University of Pennsylvania（宾夕法尼亚大学）

Partially Observed Structural Causal Models

部分观测结构因果模型

Turan Orujlu, Jordan Matelsky, Martin V. Butz, Charley M. Wu, Konrad P. Kording

机构 * University of Tübingen（图宾根大学） ； MPI for Biological Cybernetics（生物控制研究所） ； University of Pennsylvania（宾夕法尼亚大学） ； TU Darmstadt（图恩大学） 纠错

AI总结 研究将结构因果模型扩展为部分观测结构因果模型，用于特定因果系统。通过分离节点机制定义边干预，给出可识别性理论，在两个模拟器中实证验证，为因果系统提供面向干预框架，处理上下文等共同生成且部分观测的情况。

Active Learning for Efficient Annotation of Surgical Videos with Weak Supervision

基于弱监督的主动学习在手术视频高效标注中的应用

Manasa Dendukuri, Matjaz Jogan, Daniel A. Hashimoto, Guiqiu Liao

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

AI总结 针对腹腔镜视频标注难题，提出人在回路知识获取框架，结合主动学习与双损失优化，利用基础模型及互补训练目标生成CAMs，迭代提出伪掩码引导标注，减少标注工作量50%，实现模型开发可扩展性及高效知识获取。

Comments Accepted to IPCAI 2026

Linked Multi-Modal Data on Russian Domestic and Foreign Policy Speeches

连接多模型数据：俄罗斯国内与对外政策演讲

Daria Blinova, Gayathri Emuru, Rakesh Emuru, Kushagradheer Shridheer Srivastava, Mina Rulis, Sunita Chandrasekaran, Benjamin E. Bagozzi

机构 * University of Delaware, Department of Political Science & International Relations（德克萨斯大学，政治科学与国际关系系） ； University of Delaware, Masters of Science in Data Science Program（德克萨斯大学，数据科学硕士项目） ； University of Delaware, Department of Computer & Information Sciences（德克萨斯大学，计算机与信息科学系） ； University of Pennsylvania, Department of Political Science（宾夕法尼亚大学，政治科学系） 纠错

AI总结 本文介绍了一个连接多模态政治通讯的数据集，涵盖俄罗斯政府多个 decades 的官方演讲，提供俄语和英语文本、图像及注释，并通过 transformer 多模态模型进行主题标注，支持政治通讯的多模态分析。

Empowering Medical Equipment Sustainability in Low-Resource Settings: An AI-Powered Diagnostic and Support Platform for Biomedical Technicians

赋能低资源环境下的医疗设备可持续性：一个由AI驱动的诊断与支持平台，用于生物医学技术人员

Bernes Lorier Atabonfack, Ahmed Tahiru Issah, Mohammed Hardi Abdul Baaki, Clemence Ingabire, Tolulope Olusuyi, Maruf Adewole, Udunna C. Anazodo, Timothy X Brown

机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； Medical Artificial Intelligence Laboratory（医学人工智能实验室） ； University of Pennsylvania（宾夕法尼亚大学） ； McGill University（麦吉尔大学） 纠错

AI总结 本研究提出一个AI驱动的平台，帮助生物医学技术人员实时诊断和修复医疗设备，通过集成大语言模型和用户友好的界面，提高低资源环境下的医疗设备可持续性。

Comments Accepted at the MIRASOL Workshop at MICCAI 2025. To appear in Lecture Notes in Computer Science (LNCS)

Journal ref In: Anazodo U. et al. (eds) Medical Image Computing in Resource Constrained Settings. MIRASOL 2025. LNCS, Springer, Cham, pp. 217-230

Where to Touch, How to Contact: A Hierarchical RL-MPC Framework for Geometry-Aware Sim-to-Real Manipulation

何处触碰，如何接触：面向几何感知的长时间灵巧操作的分层RL-MPC框架

Zhixian Xie, Yu Xiang, Michael Posa, Wanxin Jin

机构 * Arizona State University（亚利桑那州立大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 提出分层RL-MPC框架，高层RL策略预测接触意图（接触位置和子目标位姿），低层接触隐式MPC优化局部接触模式并实时重规划，实现几何泛化的非抓取操作，数据效率提升10倍且零样本迁移到真实环境。