University of California, Berkeley（加州大学伯克利分校）

Data-Driven Influence Functions for Optimization-Based Causal Inference

数据驱动的影响函数用于基于优化的因果推断

Michael I. Jordan, Yixin Wang, Angela Zhou

机构 * Department of EECS and Statistics（电气工程与计算机科学系和统计学系） ； University of California, Berkeley（加州大学伯克利分校） ； Department of Statistics（统计学系） ； University of Michigan（密歇根大学） ； Department of Data Sciences and Operations（数据科学与运营系） ； University of Southern California, Marshall School of Business（南加州大学马歇尔商学院） 纠错

AI总结 本文研究了一种构造性算法，通过有限差分近似统计函数的Gâteaux导数，重点在于因果推断中出现的函数。研究概率分布未知但需从数据估计的情况，并探讨经验、数值和分析Gâteaux导数之间的关系。

Comments Revision

The RIGID Framework: Research-Integrated, Generative AI-Mediated Instructional Design

RIGID框架：研究集成、生成式AI介导的课程设计

Yerin Kwak, Zachary A. Pardos

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出RIGID框架，整合学习科学研究与课程设计流程，利用生成式AI实现研究与设计的系统集成，提升课程设计的实证性和情境适应性。

Self-Supervised Speech Models Encode Phonetic Context via Position-dependent Orthogonal Subspaces

自监督语音模型通过位置依赖的正交子空间编码音素上下文

Kwanghee Choi, Eunjung Yeo, Cheol Jun Cho, David R. Mortensen, David Harwath

机构 * UT Austin（德克萨斯大学奥斯汀分校） ； UC Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文研究自监督语音模型如何在单帧层面编码音素及其上下文，提出通过位置依赖的正交子空间实现音素信息的组合编码，揭示了上下文依赖表示的结构特性。

Comments Submitted to Interspeech 2026

OpenVision 3: A Family of Unified Visual Encoder for Both Understanding and Generation

OpenVision 3: 一种用于理解和生成的统一视觉编码器家族

Letian Zhang, Sucheng Ren, Yanqing Liu, Xianhang Li, Zeyu Wang, Yuyin Zhou, Huaxiu Yao, Zeyu Zheng, Weili Nie, Guilin Liu, Zhiding Yu, Cihang Xie

机构 * UC Santa Cruz（加州大学圣克ruz分校） ； JHU（约翰霍普金斯大学） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA（英伟达） 纠错

AI总结 本文提出OpenVision 3，通过统一视觉表示实现图像理解和生成。核心架构将VAE压缩的图像潜在特征输入ViT编码器，同时训练其输出以支持重建和语义学习，从而在共享潜在空间中实现良好泛化。