University of Michigan（密歇根大学安娜堡分校）

Inside the Unfair Judge: A Mechanistic Interpretability Account of LLM-as-Judge Bias

剖析不公平的评判者：基于大语言模型作为评判者的偏差的机械可解释性分析

Zixiang Xu, Sixian Li, Huaxing Liu, Xiang Wang, Shuai Li, Zirui Song, Xiuying Chen

机构 * AMAP, Alibaba Group（阿里巴巴集团AMAP实验室） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Southern California（南加州大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 研究大语言模型作为评判者的偏差，提出偏差在隐藏状态有表示层面解释。通过七位评判者等实验发现，偏差输入沿特定子空间移动，操纵隐藏状态可控制评分，线性投影能预测评判失败，统一多方面内容。

Comments 58 pages, 13 figures, 30 tables; project page: https://xzx34.github.io/unfair-judge/

MET: Theory-Grounded and Culture-Aware Multilingual Moral Reasoning

MET：基于理论和文化感知的多语言道德推理

Ayoung Lee, Ryan Kwon, Yunxiang Zhang, Yuxuan Liu, Peter Railton, Lu Wang

机构 * University of Michigan（密歇根大学） 纠错

AI总结 研究针对语言模型用于跨语言文化道德决策时存在的多语言性忽视问题，提出MET两步提示法及MET-D自我蒸馏训练，引入MCLASH基准，实验表明MET-D提升模型性能，揭示不同文化有益依据差异，为多语言道德推理开辟道路。

Comments Published as a conference paper at COLM 2026

Adapting Evidential Neural Networks to Test-Time Neighbor Fusion Improves Molecular Property Prediction

使证据神经网络适应测试时的邻居融合可改善分子性质预测

Cameron Gruich, Weichi Yao, Yixin Wang, Bryan Goldsmith

机构 * Department of Chemical Engineering, University of Michigan（美国密歇根大学化学工程系） ； Michigan Institute for Data & AI in Society, University of Michigan（美国密歇根大学数据与社会人工智能研究所） ； Department of Statistics, University of Michigan（美国密歇根大学统计系） 纠错

AI总结 研究如何利用证据神经网络在测试时通过邻居融合优化分子性质预测，提出PG-EVIKAL方法，学习性质距离度量重排邻居，经实验验证该方法能降低RMSE、改善校准，还能在连续测定场景中优化预测，证明证据不确定性分解可用于测试时分子性质预测优化。

Comments 45 pages (18 main, 27 SI); 11 figures (7 main, 4 SI); 14 tables (0 main, 14 SI); 61 equations (15 main, 46 SI)

Imaging-101: Benchmarking LLM Coding Agents on Scientific Computational Imaging

成像101：在科学计算成像上对大语言模型编码智能体进行基准测试

Siyi Chen, Jiahe Ying, Yixuan Jia, Yuxuan Gu, Enze Ye, Weimin Bai, Zhijun Zeng, Shaochi Ren, Binhong Gao, Yubing Li, Tianhan Zhang, He Sun

机构 * College of Future Technology and the National Biomedical Imaging Center, Peking University（北京大学未来技术学院和国家生物医学成像中心） ； AI for Science Institute (AISI)（科学人工智能研究所） ； University of Michigan（密歇根大学） ； State Key Laboratory of Acoustics and Marine Information, Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所声场声信息国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Astronautics, Beihang University（北京航空航天大学宇航学院） ； Key Laboratory of Spacecraft Design Optimization and Dynamic Simulation Technologies, Ministry of Education（教育部航天器设计优化与动态仿真技术重点实验室） 纠错

AI总结 研究针对计算成像构建正确重建管道费力的问题，引入含57个任务的Imaging-101基准及三个评估轨道，评估七个前沿大语言模型，发现应用编码智能体于计算成像存在系统性挑战，指出技能增强、领域专业化智能体是可靠成像辅助的途径。

Neural Posterior Estimation for Inferring Weak Lensing Shear

用于推断弱引力透镜切变的神经后验估计

Tim White, Dingrui Tao, Camille Avestruz, Jeffrey Regier, the LSST Dark Energy Science Collaboration

机构 * Department of Statistics, University of Michigan（密歇根大学统计学系） ； Department of Physics, University of Michigan（密歇根大学物理学系） 纠错

AI总结 研究提出用神经后验估计（NPE）推断弱引力透镜切变，训练深度神经网络将模拟多波段图像映射到切变场变分分布，整合多步骤为隐式推理，实验表明在复杂观测效应下NPE能产生准确校准的后验近似，是可行的切变估计方法。

Comments 17 pages, 10 figures, 3 tables