在保证一致性的同时实现标签节省。

Journal ref Transactions on Machine Learning Research, 2026

Instructional Text Across Disciplines: A Survey of Representations, Downstream Tasks, and Open Challenges Toward Capable AI Agents

跨学科指令文本：对表示、下游任务和有能力AI代理的综述

Abdulfattah Safa, Tamta Kapanadze, Arda Uzunoğlu, Gözde Gül Şahin

机构 * KUIS AI Lab, Koç University, Istanbul, Türkiye（KUIS AI实验室，科克大学，伊斯坦布尔，土耳其） ； Koç University, Istanbul, Türkiye（科克大学，伊斯坦布尔，土耳其） ； Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学，巴尔的摩，美国） ； Friedrich-Alexander-Universität Erlangen-Nürnberg, Germany（埃尔兰根-纽伦堡弗里德里希-亚历山大大学，德国） 纠错

AI总结 本文综述了指令文本的表示方法、下游任务及挑战，旨在为AI代理提供统一视角，填补不同研究方向间的空白。

Comments Pre-CoLI print. Accepted for publication in Computational Linguistics (MIT Press). Advance online publication. March 2026

Interacting Particle Systems on Networks: joint inference of the network and the interaction kernel

网络上的粒子系统：网络和交互核的联合推断

Quanjun Lang, Xiong Wang, Fei Lu, Mauro Maggioni

机构 * Department of Mathematics, Duke University, Durham, USA（杜克大学数学系，美国达勒姆） ； School of Mathematics, Sun Yat-sen University, Guangzhou, China（中山大学数学学院，中国广州） ； Department of Mathematics, Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学数学系，美国巴尔的摩） ； Department of Applied Mathematics and Statistics, Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学应用数学与统计学系，美国巴尔的摩） 纠错

AI总结 本文研究了网络上的多智能体系统建模问题，通过联合推断网络结构和交互核来确定智能体间的交互关系与规则，提出非凸优化方法及两种算法：交替最小二乘法和运算回归交替最小二乘法，验证了其在大规模数据中的有效性。

Comments 53 pages, 17 figures

Multi-Perspective LLM Annotations for Valid Analyses in Subjective Tasks

多视角大语言模型注释用于主观任务中的有效分析

Navya Mehrotra, Adam Visokay, Kristina Gligorić

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出多视角注释方法，通过集中人力标注于LLM注释最不准确的群体，提升主观任务分析效果，同时保持覆盖范围。

GMPilot: An Expert AI Agent For FDA cGMP Compliance

GMPilot：一种用于FDA cGMP合规的专家AI代理

Xiaohan Wang, Nan Zhang, Sulene Han, Keguang Tang, Lei Xu, Zhiping Li, Xiue, Liu, Xiaomei Han

机构 * Aelion AI Inc.（Aelion AI公司） ； H&N Consulting（H&N咨询） ； Department of Medicine, Johns Hopkins University（约翰霍普金斯大学医学系） ； Gilead Sciences Inc.（吉利德科学公司） 纠错

AI总结 本文提出GMPilot，一种专为FDA cGMP合规设计的AI代理，通过RAG和ReAct框架提供实时决策支持，提升制药行业质量管理的专业性和响应速度。

Comments 14 pages, 1 figure