University of Southern California（南加州大学）

Ground-Level Near Real-Time Modeling for PM2.5 Pollution Prediction

地面级近实时建模用于PM2.5污染预测

Zachary R. Fox, Janet O. Agbaje, Dakotah Maguire, Javier E. Santos, Jeremy Logan, Maggie Davis, Rima Habre, Jim VanDerslice, Heidi A. Hanson

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） ； Johnson & Johnson（强生公司） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； University of Southern California（南加州大学） ； University of Utah（犹他大学） 纠错

AI总结 本文提出一种基于深度学习的网格无关方法，通过稀疏分布的US EPA监测站插值表面PM2.5浓度，结合地形、气象和土地利用数据，实现高时空分辨率的污染预测，适用于近实时部署和多种地理场景。

ContextLeak: Auditing Leakage in Private In-Context Learning Methods

ContextLeak：私有上下文学习方法中泄露的审计

Jacob Choi, Shuying Cao, Xingjian Dong, Amin Banayeeanzade, Wang Bill Zhu, Robin Jia, Sai Praneeth Karimireddy

机构 * University of Southern California（南加州大学） 纠错

AI总结 本文提出ContextLeak框架，用于评估私有上下文学习中信息泄露的最坏情况，通过插入标记检测敏感信息，并揭示现有方法在隐私与效用之间的权衡不足。

FoNE: Precise Single-Token Number Embeddings via Fourier Features

FoNE: 通过傅里叶特征实现精确的单token数字嵌入

Tianyi Zhou, Deqing Fu, Mahdi Soltanolkotabi, Robin Jia, Vatsal Sharan

机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） 纠错

AI总结 FoNE通过傅里叶特征直接将数字映射到嵌入空间，以单token和两维嵌入维度表示数字，提升训练和推理效率，同时在加减乘等数值任务中实现更高准确率。

The Data-Driven Censored Newsvendor Problem

数据驱动的 censoring 新闻供应商问题

Chamsi Hssaine, Sean R. Sinclair

机构 * Department of Data Sciences and Operations, University of Southern California, Marshall School of Business（数据科学与运营系，南加州大学，马歇尔商学院） ； Department of Industrial Engineering and Management Sciences, Northwestern University（工业工程与管理科学系，西北大学） 纠错

AI总结 本文研究了数据驱动的 censoring 新闻供应商问题，探讨历史需求 censoring 对学习算法性能的影响，提出鲁棒算法并证明其在不同 censoring 情况下的有效性。

Comments 85 pages, 11 tables, 11 figures