University of Washington（华盛顿大学）

Discourse Diversity in Multi-Turn Empathic Dialogue

多轮共情对话中的语篇多样性

Hongli Zhan, Emma S. Gueorguieva, Javier Hernandez, Jina Suh, Desmond C. Ong, Junyi Jessy Li

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院） ； University of Washington（华盛顿大学） 纠错

AI总结 研究探讨了大型语言模型在多轮共情对话中语篇策略的多样性问题，提出MINT框架通过强化学习提升对话多样性，显著提高共情效果并减少重复。

TrajOnco: a multi-agent framework for temporal reasoning over longitudinal EHR for multi-cancer early detection

TrajOnco：一个用于纵向电子健康记录上时间推理的多智能体框架，用于多癌症早期检测

Sihang Zeng, Young Won Kim, Wilson Lau, Ehsan Alipour, Ruth Etzioni, Meliha Yetisgen, Anand Oka

机构 * Truveta Inc.（Truveta公司） ； University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（弗雷德·哈钦森癌症中心） 纠错

AI总结 TrajOnco通过多智能体框架对纵向EHR中的时间序列临床事件进行推理，生成患者总结和风险评分，实现多癌症早期检测。

Positive-Unlabelled Active Learning to Curate a Dataset for Orca Resident Interpretation

积极未标记主动学习用于为Orca居民解释整理数据集

Bret Nestor, Bohan Yao, Jasmine Moore, Jasper Kanes

机构 * Translacean Research Foundation（跨洋研究基金会） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Washington（华盛顿大学） ； University of Calgary（卡尔加里大学） 纠错

AI总结 本文通过积极未标记主动学习策略整理了最大的南方居民杀人鲸声学数据集，包含其他海洋哺乳动物，提升了分类器的准确性和效率。

ClaimDB: A Fact Verification Benchmark over Large Structured Data

ClaimDB: 一个基于大规模结构化数据的事实验证基准

Michael Theologitis, Preetam Prabhu Srikar Dammu, Chirag Shah, Dan Suciu

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

AI总结 本文提出ClaimDB基准，通过百万级记录和多表组合验证事实，发现传统阅读方法失效，需转向可执行程序推理，实验显示超过一半模型准确率低于55%。

Comments ACL 2026 main

GPU-Accelerated Continuous-Time Successive Convexification for Contact-Implicit Legged Locomotion

GPU加速的连续时间递进凸优化用于接触隐式腿部运动

Samuel C. Buckner, Purnanand Elango

机构 * University of Washington（华盛顿大学） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室） 纠错

AI总结 本文提出了一种基于连续时间递进凸优化的接触隐式腿部运动方法，通过引入积分互补性约束消除接触事件丢失风险，提升求解效率，实现更灵活的接触模式切换。

Comments Accepted to IEEE ICRA 2026

Is There Knowledge Left to Extract? Evidence of Fragility in Medically Fine-Tuned Vision-Language Models

还有可以提取的知识吗？医学微调视觉语言模型中的脆弱性证据

Oliver McLaughlin, Daniel Shubin, Carsten Eickhoff, Ritambhara Singh, William Rudman, Michal Golovanevsky

机构 * Brown University（布朗大学） ； University of Washington（华盛顿大学） ； University of Tübingen（蒂宾根大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 研究评估了四个医学微调的视觉语言模型在四个医学影像任务中的表现，发现任务难度增加时性能下降至接近随机水平，表明临床推理有限，医学微调无明显优势，模型对提示词敏感。

Investigating Vaccine Buyer's Remorse: Post-Vaccination Decision Regret in COVID-19 Social Media Using Politically Diverse Human Annotation

研究疫苗购买后悔现象：利用政治多样性的人类注释分析新冠社交媒体中的接种决策后悔

Miles Stanley, Soumyajit Datta, Ashutosh Kumar, Ashiqur R. KhudaBukhsh

机构 * University of Washington, Seattle（华盛顿大学西雅图分校） ； Rochester Institute of Technology（罗切斯特理工学院） 纠错

AI总结 本文通过构建新冠接种经历数据集，分析疫苗后悔现象的普遍性、原因及第一人称与 vicarious 经历差异，评估 LLMs 引入的潜在偏见。

DERM-3R: A Resource-Efficient Multimodal Agents Framework for Dermatologic Diagnosis and Treatment in Real-World Clinical Settings

DERM-3R：一种资源高效的多模态代理框架，用于皮肤病诊断和治疗的现实世界临床应用

Ziwen Chen, Zhendong Wang, Chongjing Wang, Yurui Dong, Luozhijie Jin, Jihao Gu, Kui Chen, Jiaxi Yang, Bingjie Lu, Zhou Zhang, Jirui Dai, Changyong Luo, Xiameng Gai, Haibing Lan, Zhi Liu

机构 * School of Pharmacy, Nanjing University of Chinese Medicine（南京中医药大学药学院） ； Department of Dermatology, the Gulou Hospital of Traditional Chinese Medicine of Beijing（北京鼓楼中医医院皮肤科） ； Infectious disease department, Dongfang Hospital, Beijing University of Chinese Medicine（北京中医药大学东方医院感染科） ； College of Art and Science, university of Washington（华盛顿大学文理学院） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Fudan Unversity（复旦大学） ； Zhejiang Lab（之江实验室） ； University College London（伦敦大学学院） ； Department of Dermatology, Inner Mongolia Hospital of Traditional Chinese Medicine（内蒙古自治区中医医院皮肤科） ； International Campus of Zhejiang University（浙江大学国际校区） 纠错

AI总结 本文提出DERM-3R框架，通过三个协作代理解决皮肤病诊断中的细粒度病变识别、多视角病变表示和综合推理问题，展示了其在资源受限下的高效性能。

Agentic Exploration of PDE Spaces using Latent Foundation Models for Parameterized Simulations

基于潜在基础模型的PDE空间代理探索用于参数化模拟

Abhijeet Vishwasrao, Francisco Giral, Mahmoud Golestanian, Federica Tonti, Andrea Arroyo Ramo, Adrian Lozano-Duran, Steven L. Brunton, Sergio Hoyas, Soledad Le Clainche, Hector Gomez, Ricardo Vinuesa

机构 * University of Michigan（密歇根大学） ； Universidad Politécnica de Madrid（马德里理工大学） ； Purdue University（普渡大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Caltech（加州理工学院） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出利用多代理LLM与潜在基础模型耦合，实现对PDE参数空间的连续探索，发现流体中不同尺度的标度律，展示了代理推理在PDE系统中的自动化科学发现能力。