University of Washington（华盛顿大学）

Conditional Distributional Treatment Effects: Doubly Robust Estimation and Testing

条件分布治疗效应：双重鲁棒估计与检验

Saksham Jain, Alex Luedtke

机构 * Department of Statistics, University of Washington, Seattle, USA（华盛顿大学统计系，美国西雅图） ； Departments of Health Care Policy and Statistics, Harvard University, USA（哈佛大学健康政策与统计系，美国） 纠错

AI总结 本文提出捕捉条件分布治疗效应的新估计量，开发了局部渐近最优的双重鲁棒估计器，并设计了检验条件潜在结果分布全局同质性的测试方法，具有严格的一阶误差控制和一致性。

TurnWise: The Gap between Single- and Multi-turn Language Model Capabilities

TurnWise: 单轮与多轮语言模型能力之间的差距

Victoria Graf, Valentina Pyatkin, Nouha Dziri, Nathan Lambert, Hannaneh Hajishirzi

机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） 纠错

AI总结 本文提出TurnWiseEval基准测试和TurnWiseData数据生成流程，通过对比单轮与多轮对话能力，验证多轮训练对提升多轮对话性能的关键作用。

Novelty-Driven Target-Space Discovery in Automated Electron and Scanning Probe Microscopy

基于新颖性的目标空间发现：自动化电子显微镜与扫描探针显微镜中的发现方法

Utkarsh Pratiush, Kamyar Barakati, Boris N. Slautin, Catherine C. Bodinger, Christopher D. Lowe, Brandi M. Cossairt, Sergei V. Kalinin

机构 * Department of Materials Science and Engineering, University of Tennessee, Knoxville（田纳西大学材料科学与工程系） ； Department of Chemistry, University of Washington, Seattle（华盛顿大学化学系） ； Pacific Northwest National Laboratory, Richland（太平洋西北国家实验室） 纠错

AI总结 本文提出了一种基于新颖性的深度核学习框架，用于在自动化电子显微镜和扫描探针显微镜中主动探索目标空间，通过学习结构-性质关系来发现新的响应区域。

Interpretative Interfaces: Designing for AI-Mediated Reading Practices and the Knowledge Commons

解释性界面：为AI中介的阅读实践和知识公共领域进行设计

Gabrielle Benabdallah

机构 * University of Washington（华盛顿大学） 纠错

AI总结 本文探讨通过设计解释性界面促进用户与AI模型的交互，使非专家用户能干预语言模型的表示空间，通过直接操作观察和注释模型内部表示的变化，从而推动AI解释性作为交互设计而非纯技术问题。

Comments Accepted at the Proceedings of the CHI 2026 Workshop: Ethics at the Front-End

Generate Any Scene: Scene Graph Driven Data Synthesis for Visual Generation Training

生成任意场景：基于场景图的数据合成用于视觉生成训练

Ziqi Gao, Weikai Huang, Jieyu Zhang, Aniruddha Kembhavi, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） 纠错

AI总结 本文提出Generate Any Scene，通过系统生成场景图来合成高质量数据，用于提升视觉生成模型的合成能力与语义对齐。

Comments ICLR 2026

Steering Frozen LLMs: Adaptive Social Alignment via Online Prompt Routing

引导冻结的大型语言模型：通过在线提示路由实现适应性社会对齐

Zeyu Zhang, Xiangxiang Dai, Ziyi Han, Xutong Liu, John C. S. Lui

机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出CCLUB框架，通过系统提示路由实现适应性社会对齐，解决部署时静态策略无法应对动态安全规范的问题，实验显示其在累积奖励和子最优差距上优于基线方法。