Massachusetts Institute of Technology（麻省理工学院）

It's Complicated: On the Design and Evaluation of AI-Powered AAC Interfaces

复杂化：AI驱动的AAC界面的设计与评估

Blade Frisch, Will Wade, Dylan Gaines, Michelle Kinsella, Betts Peters, Tamara Broderick, Keith Vertanen

机构 * Michigan Technological University Houghton Michigan USA ； Smartbox Assistive Technology Ltd Bristol UK ； Kennesaw State University Marietta Georgia USA ； Oregon Health \& Science University Portland Oregon USA ； Massachusetts Institute of Technology Cambridge Massachusetts USA ； Michigan Technological University ； Smartbox Assistive Technology Ltd ； Kennesaw State University ； Oregon Health \& Science University ； Massachusetts Institute of Technology 纠错

AI总结 探讨AI增强辅助替代沟通（AAC）系统的设计复杂性，提出考虑用户交叉性细微差别的评估方法，以解决现有指标难以捕捉用户多样化需求的问题。

Comments Presented at Speech AI for All: The What, How, and Who of Measurement Workshop at the CHI Conference on Human Factors in Computing Systems, Barcelona, Spain, 2026

Cross-Lingual Exploration for Parametric Knowledge

跨语言探索参数化知识

Elisha Diskind, Itamar Trainin, Uri Shaham, Leshem Choshen, Idan Szpektor, Omri Abend

机构 * The Hebrew University of Jerusalem（海法大学） ； Google Research（谷歌研究） ； MIT, IBM-MIT Watson AI Lab（麻省理工学院与IBM-麻省理工 Watson人工智能实验室） 纠错

AI总结 本文研究通过跨语言提示策略探索大型语言模型中的隐藏事实知识，发现跨语言探索能显著提升知识迁移和事实召回，比单语言扩展更高效，并改善跨语言一致性。

Comments 29 pages, 5 figures, preprint

Data Augmentation: A Fourier Analysis Perspective

数据增强：傅里叶分析视角

Behrooz Tahmasebi, Melanie Weber, Stefanie Jegelka

机构 * Harvard John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院） ； Technical University of Munich (CIT, MCML, MDSI) and MIT Computer Science and Artificial Intelligence Laboratory (CSAIL)（慕尼黑工业大学（CIT、MCML、MDSI）和麻省理工学院计算机科学与人工智能实验室（CSAIL）） 纠错

AI总结 通过傅里叶分析和有限群表示论，研究部分数据增强能否达到与完全增强相同的统计收益，证明在广泛学习问题中部分增强可达到极小极大最优率，并给出精确不变性需要全群平均的不可行性结果。

Comments 42 pages, 1 figure. Published at COLT 2026

Journal ref Conference on Learning Theory (COLT) 2026