Johns Hopkins University（约翰斯·霍普金斯大学）

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。

Thresholded Local Hyper-Flow Diffusion

阈值化局部超流扩散

Meher Chaitanya, Sebastian Dalleiger, Luana Ruiz

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 提出TL-HFD算法，通过局部活动区域和阈值化边界激活实现超图种子聚类的局部扩散，保证与全局更新等价并给出有限时间对偶次优性界。

Online Learning with Recency: Algorithms for Sliding-window Streaming Multi-armed Bandits

在线学习中的近因效应：滑动窗口流式多臂老虎机算法

Vladimir Braverman, Chen Wang, Liudeng Wang, Samson Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Texas A&M University（德克萨斯农工大学） 纠错

AI总结 针对在线学习中的近因效应，研究单遍滑动窗口流式多臂老虎机问题，提出纯探索和遗憾最小化算法，并给出记忆-遗憾权衡。

Comments ICML 2026

Testing the Black Box: Structural Barriers to Independent Evaluation of Consumer-Facing Health LLMs

测试黑箱：面向消费者的健康大语言模型独立评估的结构性障碍

Rahul Gorijavolu, Kaushik Madapati, Pritika Vig, Rawan Abulibdeh, Nikhil Jaiswal, Mahri Kadyrova, Zeamanuel Hailu Tesfaye, Charles Senteio, Paula Maurutto, Leo Anthony Celi

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Berkeley（加州大学伯克利分校） ； Toronto General Hospital, University Health Network（多伦多综合医院，大学健康网络） ； McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） ； Independent Researcher（独立研究者） ； Rutgers University（罗格斯大学） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院） 纠错

AI总结 本研究通过模拟用户档案，测试面向消费者的健康大语言模型在响应变异和谄媚行为方面的表现，发现五大结构性障碍阻碍独立评估。

Comments 6 pages, 1 figure. Preprint submitted for review

C3VD-DEFCOL: A Deformable Colonoscopy Dataset with Time-Resolved 3D Ground Truth and Realistic Appearance

C3VD-DEFCOL：具有时间分辨三维真实地面真值和逼真外观的可变形结肠镜数据集

Ethan Luk, Mayank V. Golhar, Anthony Song, Raúl Iranzo, Víctor M. Batlle, Lalithkumar Seenivasan, José M. M. Montiel, Nicholas J. Durr

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Universidad de Zaragoza（萨拉戈萨大学） 纠错

AI总结 提出C3VD-DEFCOL框架和数据集，通过模拟蠕动变形和真实纹理渲染，为可变形结肠镜三维重建提供带时间分辨地面真值的评估平台。

Agentopia: Long-Term Life Simulation and Learning in Agent Societies

Agentopia: 智能体社会中的长期生活模拟与学习

Xintao Wang, Sirui Zheng, Hongqiu Wu, Weiyuan Li, Jen-tse Huang, Minghao Zhu, Can Zu, Qi Deng, Jiawei Wang, Qianyu He, Heng Wang, Xiaojian Wu, Yunzhe Tao

机构 * Fudan University（复旦大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 提出Agentopia框架，模拟100个智能体在10年内的社会生活，通过生命奖励训练LLM，提升其社交智能，并在角色扮演基准上取得15.6%的提升。

Comments 79 pages, 19 figures

PromptPrint: Behavioral Biometrics Through Natural Language Prompting in LLMs

PromptPrint: 通过自然语言提示在LLMs中的行为生物特征

Shaiv Patel, Kartik Narayan, Vishal Patel

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

AI总结 提出PromptPrint，研究用户与LLM交互的简短提示是否包含可识别的行为生物特征，通过词汇、句法和话语模式分析，发现词汇稳定性假设成立，但存在唯一性-一致性悖论，且身份信号对语义改写脆弱。

Comments 10 pages, 6 figures