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

2607.27384 2026-07-31 cs.CL cs.AI 新提交

Same Facts, Different Diagnosis: Measuring and Mitigating Narrative Anchoring in Clinical Language Models

相同事实，不同诊断：临床语言模型中叙事锚定的测量与缓解

Prabhjot Singh, Pritam Deka, Vijay Chennareddy

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）； Queen’s University Belfast（贝尔法斯特女王大学）； Middlesex University London（伦敦密德萨斯大学）

AI总结本研究针对临床语言模型的叙事锚定偏差，构建含1000个USMLE案例的基准，提出NarrativeShield三智能体流水线，可大幅降低叙事锚定差距并减少不稳定决策，同时发布数据集供相关研究使用。

2607.23159 2026-07-31 cs.AI cs.CV cs.MM 版本更新

CachedSearch: Training-Free Cached Exploration for Test-Time Search in Video Diffusion

CachedSearch：用于视频扩散测试时搜索的免训练缓存探索

Shreshth Saini, Neil Birkbeck, Yilin Wang, Balu Adsumilli, Alan C. Bovik

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

AI总结研究视频扩散测试时搜索中缓存对候选者排名的影响，提出CachedSearch方法，通过积极缓存探索候选者，仅全计算时重生成获胜者，在多模型多系列中有效提升效率，以低成本获高增益，且免训练、与验证器无关，可用于测试时扩展。

2607.21721 2026-07-31 stat.ML cs.LG 版本更新

Prior laundering: learned priors with inherited, undetectable overconfidence

先验清洗：具有继承性、不可检测的过度自信的学习先验

Ali Siahkoohi, Sina Alemohammad

机构 * Institute for Artificial Intelligence, University of Central Florida（人工智能研究所，中央佛罗里达大学）； Department of CS, University of Central Florida（计算机科学系，中央佛罗里达大学）； Department of ECE, The University of Texas at Austin（电子工程系，德克萨斯大学奥斯汀分校）

AI总结研究在贝叶斯逆问题中使用学习生成先验时因真值稀缺采用先验清洗的情况，指出其过度自信问题，通过对旧后验求平均产生旧正则化器，单个最佳档案更糟，部署时拟合档案的先验未覆盖盲子空间，建议分开数据支持置信度与继承信念。