University of California, San Diego（加州大学圣迭戈分校）

Accelerating 4D Hyperspectral Imaging through Physics-Informed Neural Representation and Adaptive Sampling

通过物理信息神经表示和自适应采样加速4D超光谱成像

Chi-Jui Ho, Harsh Bhakta, Wei Xiong, Nicholas Antipa

机构 * Dept. of Electrical and Computer Engineering, UC San Diego（加州大学圣地亚哥分校电气与计算机工程系） ； Dept. of Chemistry, UC San Diego（加州大学圣地亚哥分校化学系） ； Materials Science and Engineering Program, UC San Diego（加州大学圣地亚哥分校材料科学与工程项目） 纠错

AI总结 本文提出利用物理信息神经网络和自适应采样方法，从稀疏测量中重建高分辨率4D超光谱图像，显著减少实验时间，适用于多维光谱和超光谱成像。

Comments 18 pages, 14 figures

Depression Detection at the Point of Care: Automated Analysis of Linguistic Signals from Routine Primary Care Encounters

院内抑郁症检测：从常规初级保健会话中自动分析语言信号

Feng Chen, Manas Bedmutha, Janice Sabin, Andrea Hartzler, Nadir Weibel, Trevor Cohen

机构 * University of Washington（华盛顿大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校） 纠错

AI总结 研究通过分析初级保健会话中的语言信号，利用GPT-OSS等模型检测抑郁症，发现双人转录文本表现更优，且前128个患者词能有效检测，支持实时临床决策支持。

Think in Strokes, Not Pixels: Process-Driven Image Generation via Interleaved Reasoning

以笔触而非像素思考：通过交错推理实现过程驱动的图像生成

Lei Zhang, Junjiao Tian, Zhipeng Fan, Kunpeng Li, Jialiang Wang, Weifeng Chen, Markos Georgopoulos, Felix Juefei-Xu, Yuxiang Bao, Julian McAuley, Manling Li, Zecheng He

机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； University of California, San Diego（加州大学圣迭戈分校） ； Worcester Polytechnic Institute（伍斯特理工学院） ； Northwestern University（西北大学） 纠错

AI总结 本文提出过程驱动的图像生成方法，通过交错推理轨迹分解合成过程，通过文本规划、视觉草图、文本反思和视觉细化四个阶段，使生成过程显式、可解释且可监督。

Approximate Replicability in Learning

学习中的近似可复制性

Max Hopkins, Russell Impagliazzo, Christopher Ye

机构 * Institute for Advanced Study, Princeton（普林斯顿高等研究院） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） 纠错

AI总结 本文探讨在PAC学习中，通过三种放松的可复制性定义（点wise、近似、Semi）实现学习的可能性，提出在常数可复制性下获得接近样本最优的agnostic PAC学习器。

Comments 73 pages, 1 figure

Resistance Distance and Linearized Optimal Transport on Graphs

图上的电阻距离与线性最优传输

Sawyer Robertson, Zhengchao Wan, Alexander Cloninger

机构 * UC San Diego（加州大学圣地亚哥分校） ； University of Missouri（密苏里大学） ； Halicioğlu Data Science Institute, UC San Diego（加州大学圣地亚哥分校Halicioğlu数据科学研究所） 纠错

AI总结 研究图上概率分布间离散传输距离的线性化方法，揭示其与图结构的联系，通过伪逆图拉普拉斯矩阵的二次型定义电阻距离，并展示其几何意义与收敛性。

Comments 34 pages, 1 figure

Mixed-Initiative Context: Structuring and Managing Context for Human-AI Collaboration

混合发起式上下文：为人类-人工智能协作结构和管理上下文

Haichang Li, Qinshi Zhang, Piaohong Wang, Zhicong Lu

机构 * George Mason University（乔治梅森大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文提出混合发起式上下文，通过结构化和可操作的交互对象，动态组织协作流程中的上下文，提升人机协作效率与可控性。

Comments 19 pages, 3 figures, 1 table. Appendix on pages 13-19 (main text is self-contained)