Hidden-State Privacy Has an Empty Middle
隐藏状态隐私存在空中间
机构 * Stanford University（斯坦福大学）
AI总结 通过理论下界和实验证明，高斯释放机制在隐藏状态隐私中无法同时实现中等效用和隐私，存在空中间区域，并提出了对角逆Fisher机制作为最优解。
Comments 74 pages, 61 figures
高校专区
Stanford University（斯坦福大学）
Planning with the Views
通过场景自我探索进行视图规划
机构 * Northwestern University（西北大学） ； University of Washington（华盛顿大学） ； Microsoft（微软） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 提出ViewSuite基准测试揭示VLM在多步视图规划中的不足，并设计迭代框架通过自我探索和视图图蒸馏将Qwen2.5-VL-7B的交互式视图规划准确率从2.5%提升至47.8%。
TRACE: Capability-Targeted Agentic Training
TRACE: 面向能力的代理训练
机构 * Stanford University（斯坦福大学）
AI总结 TRACE通过对比成功与失败轨迹自动识别能力缺失，合成针对性训练环境并利用RL训练适配器，提升代理在不同环境中的表现。
Prior Diffusiveness and Regret in the Linear-Gaussian Bandit
线性高斯带中先验扩散性与遗憾值
机构 * Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系）
AI总结 研究线性高斯带中汤普森采样的贝叶斯遗憾值，通过新引理证明其遗憾值表达式，表明先验相关‘预热’项与极小极大遗憾值可加性解耦，还给出下限说明‘预热’项不可避免。
Atlas is Your Perfect Context: One-Shot Customization for Generalizable Foundational Medical Image Segmentation
图谱是理想上下文：用于可泛化基础医学图像分割的一次性定制
机构 * Nanjing University（南京大学） ； The Ohio State University（俄亥俄州立大学） ； Stanford University（斯坦福大学）
AI总结 研究医学图像中解剖结构分割问题，提出图谱引导框架AtlasSegFM，通过图谱查询配准生成提示，用冻结基础模型细化分割，经自适应融合模块结合图谱先验与模型输入及预测，实现一次性定制。
Comments ECCV 2026
Adaptive Partitioning and Learning for Stochastic Control of Diffusion Processes
用于扩散过程随机控制的自适应划分与学习
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 研究无界连续状态空间等设定下扩散过程的强化学习，引入基于模型算法自适应划分联合状态-动作空间，平衡探索与近似，分析得出依赖多因素的遗憾界并验证方法有效性。
LLMs Encode Harmfulness and Refusal Separately
大语言模型分别编码有害性和拒绝性
机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学）
AI总结 研究大语言模型对有害性的理解，发现其有害性和拒绝性在模型内分别编码，有害性方向与拒绝方向不同，据此揭示越狱方法原理及对抗微调影响，提出潜在危害表示的安全应用。
MAD-PINN: A Decentralized Physics-Informed Machine Learning Framework for Safe and Optimal Multi-Agent Control
MAD-PINN：一种用于安全和最优多智能体控制的分散式物理信息机器学习框架
机构 * Center for Cyber-Physical Systems, Indian Institute of Science（印度科学研究院中心 for 联合体系统） ； Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空与航天工程系）
AI总结 针对大规模多智能体系统安全与性能协同优化难题，提出MAD-PINN框架。利用基于上图的公式化方法，通过物理信息神经网络近似求解，采用分散训练与执行策略，实验表明其性能优越且具可扩展性。
Comments 9 Pages, 4 Figures, 4 Tables. First two authors have contributed equally
Interactive Multi-Objective Probabilistic Preference Learning with Soft and Hard Bounds
具有软约束和硬约束的交互式多目标概率偏好学习
机构 * Department of Computer Science（计算机科学系） ； Stanford University（斯坦福大学）
AI总结 研究高风险决策中多目标平衡问题，提出Active-MoSH框架，其局部组件结合概率偏好学习与主动采样，全局组件利用多目标敏感性分析，提升决策信心，通过实验验证其性能优势。
Comments 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026)
MambaCapsule: Towards Transparent Cardiac Disease Diagnosis with Electrocardiography Using Mamba Capsule Network
MambaCapsule：使用Mamba胶囊网络实现基于心电图的透明心脏病诊断
机构 * State Key Laboratory of Transvascular Implantation Devices and TIDRI, Zhejiang University（浙江大学血管介入关键实验室及TIDRI） ； School of Public Health, Zhejiang University and Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江大学公共卫生学院及浙江省医学影像人工智能重点实验室） ； State Key Laboratory of Transvascular Implantation Devices of The Second Affiliated Hospital and Liangzhu Laboratory, Zhejiang University（浙江大学第二附属医院血管介入关键实验室及梁渚实验室） ； Department of Gastroenterology, First Hospital of Quanzhou Affiliated to Fujian Medical University（福建医科大学泉州第一医院消化内科） ； School of Medicine, Stanford University（斯坦福大学医学院）
AI总结 研究针对心律失常诊断模型缺乏透明度问题，提出MambaCapsule网络，用Mamba提取特征、胶囊网络预测，通过重构心电图信号增强可解释性，在数据集上取得高准确率。
Double Fuzzy Probabilistic Interval Linguistic Term Set and a Dynamic Fuzzy Decision Making Model based on Markov Process with tts Application in Multiple Criteria Group Decision Making
双模糊概率区间语言术语集及基于马尔可夫过程的动态模糊决策模型在多准则群体决策中的应用
机构 * Stanford University（斯坦福大学）
AI总结 针对概率语言术语缺陷及动态属性权重确定难问题，提出双模糊概率区间语言术语集概念，定义相关内容，开发模糊语言马尔可夫矩阵等，给出权重确定方法，并用金融风险投资案例说明其在多准则决策中的应用。
Comments submitted to IEEE Transactions on Fuzzy Systems
