University of Pennsylvania（宾夕法尼亚大学）

Hierarchical Concept Embedding & Pursuit for Interpretable Image Classification

层次化概念嵌入与追求用于可解释的图像分类

Nghia Nguyen, Tianjiao Ding, René Vidal

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出HCEP框架，通过在潜在空间中诱导概念嵌入的层次结构，利用层次稀疏编码恢复图像中的概念，提升分类可解释性与精度。

Comments To be published in Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Statistical Inference for Explainable Boosting Machines

可解释提升机的统计推断

Haimo Fang, Kevin Tan, Jonathan Pipping-Gamon, Giles Hooker

机构 * School of Economics, Fudan University（复旦大学经济学院） ； Department of Statistics and Data Science, The Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院统计与数据科学系） 纠错

AI总结 本文提出利用梯度提升的统计推断方法，通过移动平均替代树的求和（Boulevard正则化），使提升过程收敛于特征核岭回归，实现渐近正态预测并达到最小最大最优MSE，同时构建预测区间和置信区间，提升EBM的可解释性。

Comments Accepted to AISTATS 2026 (poster)

Follow Your Heart: Landmark-Guided Transducer Pose Scoring for Point-of-Care Echocardiography

跟随你的内心：面向点即护理超声的标志引导换能器姿态评分

Zaiyang Guo, Jessie N. Dong, Filippos Bellos, Jilei Hao, Emily J. MacKay, Trevor Chan, Shir Goldfinger, Sethu Reddy, Steven Vance, Jason J. Corso, Alison M. Pouch

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） ； Central Michigan University（中密歇根大学） 纠错

AI总结 本文提出一种多任务网络，通过换能器姿态评分模块和不确定性强的左室标志检测器，自动估计左室射血分数，无需复杂设备即可指导A4CH视图获取。

Comments Accepted for oral presentation at the International Symposium on Biomedical Imaging 2026

Autonomous Agent-Orchestrated Digital Twins (AADT): Leveraging the OpenClaw Framework for State Synchronization in Rare Genetic Disorders

自主代理协调数字孪生（AADT）：利用OpenClaw框架实现罕见遗传病中的状态同步

Hongzhuo Chen, Zhanliang Wang, Quan M. Nguyen, Gongbo Zhang, Chunhua Weng, Kai Wang

机构 * Raymond G. Perelman Center for Cellular and Molecular Therapeutics, Children's Hospital of Philadelphia（费城儿童医院雷蒙德·G·佩雷尔曼细胞与分子治疗中心） ； Applied Mathematics and Computational Science Graduate Program, University of Pennsylvania（宾夕法尼亚大学应用数学与计算科学研究生项目） ； Bioengineering Graduate Program, University of Pennsylvania（宾夕法尼亚大学生物工程研究生项目） ； Department of Biomedical Informatics, Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心生物医学信息学系） ； Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院病理学与实验医学系） 纠错

AI总结 本文提出基于OpenClaw框架的自主代理协调数字孪生框架，通过持续监控数据流和自动化工作流，实现医疗数字孪生状态与纵向表型更新和进化基因组知识的同步，提升罕见病诊断和疾病进展建模的准确性。

Uncertainty quantification in neural network-based glucose prediction for diabetes

基于神经网络的糖尿病血糖预测中的不确定性量化

Hai Siong Tan, Rafe McBeth

机构 * Gryphon Center for A.I. and Theoretical Sciences（格里芬人工智能与理论科学中心） ； University of Pennsylvania, Perelman School of Medicine（宾夕法尼亚大学佩雷尔曼医学院） 纠错

AI总结 本文研究了用于1型糖尿病血糖预测和不良血糖事件识别的不确定性感知神经网络模型，通过LSTM、GRU和Transformer架构的三种序列模型，结合蒙特卡洛dropout或证据输出层进行不确定性量化，发现基于Transformer的模型在预测准确性和不确定性校准方面表现最佳。

Comments 20 pages, 7 figures; v2: minor revisions with PR-AUC curves included in result analysis. Code available at https://github.com/HaiSiong-Tan/Uncertainty_aware_glucose_prediction

M4Human: A Large-Scale Multimodal mmWave Radar Benchmark for Human Mesh Reconstruction

M4Human: 一种大规模多模态毫米波雷达基准用于人体网格重建

Junqiao Fan, Yunjiao Zhou, Yizhuo Yang, Xinyuan Cui, Jiarui Zhang, Lihua Xie, Jianfei Yang, Chris Xiaoxuan Lu, Fangqiang Ding

机构 * NTU（南洋理工大学） ； University of Edinburgh（爱丁堡大学） ； UPenn（宾夕法尼亚大学） ； UCL（伦敦大学学院） ； MIT（麻省理工学院） 纠错

AI总结 本文提出M4Human，首个大规模多模态毫米波雷达基准，提供高分辨率雷达、RGB和深度数据，用于解决传统视觉传感的遮挡、光照和隐私问题，推动人体建模研究。

Can AI be a Teaching Partner? Evaluating ChatGPT, Gemini, and DeepSeek across Three Teaching Strategies

AI能否成为教学伙伴？评估ChatGPT、Gemini和DeepSeek在三种教学策略中的表现

Talita de Paula Cypriano de Souza, Shruti Mehta, Matheus Arataque Uema, Luciano Bernardes de Paula, Seiji Isotani

机构 * Federal Institute of São Paulo (IFSP)（圣保罗联邦学院） ； Graduate School of Education of University of Pennsylvania (UPENN)（宾夕法尼亚大学教育研究生院） ； Institute of Mathematics and Computer Sciences of University of São Paulo (USP)（圣保罗大学数学与计算机科学研究所） ； Nucleus of Excellence in Social Technologies (NEES) of Federal University of Alagoas (UFAL)（阿拉戈斯联邦大学社会技术卓越中心） 纠错

AI总结 本文评估了ChatGPT、Gemini和DeepSeek在示例、解释与类比及苏格拉底方法三种教学策略中的表现，发现模型在前两种策略中表现相似，但在苏格拉底方法中表现差异显著，ChatGPT和Gemini得分较高，而DeepSeek得分较低。