arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Pennsylvania(宾夕法尼亚大学)

共收录 103
2608.12590 2026-08-14 cs.AI cs.CV 新提交

Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting

用于循证甲状腺超声诊断与报告的可审计智能体AI

Haifan Gong, Shiyu Chen, Bodong Wang, Yuqi Wang, Shijie Wang, Guoliang You, Xinyu Xiong, Haowei Wang, Mingzhi Mao, Dexing Kong, Qinghua Liu, Wei Lou, Fei Chen, Guanbin Li

机构 * School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院) School of Software Engineering, Sun Yat-sen University(中山大学软件工程学院) School of Mathematical Sciences, Zhejiang University(浙江大学数学科学学院) Perelman School of Medicine, University of Pennsylvania(宾夕法尼亚大学佩雷尔曼医学院) Zhujiang Hospital, Southern Medical University(南方医科大学珠江医院) College of Mathematical Medicine, Zhejiang Normal University(浙江师范大学数学医学院)

AI总结 本文提出可审计的智能体AI系统ThyroidXAgent,基于多中心数据集开发,可协同完成甲状腺超声诊断多任务,提升分类准确率与报告一致性,缩短耗时,支持临床医生修正。

Comments Under review

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.12624 2026-08-14 cs.LG physics.comp-ph 新提交

Structure-preserving uncertainty quantification for GENERIC dynamics

GENERIC动力学的保结构不确定性量化

Zequn He, Celia Reina

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

AI总结 本研究提出保结构认知神经网络(S-PENNs)框架,用于带硬架构约束的科学机器学习模型的不确定性量化,在GENERIC动力学算例中验证其可生成符合热力学一致性的结果,且计算成本远低于深度集成。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.12185 2026-08-13 cs.CV 新提交

GenFAR: A generalized representation of brain structure, derived from 49,246 multi-cohort MRIs via deep learning

GenFAR:基于49246例多队列MRI通过深度学习得到的脑结构通用表征

Vishnu M. Bashyam, Guray Erus, Junhao Wen, Pratik Chaudhari, Randa Melhem, Sindhuja Govindarajan Tirumalai, Gareth Harman, Yong Fan, Colin L. Masters, Paul Maruff, Sterling C. Johnson, Jurgen Fripp, Duygu Tosun, John C. Morris, Daniel S. Marcus, Pamela LaMontagne, Tammie Benzinger, Susan R. Heckbert, Mark Espeland, Marilyn S. Albert, Andrew J. Saykin, Paul M. Thompson, Timothy J. Hohman, Susan M. Resnick, R. Nick Bryan, Murat Bilgel, Yang An, David A. Wolk, Li Shen, Haochang Shou, Ilya M. Nasrallah, Christos Davatzikos

机构 * University of Pennsylvania(宾夕法尼亚大学) University of Melbourne(墨尔本大学) University of Wisconsin School of Medicine and Public Health(威斯康星大学医学与公共卫生学院) CSIRO Health and Biosecurity(联邦科学与工业研究组织健康与生物安全部) CSIRO(联邦科学与工业研究组织) University of California, San Francisco(加利福尼亚大学旧金山分校) Washington University in St. Louis(圣路易斯华盛顿大学) University of Washington(华盛顿大学) Wake Forest School of Medicine(维克森林医学院) Johns Hopkins University School of Medicine(约翰霍普金斯大学医学院) Indiana University(印第安纳大学) University of Southern California(南加利福尼亚大学)

AI总结 GenFAR是基于49246例多队列MRI的模块化深度学习框架,通过17类任务训练得到通用脑表征,可提升二级预测器的样本效率与准确性

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.11807 2026-08-13 cs.CV 新提交

CoDiR: Confidence-Guided Diffusion Refinement for Semi-Supervised Histopathology Segmentation

CoDiR:用于半监督组织病理学分割的置信度引导扩散精调

Hoai Nhan Pham, Dang-Nguyen Bui, Le-Van Thai, Thanh-Hiep Vo, Lan Anh Dinh Thi, Tien Dat Nguyen, Duy-Dong Nguyen, Ngoc Lam Quang Bui, Tam Tran, Zhi Huang

机构 * AI VIETNAM Lab(AI VIETNAM实验室) Portland Community College(波特兰社区学院) University of Science, VNU-HCM(胡志明市国家大学科学大学) Hanoi University of Science and Technology(河内科技大学) Jeonbuk National University(全北国立大学) Washington University School of Medicine(华盛顿大学医学院) Perelman School of Medicine, University of Pennsylvania(宾夕法尼亚大学佩雷尔曼医学院)

