Missingness Bias Calibration in Feature Attribution Explanations
特征归因解释中的缺失偏置校准
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出MCal方法，通过轻量级后处理修正特征重要性评分中的缺失偏置，效果优于传统重训练方法。
高校专区
University of Pennsylvania（宾夕法尼亚大学）
Detecting AI-Generated Content in Academic Peer Reviews
在学术同行评审中检测人工智能生成内容
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Children’s Hospital of Philadelphia（费城儿童医院）
AI总结 研究通过检测模型分析ICLR和Nature Communications同行评审中AI生成内容的时间演变，发现2022年后AI生成内容显著增加，2025年ICLR和NC分别有20%和12%的评审被归类为AI生成。
The Cost of Replicability in Active Learning
主动学习中可重复性的成本
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Penn Institute for Computational Science（宾夕法尼亚大学计算科学研究所）
AI总结 本文研究了主动学习中可重复性带来的样本复杂性增加，提出两种可重复的主动学习算法，在保证一致性的同时实现标签节省。
Journal ref Transactions on Machine Learning Research, 2026
Respiratory Status Detection with Video Transformers
通过视频变换器检测呼吸状态
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Washington（华盛顿大学）
AI总结 本文研究了视频变换器在检测呼吸窘迫中的应用，通过构建标注数据集验证了ViViT结合LieRE和Motion Guided Masking的方法在呼吸状态识别中的有效性。
MERIT: Multi-domain Efficient RAW Image Translation
MERIT: 多领域高效RAW图像翻译
机构 * University of California, Irvine（加州大学尔湾分校） ； University of Pennsylvania（宾夕法尼亚大学） ； Purdue University Northwest（普渡大学西北分校） ； The University of Tokyo（东京大学）
AI总结 MERIT提出首个统一多领域RAW图像翻译框架，通过单模型实现跨任意相机域的翻译，引入传感器感知噪声建模损失和条件多尺度大核注意力模块，结合MDRAW数据集验证其在质量和可扩展性上的优势。
Neural collapse in the orthoplex regime
在正八面体 regime 中的神经坍缩
机构 * Department of Mathematics, University of Southern California（南加州大学数学系） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Mathematics, The Ohio State University（俄亥俄州立大学数学系） ； Translational Data Analytics Institute, The Ohio State University（俄亥俄州立大学转化数据分析研究所） ； Department of Mathematics, University of Maryland（马里兰大学数学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系）
AI总结 研究在正八面体 regime 中神经网络特征向量的几何特性，利用Radon定理和凸性分析不同场景下的坍缩现象。
CAMEL: An ECG Language Model for Forecasting Cardiac Events
CAMEL：一种用于预测心脏事件的ECG语言模型
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 CAMEL是首个能处理长信号的ECG语言模型，通过专门的编码器实现ECG与文本的跨理解，展示了在六个任务和九个数据集上的强大零样本性能，包括新提出的ECGForecastBench基准测试。
Comments 24 pages, 6 figures
Different Demographic Cues Yield Inconsistent Conclusions About LLM Personalization and Bias
不同的人口统计线索导致对LLM个性化和偏见的结论不一致
机构 * World Bank（世界银行） ； University of Oxford（牛津大学） ； New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） ； LMU Munich（慕尼黑大学） ； Allen Institute for AI（人工智能研究院）
AI总结 研究通过1480万个提示测试了人口统计线索对LLM响应的影响，发现同一群体的不同线索导致响应变化不一致，偏见结论不稳定，揭示了身份线索与语言信号的关系。
Viability-Preserving Passive Torque Control
保持可行性被动扭矩控制
机构 * University of Pennsylvania（宾夕法尼亚大学） ； UIUC（伊利诺伊大学香槟分校）
AI总结 本文利用可行性理论预计算关节位置和速度的状态空间安全集，通过数据驱动和分析方法避免自碰撞和外部物体碰撞，约束关节加速度从而限制扭矩，通过二次规划框架确保机器人状态在无限时间范围内保持安全。
Comments 8 pages, 7 figures, Project Website: https://vpp-tc.github.io/webpage/
