University of Michigan（密歇根大学安娜堡分校）

Dynamic Prediction of Alternating Recurrent Events via Neural Network

通过神经网络动态预测交替复发事件

Abigail Loe, Susan Murry, Zhenke Wu

机构 * Macalester College（马卡莱斯特学院） ； University of Michigan（密歇根大学） 纠错

AI总结 提出基于神经网络和逆概率加权伪观测的动态预测框架，用于预测交替复发事件，在模拟和医学住院医师情绪低落预测中表现良好。

Revising RVL-CDIP: Quantifying Errors and Test-Train Overlap

修订RVL-CDIP：量化错误与测试-训练重叠

Stefan Larson, Attila Nagy, Sam Desai, Cyrus Desai, Nicole C. Lima, Yixin Yuan, Siddharth Betala, Kaushal K. Prajapati, Jamiu T. Suleiman, Sharad Duwal, Kevin Leach

机构 * Vanderbilt University（范德堡大学） ； ML Collective ； University of Michigan（密歇根大学） ； IIT Madras（印度理工学院马德拉斯分校） 纠错

AI总结 针对RVL-CDIP数据集中的标签错误（12%）和测试-训练重叠（35%）问题，通过修正错误和去除重叠，评估对文档分类性能的影响，发现修正错误提升准确率，而去除重叠降低准确率，但修正错误显著提升OOD泛化能力。

Comments DocEng 2026

Wait, am I Being Fair? Characterizing Deductive Stereotyping and Mitigating It with Fair-GCG

等等，我公平吗？刻画演绎刻板印象并用 Fair-GCG 缓解它

Naihao Deng, Yilun Zhu, Joan Nwatu, Clayton Scott, Rada Mihalcea

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文识别出大语言模型中的演绎刻板印象失败模式，提供统计解释，并提出推理时注入框架 Fair-GCG 以发现有效短语，提升多个公平性基准的性能。