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

SIMAX: A Scalable and Interpretable Framework for Multi-Fidelity and Annotated Clinician-Patient Dialogue Simulation

SIMAX: 一种可扩展且可解释的多保真度标注医患对话模拟框架

Zhuhan Bao, Rui Yang, Bohao Yang, Zhiyi Liu, Sicheng Shu, Ruio Heerschap, Le Li, Doris Yang, Elisabeth Bond, Haoyuan Wang, Nicoleta Economou-Zavlanos, Joshua M. Biro, Matthew McDermott, Nan Liu, Anand Chowdhury, Kai Sun, Kathryn Pollak, Ed Hammond, Chuan Hong

机构 * Department of Biostatistics and Bioinformatics, Duke University School of Medicine（杜克大学医学学院生物统计学与生物信息学系） ； Duke-NUS AI + Medical Sciences Initiative, Duke-NUS Medical School（杜克-新加坡国立大学医学科学院AI+医学科学计划） ； Centre for Biomedical Data Science, Duke-NUS Medical School（杜克-新加坡国立大学医学学院生物医学数据科学中心） ； Department of Statistical Science, Duke University（杜克大学统计科学系） ； Leiden University Medical Centre（莱顿大学医学中心） ； Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） ； Department of Internal Medicine, Yale School of Medicine（耶鲁医学院内科学系） ； Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩尔曼医学院生物统计学、流行病学与信息学系） ； The Graduate Group in Applied Mathematics and Computational Science, School of Arts and Sciences, University of Pennsylvania（宾夕法尼亚大学艺术与科学学院应用数学与计算科学联合组） ； Medstar Health National Center for Human Factors in Healthcare, Washington, DC, USA（Medstar健康国家人因工程中心，华盛顿特区，美国） ； Department of Biomedical Informatics, Columbia University（哥伦比亚大学生物医学信息学系） ； Cancer Prevention and Control, Duke Cancer Institute, Durham, NC, USA（杜克癌症研究所癌症预防与控制部，达勒姆，北卡罗来纳州，美国） ； Department of Population Health Sciences, Duke University School of Medicine（杜克大学医学学院流行病学与公共卫生系） ； Division of Rheumatology and Immunology, Duke University School of Medicine（杜克大学医学学院风湿病学与免疫学系） ； Pre-hospital and Emergency Research Centre, Health Services Research and Population Health, Duke-NUS Medical School（杜克-新加坡国立大学医学学院院前急救与应急研究中心，健康服务研究与人口健康） ； NUS Artificial Intelligence Institute, National University of Singapore（新加坡国立大学人工智能研究所） ； Division of Pulmonary, Allergy and Critical Care Medicine, Duke University School of Medicine（杜克大学医学学院呼吸科、过敏科与危重医学系） ； Duke Center for Health Informatics, Duke University（杜克大学健康信息学中心） ； Duke Clinical Research Institute, Durham, NC, USA（杜克临床研究中心，达勒姆，北卡罗来纳州，美国） 纠错

AI总结 提出SIMAX框架，通过预定义场景、角色和沟通行为生成可控医患对话，自动评估显示语音自然度和转录保真度良好，可用于开发和验证沟通编码系统。

Momentum Guidance: Plug-and-Play Guidance for Flow Models

动量引导：用于流模型的即插即用引导

Runlong Liao, Jian Yu, Baiyu Su, Chi Zhang, Lizhang Chen, Qiang Liu

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

AI总结 本文提出动量引导方法，通过扩展当前速度远离过去速度的指数移动平均，提升样本质量并保持成本，优于现有引导技术，实验显示在ImageNet-256上FID显著降低。

Improving Rectified Flow with Boundary Conditions

通过边界条件改进校正流

Xixi Hu, Runlong Liao, Keyang Xu, Bo Liu, Yeqing Li, Eugene Ie, Hongliang Fei, Qiang Liu

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

AI总结 本文提出边界约束校正流模型，通过强制边界条件提升生成模型性能，在ImageNet上使用ODE和SDE采样分别提升FID分数8.01%和8.98%。

Comments ICCV 2025

Journal ref Proc. IEEE/CVF International Conference on Computer Vision (ICCV), 2025, pp. 18177-18186

A Non-negative VAE:the Generalized Gamma Belief Network

非负变分自编码器：广义伽玛信念网络

Zhibin Duan, Tiansheng Wen, Muyao Wang, Bo Chen, Mingyuan Zhou

机构 * Xidian University（西安电子科技大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出广义伽玛信念网络，通过扩展线性生成模型为非线性模型，解决原有GBN的表达能力限制，并采用Weibull推理网络近似后验分布，实验验证其在表达性和解耦表示学习中的性能。

Beyond Spectral Decomposition: Bayesian Contrastive Learning and its Non-negative Formulation via Factor Analysis

超越谱分解：通过因子分析的贝叶斯对比学习及其非负形式

Zhibin Duan, Tiansheng Wen, Yifei Wang, Chen Zhu, Bo Chen, Mingyuan Zhou

机构 * Xidian University（西安电子科技大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出对比因子分析框架，结合因子分析和对比学习的优势，通过非负因子分析提升可解释性，验证了其在表达能力、鲁棒性、可解释性和不确定性估计上的有效性。