University of Michigan（密歇根大学安娜堡分校）

Stochastic Emulation using Generalized Stratified Sampling for Performance-Based Risk Optimization of Structures

基于广义分层抽样的随机仿真在结构性能导向风险优化中的应用

Isabela D. Rodrigues, Seymour M. J. Spence, Henrique M. Kroetz, André T. Beck

机构 * University of São Paulo（圣保罗大学） ； University of Michigan（密歇根大学） ； Federal University of Paraná（巴拉那联邦大学） 纠错

AI总结 本研究提出结合广义分层抽样（GSS）与随机多项式混沌展开（SPCE）的框架，用于结构性能导向风险优化，可准确估算结构响应分布尾部并减少非线性模型评估次数。

Physics-Informed Machine Learning for Pouch Cell Temperature Estimation

基于物理的机器学习用于袋状电池温度估计

Zheng Liu

机构 * Department of Industrial and Manufacturing Systems Engineering（工业与制造系统工程系） ； University of Michigan-Dearborn（密歇根大学迪尔伯恩分校） ； Dearborn, USA（美国迪尔伯恩） 纠错

AI总结 本文提出一种融合热传递方程的机器学习框架，用于高效准确估计电池稳态温度分布，实验显示其在收敛速度和精度上优于传统数据驱动方法。

Comments 4 pages, 2 figures

Energy-Tweedie: Score meets Score, Energy meets Energy

能量- Tweedie：分数与分数，能量与能量

Andrej Leban

机构 * Department of Statistics, University of Michigan（统计学系，密歇根大学） 纠错

AI总结 本文提出能量- Tweedie方法，通过推导能量分数与噪声边缘分数的关系，扩展了Tweedie公式，用于改进去噪和分数估计。

Comments 54 pages, 17 figures

Benchmarking and Improving LLM Robustness for Personalized Generation

Chimaobi Okite, Naihao Deng, Kiran Bodipati, Huaidian Hou, Joyce Chai, Rada Mihalcea

机构 * University of Michigan（密歇根大学） 纠错

Comments First draft. First camera-ready version

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, 2025

LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content

LiveXiv —— 基于 arXiv 论文内容的多模态实时基准测试集

Nimrod Shabtay, Felipe Maia Polo, Sivan Doveh, Wei Lin, M. Jehanzeb Mirza, Leshem Choshen, Mikhail Yurochkin, Yuekai Sun, Assaf Arbelle, Leonid Karlinsky, Raja Giryes

机构 * Faculty of Engineering Tel-Aviv University（特拉维夫大学工程学院） ； IBM Research（IBM研究院） ； Department of Statistics, University of Michigan（密歇根大学统计学系） ； JKU Linz, Austria（林茨大学，奥地利） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MIT-IBM（麻省理工学院-IBM） 纠错

AI总结 针对多模态模型训练中测试数据污染问题，提出基于 arXiv 论文的 LiveXiv 实时基准，自动生成 VQA 对，用部分模型评估降低成本，验证了其性能差异极小，数据集已在 HuggingFace 公开。