University of Pennsylvania（宾夕法尼亚大学）

SIMAX: A Scalable and Interpretable Framework for Multi-Fidelity and Annotated Clinician-Patient Dialogue Simulation

SIMAX: 一种可扩展且可解释的多保真度标注医患对话模拟框架

Zhuhan Bao, Rui Yang, Bohao Yang, Zhiyi Liu, Sicheng Shu, Ruio Heerschap, Le Li, Doris Yang, Elisabeth Bond, Haoyuan Wang, Nicoleta Economou-Zavlanos, Joshua M. Biro, Matthew McDermott, Nan Liu, Anand Chowdhury, Kai Sun, Kathryn Pollak, Ed Hammond, Chuan Hong

机构 * Department of Biostatistics and Bioinformatics, Duke University School of Medicine（杜克大学医学学院生物统计学与生物信息学系） ； Duke-NUS AI + Medical Sciences Initiative, Duke-NUS Medical School（杜克-新加坡国立大学医学科学院AI+医学科学计划） ； Centre for Biomedical Data Science, Duke-NUS Medical School（杜克-新加坡国立大学医学学院生物医学数据科学中心） ； Department of Statistical Science, Duke University（杜克大学统计科学系） ； Leiden University Medical Centre（莱顿大学医学中心） ； Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） ； Department of Internal Medicine, Yale School of Medicine（耶鲁医学院内科学系） ； Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩尔曼医学院生物统计学、流行病学与信息学系） ； The Graduate Group in Applied Mathematics and Computational Science, School of Arts and Sciences, University of Pennsylvania（宾夕法尼亚大学艺术与科学学院应用数学与计算科学联合组） ； Medstar Health National Center for Human Factors in Healthcare, Washington, DC, USA（Medstar健康国家人因工程中心，华盛顿特区，美国） ； Department of Biomedical Informatics, Columbia University（哥伦比亚大学生物医学信息学系） ； Cancer Prevention and Control, Duke Cancer Institute, Durham, NC, USA（杜克癌症研究所癌症预防与控制部，达勒姆，北卡罗来纳州，美国） ； Department of Population Health Sciences, Duke University School of Medicine（杜克大学医学学院流行病学与公共卫生系） ； Division of Rheumatology and Immunology, Duke University School of Medicine（杜克大学医学学院风湿病学与免疫学系） ； Pre-hospital and Emergency Research Centre, Health Services Research and Population Health, Duke-NUS Medical School（杜克-新加坡国立大学医学学院院前急救与应急研究中心，健康服务研究与人口健康） ； NUS Artificial Intelligence Institute, National University of Singapore（新加坡国立大学人工智能研究所） ； Division of Pulmonary, Allergy and Critical Care Medicine, Duke University School of Medicine（杜克大学医学学院呼吸科、过敏科与危重医学系） ； Duke Center for Health Informatics, Duke University（杜克大学健康信息学中心） ； Duke Clinical Research Institute, Durham, NC, USA（杜克临床研究中心，达勒姆，北卡罗来纳州，美国） 纠错

AI总结 提出SIMAX框架，通过预定义场景、角色和沟通行为生成可控医患对话，自动评估显示语音自然度和转录保真度良好，可用于开发和验证沟通编码系统。

Self-Play Reinforcement Learning under Imperfect Information in Big 2

大二（Big 2）中不完全信息下的自我对弈强化学习

Aalok Patwa

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

AI总结 本文提出一个自我对弈强化学习框架，在四人不完全信息纸牌游戏Big 2中比较策略梯度和值近似方法，发现PPO优于其他方法，并证明中等熵正则化和当前策略自我对弈的有效性。

Comments 12 pages

The 2025 AI Agent Index: Documenting Technical and Safety Features of Deployed Agentic AI Systems

2025人工智能代理指数：记录已部署代理式人工智能系统的技术和安全特性

Leon Staufer, Kevin Feng, Kevin Wei, Luke Bailey, Yawen Duan, Mick Yang, A. Pinar Ozisik, Stephen Casper, Noam Kolt

机构 * University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； Harvard Law School（哈佛法学院） ； Stanford University（斯坦福大学） ； Concordia AI（康科迪亚AI） ； University of Pennsylvania（宾夕法尼亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

AI总结 本文提出2025人工智能代理指数，记录30种先进代理式AI系统的起源、设计、能力、生态系统及安全特性，揭示代理发展中的趋势和开发者透明度问题。

Comments To be publishesd at ACM FAccT 2026

SparsePixels: Efficient Convolution for Sparse Data on FPGAs

SparsePixels: 用于FPGA上稀疏数据高效卷积的框架

Ho Fung Tsoi, Dylan Rankin, Vladimir Loncar, Philip Harris

机构 * University of Pennsylvania, USA（美国宾夕法尼亚大学） ； Institute of Physics Belgrade, Serbia（塞尔维亚贝尔格莱德物理研究所） ； Massachusetts Institute of Technology, USA（美国麻省理工学院） ； Institute for Artificial Intelligence and Fundamental Interactions, USA（美国人工智能与基本相互作用研究所） 纠错

AI总结 本文提出SparsePixels框架，通过只计算少量活跃像素实现稀疏卷积，降低FPGA上的推理延迟，实验显示在稀疏LArTPC图像中，稀疏CNN比传统CNN快73倍。

Comments Under review

Negative Stepsizes Make Gradient-Descent-Ascent Converge

负学习率使梯度下降-上升收敛

Henry Shugart, Jason M. Altschuler

机构 * UPenn（宾夕法尼亚大学） 纠错

AI总结 本文提出负学习率调度策略，通过非传统时间变化、不对称和周期性负学习率实现梯度下降-上升算法在经典反例中的收敛，突破传统观点。

Comments revised exposition, all results unchanged