University of Pennsylvania（宾夕法尼亚大学）

CARA: Concept-Aware Risk Attention for Interpretable Collision Anticipation

CARA：用于可解释碰撞预测的概念感知风险注意力

Zhishan Tao, Ruoyu Wang, Yucheng Wu, Enjun Du, Yilei Yuan, Sherwin Ho, Yue Su, Jinbo Su, Yi Hong

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。

Comments Accepted to ACM Multimedia 2026(Oral)

Analyzing Middle School Students' Dialogue and Behaviors during Collaborative AI Chatbot Development Using Ordered Network Analysis

使用有序网络分析来分析中学生在协作式人工智能聊天机器人开发过程中的对话和行为

Shan Zhang, Andres Felipe Zambrano, Xiaoyi Tian, Yukyeong Song, Anthony F. Botelho, Kristy Elizabeth Boyer, Maya Israel, Shiyan Jiang

机构 * University of Florida（佛罗里达大学） ； University of Pennsylvania（宾夕法尼亚大学） ； North Carolina State University（北卡罗来纳州立大学） ； The University of Tennessee（田纳西大学） 纠错

AI总结 该研究以有序网络分析方法，考察中学生协作开发AI聊天机器人的互动，刻画协作随时间的组织及互动模式与机器人质量、AI知识成果的关系，揭示高质量机器人与特定序列及互动模式有关，为协作式AI开发提供过程描述并拓展了相关研究。