University of Texas at Austin（得克萨斯大学奥斯汀分校）

Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction

多轮医学诊断基准测试：Hold、Lure 和 Self-Correction

Jinrui Fang, Runhan Chen, Xu Yang, Jian Yu, Jiawei Xu, Ashwin Vinod, Wenqi Shi, Tianlong Chen, Heng Ji, ChengXiang Zhai, Ying Ding, Yuji Zhang

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； New York University（纽约大学） ； The University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文通过MINT基准测试揭示了大语言模型在多轮证据积累中的行为模式，发现提前回答、自我修正和强诱因影响诊断决策，提出延迟提问和保留关键证据可提升诊断准确性。

Neural Operators for Multi-Task Control and Adaptation

神经算子用于多任务控制与适应

David Sewell, Xingjian Li, Stepan Tretiakov, Krishna Kumar, David Fridovich-Keil

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出基于神经算子的多任务控制方法，通过置换不变架构近似解算子，在不同任务和分布下实现高效适应，优于元学习基线。

Comments 25 pages, 10 figures, 2 tables

Stitch-a-Demo: Video Demonstrations from Multistep Descriptions

Stitch-a-Demo：从多步骤描述中生成视频演示

Chi Hsuan Wu, Kumar Ashutosh, Kristen Grauman

机构 * UT Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出Stitch-a-Demo方法，通过多步骤描述生成连贯的视频演示，解决传统方法无法处理多步骤描述的问题，实验显示其在性能和人偏好研究中表现优异。