University of Michigan（密歇根大学安娜堡分校）

History-aware adaptive reduced-order models via incremental singular value decomposition

基于增量奇异值分解的历史感知自适应降阶模型

Amirpasha Hedayat, Ali Mohaghegh, Laura Balzano, Cheng Huang, Karthik Duraisamy

机构 * Department of Aerospace Engineering（航空航天工程系） ； University of Michigan（密歇根大学） ； University of Kansas（堪萨斯大学） ； Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） 纠错

AI总结 针对降阶模型在线动态偏离离线训练区域导致精度下降的问题，提出基于增量奇异值分解（iSVD）的投影自适应降阶框架，通过偶尔的全阶算子评估提供校正快照以在线更新基，并在三个非线性问题上验证其优于现有方法。

Comments 50 pages, 27 figures, Preprint submitted to Elsevier

KT4EQG: Personalized Exercise Question Generation via Knowledge Tracing

KT4EQG: 通过知识追踪实现个性化习题生成

Xinyi Gao, Qiucheng Wu, Lu Ding, Q. Vera Liao, Kaizhi Qian, Ying Xu, Shiyu Chang, Yang Zhang

机构 * University of California, Santa Barbara（加州大学圣巴巴拉分校） ； University of South Alabama（南方大学） ； University of Michigan（密歇根大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Harvard University（哈佛大学） 纠错

AI总结 提出KT4EQG框架，利用知识追踪模型选择最合适的概念，并训练基于LLM的题目生成器，以生成个性化习题，实验证明其有效性。

Quantifying the Reconstructability of Astrophysical Methods with Large Language Models and Information Theory: A Case Study in Spectral Reconstruction

利用大语言模型和信息论量化天体物理方法的可重建性：光谱重建的案例研究

Hsing Wen Lin, Zong-Fu Sie

机构 * Department of Physics, University of Michigan, Ann Arbor, MI 48109, USA（密歇根大学物理系） ； Michigan Institute for Data and AI in Society, University of Michigan, Ann Arbor, MI 48109, USA（密歇根大学数据与人工智能在社会中的研究所） ； Independent Researcher, Taiwan（台湾独立研究员） 纠错

AI总结 提出信息论框架，通过大语言模型生成的概率分布和香农熵、JS散度，量化文本描述对算法重建的约束力，以海王星外天体光谱重建为例，发现文本虽能明确算法结构但无法消除实现级方差，存在“熵下限”，且LLM无法推断隐性专家知识。

Comments 26 pages, 6 figures, Accepted for publication in PASP

Camellia: Benchmarking Cultural Biases in LLMs for Asian Languages

Camellia: 亚洲语言中LLMs文化偏见的基准测试

Tarek Naous, Anagha Savit, Carlos Rafael Catalan, Geyang Guo, Jaehyeok Lee, Kyungdon Lee, Lheane Marie Dizon, Mengyu Ye, Neel Kothari, Sahajpreet Singh, Sarah Masud, Tanish Patwa, Trung Thanh Tran, Zohaib Khan, Alan Ritter, Tanmoy Chakraborty, Yuki Arase, Keisuke Sakaguchi, JinYeong Bak, Wei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Samsung R&D Institute Philippines（三星菲律宾研发院） ； Sungkyunkwan University（成均馆大学） ； Tohoku University（东北大学） ； National University of Singapore（新加坡国立大学） ； University of Copenhagen（哥本哈根大学） ； University of Michigan（密歇根大学） ； Indian Institute of Technology Delhi（印度理工学院德里） ； Institute of Science Tokyo（东京科学研究院） 纠错

AI总结 提出Camellia基准，通过三个任务评估九种亚洲语言中多语言大模型对亚洲与西方文化实体的偏见，发现模型存在文化适应困难、情感关联差异及实体提取性能差距。

CANDOR: Counterfactual ANnotated DOubly Robust Off-Policy Evaluation

CANDOR: 反事实注释的双重稳健离策略评估

Aishwarya Mandyam, Shengpu Tang, Jiayu Yao, Jenna Wiens, Barbara E. Engelhardt

机构 * Stanford University（斯坦福大学） ； Emory University（埃默里大学） ； Columbia University（哥伦比亚大学） ； University of Michigan（密歇根大学） ； The Gladstone Institutes（加利福尼亚大学旧金山分校格罗斯曼研究所） 纠错

AI总结 提出基于双重稳健框架的离策略评估方法，通过仅在奖励模型组件中融入反事实注释，在理论保证和实验上优于其他策略。

Comments 11 pages, published in the conference proceedings of the Conference on Health Inference and Learning (2026)