AI总结 针对半监督组织病理学分割的标注稀缺与伪标签不可靠问题,提出CoDiR框架,结合Mean Teacher与扩散模型精调伪标签,在GlaS、CRAG数据集上取得优异mDice指标,精调模块贡献显著

Comments Accepted to the MICCAI COMPAYL Workshop 2026 (11 pages, 2 figures, 6 tables)

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.11765 2026-08-13 cs.CV 新提交

ProBAG: Prototype-Guided Boundary-Aware Graph Diffusion for Weakly Supervised Histopathology Segmentation

ProBAG:用于弱监督组织病理学分割的原型引导边界感知图扩散

Duy-Dong Nguyen, Le-Van Thai, Hoai Nhan Pham, Ngoc Lam Quang Bui, Tam Tran, Zhi Huang

机构 * AI VIETNAM Lab(AI越南实验室) Washington University School of Medicine(华盛顿大学医学院) Jeonbuk National University(全北国立大学) Perelman School of Medicine, University of Pennsylvania(宾夕法尼亚大学佩雷尔曼医学院)

AI总结 ProBAG是一种新的弱监督组织病理学分割方法,通过结合视觉与文本原型、逐类功率重新校准及图扩散机制,在BCSS-WSSS和LUAD-HistoSeg数据集上取得优于现有方法的性能。

Comments 12 pages, 2 figures, 4 tables. Accepted by MICCAI Workshop (COMPAYL) 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.10420 2026-08-12 cs.AI 新提交

Reasoning Shortcuts and Value Symmetries: What Symmetry Permits, Architecture Realizes, and Optimization Selects

推理捷径与价值对称性:对称性允许什么、架构实现什么以及优化选择什么

Xin Xu

机构 * Carnegie Mellon University(卡内基梅隆大学) University of Pennsylvania(宾夕法尼亚大学)

AI总结 该研究分析神经符号系统的推理捷径,发现现有框架的关键定义不适用于其评估的基准,重新测量揭示无法解释的对比例与可证明结构相关,还明确了对称性惰性、自同构存在性等问题的计算复杂度,区分了对称性允许与优化选择的内容。

Comments 55 pages, 2 figures, 8 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.10387 2026-08-12 cs.RO 新提交

Hip Energized Monopedal Hopping

髋部驱动单足跳跃

Shane Rozen-Levy, Griffon McMahon, Daniel Koditschek

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

AI总结 针对俯仰未锁定平面单足机器人,利用PD+前馈控制器的俯仰稳定力矩补充能量,通过调整能量分配实现速度与高度平衡,经仿真和实验验证了该策略的有效性。

Comments 35 pages, 11 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.10372 2026-08-12 cs.LG 新提交

Invertible Logits Transformation for Accuracy-Preserving Post-Hoc Uncertainty Calibration

用于保持准确率的事后不确定性校准的可逆对数变换

Lening Zhao, Qipeng Zhan, Li Shen

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

AI总结 针对现有事后不确定性校准方法的缺陷,提出可逆对数变换InvLT,通过共享标量MLP实现参数不随类别数增长,在保留分类准确率的同时提升校准性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.10056 2026-08-12 cs.RO cs.AI cs.LG cs.SY eess.SY 新提交

Navigating the Proximity-Safety Balance: Constraint Decomposition for Human Following in Pedestrian Crowds

权衡 proximity 与安全:人群中跟随目标行人的约束分解方法

Shiting Gong, Jianpeng Yao, Jinfeng Wang, Marco Pavone, Jiachen Li

机构 * University of Pennsylvania(宾夕法尼亚大学) University of California, Riverside(加州大学河滨分校) Stanford University(斯坦福大学) NVIDIA Research(英伟达研究院) Georgia Institute of Technology(佐治亚理工学院)

AI总结 该研究针对人群中行人跟随的 proximity 与安全平衡问题,提出多约束强化学习框架,量化行人运动不确定性以增强安全性,经实验和真实机器人部署验证了方法的有效性。

Comments IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026); Project Website: https://nav-ps-balance.github.io/

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.09460 2026-08-11 cs.LG cs.CV q-bio.QM q-bio.TO 新提交

