University of Pennsylvania（宾夕法尼亚大学）

Integrating Causal Machine Learning into Clinical Decision Support Systems: Insights from Literature and Practice

将因果机器学习整合到临床决策支持系统中：文献与实践的见解

Domenique Zipperling, Lukas Schmidt, Benedikt Hahn, Niklas Kühl, Steven Kimbrough

机构 * University of Bayreuth and Fraunhofer FIT（拜罗伊特大学和弗劳恩霍夫 FIT 研究所） ； Technical University of Munich（慕尼黑技术大学） ； Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院） 纠错

AI总结 本文探讨了如何设计基于因果机器学习的临床决策支持系统，提出八个设计需求、七个设计原则和九个实用特征，以提升临床决策协作的可信度和实用性。

Comments Accepted at the Thirty-Fourth European Conference on Information Systems (ECIS 2026), Milan, Italy

Scouting By Reward: VLM-TO-IRL-Driven Player Selection For Esports

通过奖励进行 scouting：由 VLM-TO-IRL 驱动的电子竞技玩家选拔

Qing Yan, Wenyu Yang, Yufei Wang, Wenhao Ma, Linchong Hu, Yifei Jin, Anton Dahbura

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出一种基于逆强化学习的电子竞技玩家选拔框架，通过学习专业选手的奖励函数，利用多模态双分支架构和 GAIL 目标实现玩家风格匹配评估，提升人才发现效率。

Zero-Ablation Overstates Register Content Dependence in DINO Vision Transformers

零消融高估了DINO视觉变换器中注册内容的依赖性

Felipe Parodi, Jordan Matelsky, Melanie Segado

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室） 纠错

AI总结 研究通过零消融实验发现，DINOv2+和DINOv3的注册内容对分类和分割任务至关重要，但其他替换控制方法如均值替换、噪声替换和跨图像注册洗牌能保持性能，表明注册内容并非绝对必要。

Comments 12 pages, 10 figures, to be published in CVPR 2026 HOW Vision Interpretability Workshop Proceedings

Flow with the Force Field: Learning 3D Compliant Flow Matching Policies from Force and Demonstration-Guided Simulation Data

流体与力场：从力和示范引导的仿真数据中学习3D顺应性流匹配策略

Tianyu Li, Yihan Li, Zizhe Zhang, Nadia Figueroa

机构 * GRASP Lab, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学） 纠错

AI总结 本文提出一种框架，通过单人示范生成力引导的仿真数据，结合顺应性策略提升视觉模仿学习的性能，验证了在真实机器人任务中的可靠性与适应性。

Comments Accepted to ICRA 2026

Estimating the Diameter at Breast Height of Trees in a Forest from RGB

从RGB估算森林中树木的胸径

Siming He, Zachary Osman, Fernando Cladera, Dexter Ong, Nitant Rai, Patrick Corey Green, Vijay Kumar, Pratik Chaudhari

机构 * General Robotics, Automation, Sensing and Perception (GRASP) Laboratory, University of Pennsylvania（通用机器人、自动化、传感与感知实验室，宾夕法尼亚大学） ； Department of Forest Resources and Environmental Conservation, Virginia Tech（森林资源与环境保护系，弗吉尼亚理工学院） 纠错

AI总结 本文提出一种低成本方法，利用消费级360视频相机估算树木胸径，结合SfM摄影测量和语义分割技术，实现高精度测量。