Princeton University（普林斯顿大学）

Reactive Writers: How Co-Writing with AI Changes How We Engage with Ideas

反应性写作：与AI共写如何改变我们对想法的参与方式

Advait Bhat, Marianne Aubin Le Quéré, Mor Naaman, Maurice Jakesch

机构 * Paul G. Allen School of Computer Science, University of Washington（保罗·G·艾伦计算机科学学院，华盛顿大学） ； Center for Information Technology Policy, Princeton University（信息科技政策中心，普林斯顿大学） ； Cornell Tech（康奈尔科技） ； Bauhaus University（包豪斯大学） 纠错

AI总结 本文研究了与AI共写如何改变写作过程，发现反应性写作是一种以评估优先、建议引导的写作方式，作者在过程中未察觉AI影响，但容易受AI偏见影响。

Comments 21 pages, 8 figures, CHI 2026 : ACM CHI Conference on Human Factors in Computing Systems

World Models That Know When They Don't Know - Controllable Video Generation with Calibrated Uncertainty

能识别不确定性的世界模型 - 可控视频生成中的校准不确定性

Zhiting Mei, Tenny Yin, Micah Baker, Ola Shorinwa, Anirudha Majumdar

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 提出C3方法，通过校准不确定性量化提升可控视频生成的可靠性与可信度。

Communication-Efficient Multimodal Federated Learning: Joint Modality and Client Selection

高效多模态联邦学习：联合模态与客户端选择

Liangqi Yuan, Dong-Jun Han, Su Wang, Devesh Upadhyay, Christopher G. Brinton

机构 * School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院） ； Department of Computer Science and Engineering, Yonsei University（延世大学计算机科学与工程系） ； School of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程学院） ； Saab Inc.（Saab公司） 纠错

AI总结 本文提出MFedMC框架，通过解耦架构和联合选择算法，实现高效多模态联邦学习，减少通信开销并提升模型泛化能力。

Comments arXiv admin note: text overlap with arXiv:2310.07048