Flow-based conditional cardiac anatomy generation for virtual cohorts

基于流的虚拟队列条件心脏解剖结构生成

Konstantinos Kevopoulos, Beatrice Moscoloni, Benjamin Alheit, Cameron Beeche, Julio A. Chirinos, Alexander Heinlein, Mathias Peirlinck

机构 * Delft University of Technology(代尔夫特理工大学) Hospital of the University of Pennsylvania(宾夕法尼亚大学医院) Ghent University(根特大学) University of Pennsylvania(宾夕法尼亚大学)

AI总结 本研究提出CAN-FLOW框架,基于归一化流生成元数据条件化的双心室解剖结构,在英国生物银行数据集上验证其生成的解剖结构更贴合临床表型分布,可用于构建虚拟队列与计算机模拟临床试验。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.08896 2026-08-11 cs.AI 新提交

From Manuals to Maintenance: Fine-Tuning MedGemma for Multi-Modal Imaging System Support in Low-Resource Settings

从手册到维护:在低资源场景中微调MedGemma以提供多模态成像系统支持

Bernes Lorier Atabonfack, Zion Kongbi Nfo, Ahmed Tahiru Issah, Tolulope Olusuyi, Clemence Ingabire, Mohammed Hardi Abdul Baaki, Mawuli Deku, Abdulrazaq Zubair, Alyasaa Anas, Raymond Confidence, Maruf Adewole, Udunna C. Anazodo

机构 * Carnegie Mellon University Africa(非洲卡内基梅隆大学) IngenziAI(因根齐人工智能公司) Federal University of Health Sciences Azare(阿扎雷联邦健康科学大学) University of Maiduguri Teaching Hospital(迈杜古里大学教学医院) Lawson Health Research Institute(劳森健康研究所) University of Pennsylvania(宾夕法尼亚大学) McGill University(麦吉尔大学)

AI总结 针对中低收入国家医疗设备维护难题,研究人员构建INGENZI_DatasetV1数据集,用QLoRA微调MedGemma-4b-it模型,使维修问答指标大幅提升,为低资源场景AI辅助医疗维护奠定基础。

Comments Accepted at the AFRICAI 2026 Workshop, a satellite event at MICCAI 2026. To appear in Springer Lecture Notes in Computer Science (LNCS)

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.07419 2026-08-10 cs.LG 新提交

Beyond Post-Hoc Temperature Scaling: Bilevel Optimization for LLM Calibration

超越事后温度缩放:用于大语言模型校准的双层优化方法

Ruochen Jin, Zhanliang Wang, Zongyu Dai, Jiancong Xiao, Bojian Hou

机构 * Dartmouth College(达特茅斯学院) University of Pennsylvania(宾夕法尼亚大学) National University of Singapore(新加坡国立大学)

AI总结 针对LLM偏好对齐导致的过度自信与校准问题,提出基于双层优化的校准方法,通过最大化预测分布熵实现,在多项选择与开放式问答任务中提升了校准效果与域外泛化能力。

Comments Third Conference on Language Modeling (COLM 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.06545 2026-08-10 cs.LG math.OC stat.ML 新提交

Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions

鲁棒平均报酬马尔可夫决策过程:通过插件约简实现极小极大最优学习

Yuepeng Yang, Yuxin Chen, Yuejie Chi

机构 * Yale University(耶鲁大学) University of Pennsylvania(宾夕法尼亚大学)

AI总结 该研究针对平均报酬准则下的分布鲁棒马尔可夫决策过程,推导了极小极大最优样本复杂度界,并提出两种插件约简学习程序以实现该复杂度。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.06311 2026-08-07 cs.CV cs.AI 新提交

Does FLAIR super-resolution erase or hallucinate small white-matter lesions?

FLAIR超分辨率是清除还是幻觉了小白质病变?

Zahra Khodakarami, Yue Li, Pulkit Khandelwal, John Detre, Sandhitsu Das, Christopher Brown, David Wolk, Paul Yushkevich

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

AI总结 该研究针对FLAIR超分辨率是否影响白质病变的问题,采用ADNI数据对比多种上采样方法,发现超分辨率主要清除小病灶,ECLARE的小病灶信号恢复效果最优。

Comments 10 pages, 2 figures, 3 tables. Accepted at the 11th International Workshop on Simulation and Synthesis in Medical Imaging (SASHIMI 2026), held in conjunction with MICCAI 2026. This is the version submitted for review; the final authenticated version will appear in the Springer LNCS proceedings

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.04288 2026-08-06 cs.LG math.ST stat.ML stat.TH 新提交

