University of California, Los Angeles（加州大学洛杉矶分校）

MIDAS Hand: Modular low-Impedance Direct-drive Anthropomorphic Sensing Hand

MIDAS手：模块化低阻抗直接驱动拟人传感手

Alvin Zhu, Mingzhang Zhu, Beom Jun Kim, Quanyou Wang, Jose Victor S. H. Ramos, Dennis Hong

机构 * UCLA（加州大学洛杉矶分校） 纠错

AI总结 针对灵巧操作受手部硬件限制的问题，提出低成本开源的MIDAS手，有16个自由度，直接驱动且回驱扭矩低，集成触觉传感，发布完整堆栈，经多种测试分析，为触觉灵巧操作和人机数据收集提供平衡可重复平台。

MonteRET: AI Agent Enhancing Multimodal LLMs with Multi-granularity Knowledge Retrieval for Chest CT Report Generation

MonteRET：通过多粒度知识检索增强多模态大语言模型以生成胸部CT报告的人工智能代理

Yi Lin, Yihao Ding, Elana Benishay, Elefterios Trikantzopoulos, David Nauheim, Hanley Ong, Jiang Bian, Hua Xu, Yuzhe Yang, George Shih, Yifan Peng

机构 * Weill Cornell Medicine（威尔康乃尔医学院） ； University of Western Australia（西澳大利亚大学） ； Indiana University（印第安纳大学） ； Regenstrief Institute（瑞根斯特里夫研究所） ； Yale University（耶鲁大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 研究针对自动生成胸部CT报告的挑战，提出MonteRET框架，它整合多种特征，通过知识检索和报告重写代理完善报告。经训练和评估，该框架在多方面提升了报告质量，相比其他方法有显著优势，获放射科住院医师青睐。

Automatic Hard Example Synthesis with Multi-Level Agentic Data Curation

基于多级智能数据管理的自动硬示例合成

Genglin Liu, Muye Zhang, Krishnamurthy Viswanathan, Nichole J. Hansen, Blaž Bratanič, Nathan L Clement, Shalini Ghosh, Ariel Fuxman

机构 * UCLA（加州大学洛杉矶分校） ； Google（谷歌） 纠错

AI总结 研究多模态大语言模型在内容安全审核任务中易受攻击的问题，提出自动智能红队框架，利用多智能体架构合成对抗示例，无需人工干预，提高模型鲁棒性，降低公共图像安全基准中的误报率。

Comments 23 pages; work in progress

Delocalization of bias in unadjusted Hamiltonian Monte Carlo and underdamped Langevin

无调整哈密顿蒙特卡罗和欠阻尼朗之万中偏差的离域化

Yifan Chen, Xiaoou Cheng, Jonathan Niles-Weed, Jonathan Weare

机构 * Department of Mathematics, University of California, Los Angeles, CA 90095, USA（加州大学洛杉矶分校数学系） ； Courant Institute, New York University, NY 10012, USA（纽约大学Courant研究所） 纠错

AI总结 研究将偏差离域化现象从过阻尼朗之万算法扩展到无调整哈密顿蒙特卡罗和欠阻尼朗之万算法，表明在特定假设下控制高维分布K维边际偏差\(O(\sqrt{K})\)积分步即可，用矩阵多项式框架解决离散时间积分器技术难题。