Sample Complexity of Multicalibration for Multilevel Properties

多级属性的多校准样本复杂度

Jiuyao Lu, Krishnakumar Balasubramanian, Aleksandr Podkopaev, Shiva Prasad Kasiviswanathan

机构 * Amazon(亚马逊) The Wharton School, University of Pennsylvania(宾夕法尼亚大学沃顿商学院) University of California, Davis(加州大学戴维斯分校)

AI总结 该研究针对k个序列属性的多校准,建立了匹配的上下样本复杂度界,给出随机学习器,实例化理论为三个典型示例,明确了样本复杂度与群体规模的关系。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.01562 2026-08-04 cs.RO 新提交

Learning Smooth SE(3) Trajectories under Left-Invariant Riemannian Metrics

左不变黎曼度量下光滑SE(3)轨迹的学习

Yuwei Wu, Vijay Kumar

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

AI总结 该研究针对SE(3)轨迹生成的计算成本问题,提出基于学习的框架,用神经网络参数化多项式系数与时长,生成的轨迹近似数值优化解且推理达毫秒级,可用于机器人运动原语及四旋翼飞行优化。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.25933 2026-07-29 cs.CL cs.AI 新提交

Evaluating Multi-Turn Multimodal Diagnostic Reasoning on Challenging Real-World Clinical Cases

评估具有挑战性的真实世界临床病例中的多轮多模态诊断推理

Rui Yang, Weihao Xuan, Yi Lin, Zhuhan Bao, Jonathan Chong Kai Liew, Matthew Yu Heng Wong, Nicolás Lescano, Nikita R. Paripati, Emily Ling-Lin Pai, Jiarui Liu, Heli Qi, Heng-Jui Chang, Benny Kai Guo Loo, Huitao Li, Kunyu Yu, Yufan Wang, Chuan Hong, Shijian Lu, Douglas Teodoro, Naoto Yokoya, Ross Koppel, Mona Diab, Hua Xu, David W. Bates, Nan Liu, Yifan Peng

机构 * Center for Biomedical Data Science, Duke-NUS Medical School(生物医学数据科学中心,杜克 - 新加坡国立大学医学院) Duke-NUS AI + Medical Sciences Initiative, Duke-NUS Medical School(杜克 - 新加坡国立大学人工智能与医学科学计划,杜克 - 新加坡国立大学医学院) Department of Population Health Sciences, Weill Cornell Medicine(人口健康科学系,威尔康奈尔医学院) System Engineering, College of Engineering, Cornell University(系统工程,康奈尔大学工程学院) Graduate School of Frontier Sciences, The University of Tokyo(前沿科学研究生院,东京大学) RIKEN Center for Advanced Intelligence Project(理化学研究所先进智能项目中心) Department of Biostatistics and Bioinformatics, Duke University(生物统计学与生物信息学系,杜克大学) Perelman School of Medicine, University of Pennsylvania(佩雷尔曼医学院,宾夕法尼亚大学) School of Clinical Medicine, University of Cambridge(临床医学学院,剑桥大学) Hospital of the University of Pennsylvania(宾夕法尼亚大学医院) Children’s Hospital of Philadelphia (CHOP)(费城儿童医院) Department of Anatomic Pathology and Laboratory Medicine, Hospital of the University of Pennsylvania(解剖病理学与检验医学系,宾夕法尼亚大学医院) Department of Pathology and Laboratory Medicine, University of California, San Francisco(病理学与检验医学系,加州大学旧金山分校) Language Technologies Institute, Carnegie Mellon University(语言技术研究所,卡内基梅隆大学)

AI总结 研究针对现有多模态大语言模型评估难以捕捉现实临床诊断复杂性的问题,开发ClinMM-Bench基准,用两级框架评估15个模型,发现专有模型诊断准确性最高,但各模型完全正确诊断比例有限,当前模型诊断推理有局限并明确了失败模式。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.22494 2026-07-27 cs.MM cs.CV 新提交

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)

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)

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.21603 2026-07-27 cs.HC cs.AI 新提交

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)

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.21588 2026-07-24 cs.RO 新提交

AXIS: A Growable Community-Driven Data Engine for Scalable Robot Manipulation

AXIS:用于可扩展机器人操作的可增长社区驱动数据引擎

Mengfei Zhao, Dihong Huang, Yikai Tang, Peihao Li, Mingxuan Yan, Ruiqi Zhuang, Yanjia Huang, Jie Wang, Hai Zhai, Tony Zhou, Rui Zhang, Zhexi Luo, Yuchen Huang, Jianfei Yang, Jiachen Li

机构 * Axis Robotics(轴机器人公司) University of California, Berkeley(加州大学伯克利分校) Georgia Institute of Technology(佐治亚理工学院) Texas A&M University(德州农工大学) Johns Hopkins University(约翰·霍普金斯大学) University of Pennsylvania(宾夕法尼亚大学) University of Michigan(密歇根大学) National University of Singapore(新加坡国立大学) Nanyang Technological University(南洋理工大学)

AI总结 研究针对机器人操作策略学习中数据管道难扩展的问题,提出AXIS这一可增长社区驱动数据引擎,它能收集、处理数据并组织成任务快照,通过实验表明其能提升模型性能且随数据量增加有一致扩展性。

Comments Project Website: https://axisaiorg.github.io/AXIS-V1/

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.21518 2026-07-24 cs.AI 新提交

Same Dangerous Objective, Opposite Advice: Direct Exposure versus Multi-Agent Mediation

相同危险目标,相反建议:直接暴露与多智能体调解

Linjun Li

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

AI总结 研究通过测试发现,语言模型直接面对危险目标和经智能体转换传递指令时表现不同,存在行为反向转变及组合安全漏洞,高性能模型可用于特定自动化工作流程的用户端组件,却未明确其内部机制。

Comments 21 pages; welcome comments

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.20542 2026-07-24 cs.LG cs.AI cs.CY 新提交

Improving Access to Essential Medicines via Decision-Aware Machine Learning

通过决策感知机器学习改善基本药物的获取

Angel Tsai-Hsuan Chung, Jatu Abdulai, Patrick Bayoh, Lawrence Sandi, Francis Smart, Hamsa Bastani, Osbert Bastani

机构 * University of Pennsylvania(宾夕法尼亚大学) National Medical Supplies Agency(塞拉利昂国家医疗用品局) Ministry of Health and Sanitation(塞拉利昂卫生与环卫部)

AI总结 针对低收入和中等收入国家基本药物分配难题,提出决策感知机器学习框架,结合多任务学习与催化先验,经与塞拉利昂政府合作实验,证明可提高药物获取效率,还在该国全国推广,展现低成本高效能。

Journal ref Nature, volume 653, issue 8116, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.20526 2026-07-24 cs.AI cs.LG stat.ML 新提交

ConfidenceBench: Evaluating Confidence Calibration in Large Language Models

ConfidenceBench:评估大语言模型中的置信度校准

Matthew ffrench-Constant, Daniel Yang, Xinmeng Huang, Sanyam Kapoor

机构 * ETH Zurich(苏黎世联邦理工学院) University of Pennsylvania(宾夕法尼亚大学) New York University(纽约大学)

AI总结 研究针对大语言模型在特定场景下仅靠准确性不足的问题,提出ConfidenceBench校准基准,用Brier分数评估15个前沿LLMs口头置信度,经实验发现模型准确性与校准差异大,证明口头置信度校准是LLM可靠性重要维度,补充了基于准确性的评估。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.19633 2026-07-23 cs.RO 新提交

LENS: LLM-guided Environment Simplification for Planning and Control in Clutter

LENS:用于杂乱环境中规划与控制的大语言模型引导的环境简化

Aileen Liao, Rachel Holladay, Dinesh Jayaraman, Michael Posa

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

AI总结 针对现实世界多物体杂乱环境处理难题,提出LENS方法,通过大语言模型引导自动生成特定场景和任务的自适应更新抽象,经实验验证其能改进多种模型在高度杂乱操纵场景中的表现。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.19750 2026-07-23 hep-ex cs.LG 新提交

Machine Can Automatically Discover Parametric Functions to Model HEP Data

机器可自动发现参数函数以对高能物理数据建模

Ho Fung Tsoi, Dylan Rankin, Cecile Caillol, Miles Cranmer, Sridhara Dasu, Javier Duarte, Philip Harris, Elliot Lipeles

机构 * University of Pennsylvania, USA(宾夕法尼亚大学) European Organization for Nuclear Research (CERN), Switzerland(欧洲核子研究中心) University of Cambridge, UK(剑桥大学) University of Wisconsin-Madison, USA(威斯康星大学麦迪逊分校) University of California San Diego, USA(加州大学圣地亚哥分校) Massachusetts Institute of Technology, USA(麻省理工学院) Institute for Artificial Intelligence(人工智能研究所)

AI总结 研究高能物理数据分析中为分箱数据找合适函数建模的问题,核心方法是用符号回归实现自动化,主要贡献是展示SymbolFit软件包,在双喷注谱演示中取得良好效果,如生成众多拟合函数,部分运行重新发现已用函数。

Comments 6 pages. to be presented at ICHEP 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.19300 2026-07-22 cs.AI cs.GT 新提交

LLM Detection as an Intervention: Downstream Impact under Strategic User Behavior

作为一种干预手段的大语言模型检测:战略用户行为下的下游影响

Meena Jagadeesan, Tatsunori Hashimoto, Jon Kleinberg

机构 * Stanford University(斯坦福大学) University of Pennsylvania(宾夕法尼亚大学) Cornell University(康奈尔大学)

AI总结 研究LLM检测对下游指标的影响,开发程式化模型捕捉用户策略行为。发现不完善的检测器会扭曲LLM使用及输出质量,导致用户增加使用量且输出质量可能降低,还呈现“先升后降”检测模式,揭示了检测干预的失效模式。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.17342 2026-07-21 cs.CV cs.AI 新提交

STAR: Skeletal Token Alignment and Rearrangement for Interaction Recognition

STAR:用于交互识别的骨骼令牌对齐与重排

Yuhang Wen, Mengyuan Liu, Zixuan Tang, Junsong Yuan, Sirui Li, Beichen Ding

机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School(北京大学深圳研究生院通用人工智能国家重点实验室) University at Buffalo SUNY(纽约州立大学布法罗分校) Department of Computer and Information Science, University of Pennsylvania(宾夕法尼亚大学计算机与信息科学系)

AI总结 针对人机和人与人交互识别,提出STAR方法,通过骨骼令牌对齐与重排,利用实体重排、交互式时空令牌及视觉交互编码等组件,结合骨骼与RGB视频数据学习特征,经对比学习对齐表示,实验验证其性能优于现有方法。

Comments Accepted for publication in IEEE Transactions on Multimedia (IEEE TMM)

Journal ref IEEE Transactions on Multimedia, vol. 28, pp. 4652-4665, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.17043 2026-07-21 cs.CL 新提交

Learning from Synthetic Data without Model Collapse in Iterative Instruction Tuning

在迭代指令微调中从合成数据学习而不发生模型崩溃

Xiaonan Luo, Yue Huang, Kehan Guo, Ping He, Chuan Zou, Ting Hua, Xiangliang Zhang

机构 * University of Notre Dame(圣母大学) Vanderbilt University(范德堡大学) University of Pennsylvania(宾夕法尼亚大学)

AI总结 研究在合成数据用于指令微调时避免模型崩溃的问题,提出KITE两阶段框架,结合失败引导数据生成与边界感知不确定性整理,实验表明该框架比合成数据基线能更稳定地提升模型性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.17522 2026-07-21 cs.LG cs.AI cs.IT math.IT math.PR 新提交

One-step lowest-variance selection in a Gaussian random-field model motivated by masked diffusion: Total correlation and a square root collision threshold

由掩码扩散驱动的高斯随机场模型中的一步最低方差选择:总相关性和平方根碰撞阈值

Linjun Li

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

AI总结 受掩码离散扩散启发,研究高斯随机场模型单步选择,用局部相关非负分数场表示不确定性,通过距离相关高斯模型衡量所选位置相关性,建立两个互补结果,为理解相关因素对掩码离散扩散中基于置信度一步选择的影响提供基线。

Comments 27 pages; welcome comments

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.14367 2026-07-17 cs.LG 新提交

Dysco: Dynamic Subspace Boosting to Mitigate LoRA Interference in Federated Learning

Dysco:动态子空间增强以减轻联邦学习中的LoRA干扰

Haobo Zhang, Jiankun Wang, Suraj Rajendran, Weishen Pan, Lam Tsoi, Yong Chen, Fei Wang, Jiayu Zhou

机构 * University of Michigan(密歇根大学) Cornell University(康奈尔大学) University of Pennsylvania(宾夕法尼亚大学)

AI总结 研究针对联邦学习中异构客户端使LoRA聚合不稳定的问题,提出动态子空间增强方法Dysco,通过联邦动态分配特定客户端LoRA子空间,经实验验证其能减少干扰、降低训练损失、提升算法性能且开销小。

Comments 33 pages, 10 figures, 11 tables

详情

展开后加载摘要…

URL PDF HTML 收藏