University of Washington（华盛顿大学）

Remembering Unequally: Global and Disciplinary Bias in LLM Reconstruction of Scholarly Coauthor Lists

铭记不均：大型语言模型在重构学术合著者名单中的全球和学科偏见

Ghazal Kalhor, Afra Mashhadi

机构 * Computing and Software Systems, University of Washington, Bothell, WA, USA（华盛顿大学Bothell分校计算机与软件系统学院） 纠错

AI总结 研究探讨了大型语言模型在重构学术合著者名单时的偏见问题，发现高引用学者更受青睐，但某些学科和地区表现更均衡，揭示了依赖LLM生成知识的风险与局限。

GeoEdit: Local Frames for Fast, Training-Free On-Manifold Editing in Diffusion Models

GeoEdit：用于扩散模型中无训练快速在流形上编辑的局部框架

Yiming Zhang, Sitong Liu, Ke Li, Zhihong Wu, Alex Cloninger, Melvin Leok

机构 * University of California San Diego, La Jolla, CA, USA（加州大学圣迭戈分校） ； University of Washington, Seattle, WA, USA（华盛顿大学） ； Xidian University, Xi'an, China（西电大学） 纠错

AI总结 本文提出GeoEdit，通过局部流形切线空间实现无需训练的快速在流形上编辑，利用小扰动构建切线框架，实现精细编辑。

Spontaneous Persuasion: An Audit of Model Persuasiveness in Everyday Conversations

自发说服：日常对话中模型说服力的审计

Nalin Poungpeth, Nicholas Clark, Tanu Mitra

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

AI总结 本文研究了日常对话中模型说服力的自发性，通过审计五种LLM发现其在多轮对话中频繁使用信息类说服策略，而在心理健康话题中更倾向情感类策略，与人类回应的社交影响策略形成对比。

Prenatal Stress Detection from Electrocardiography Using Self-Supervised Deep Learning: Development and External Validation

孕期压力从心电图中检测：使用自监督深度学习的方法开发与外部验证

Martin G. Frasch, Marlene J. E. Mayer, Clara Becker, Peter Zimmermann, Camilla Zelgert, Marta C. Antonelli, Silvia M. Lobmaier

机构 * Institute on Human Development and Disability, University of Washington, Seattle, WA, USA（人类发展与残疾研究所，华盛顿大学，西雅图，华盛顿州，美国） ； JoyBeat Medical, Seattle, WA, USA（JoyBeat医疗公司，西雅图，华盛顿州，美国） ； Department of Obstetrics and Gynecology, TUM University Hospital, Technical University of Munich, Munich, Germany（妇产科与妇科部，慕尼黑技术大学大学医院，慕尼黑，德国） ； Technical University of Munich（慕尼黑技术大学；高级研究所，加兴，德国） ； Institute for Advanced Study, Garching, Germany 纠错

AI总结 本文提出利用自监督深度学习从心电图中检测孕期压力，通过多层特征提取方法在不同ECG信号中实现高准确率的分类和预测，展示了在不同数据集上的验证结果。

Comments 22 pages, 5 figures. A patent was filed by JoyBeat Medical, Inc, for the technology described (US Patent Application No.63/968,084)

AI Security Beyond Core Domains: Resume Screening as a Case Study of Adversarial Vulnerabilities in Specialized LLM Applications

超越核心领域的人工智能安全：简历筛选作为专门大语言模型应用中对抗性漏洞的案例研究

Honglin Mu, Jinghao Liu, Kaiyang Wan, Rui Xing, Xiuying Chen, Timothy Baldwin, Wanxiang Che

机构 * Research Center for Social Computing and Interactive Robotics（社会计算与交互机器人研究中心） ； Harbin Institute of Technology（哈尔滨工业大学） ； Natural Language Processing Research Department（自然语言处理研究部） ； MBZUAI ； Paul G. Allen School of Computer Science and Engineering（保罗·G·阿伦计算机科学与工程学院） ； University of Washington（华盛顿大学） ； School of Computing and Information Systems（计算与信息系统学院） ； The University of Melbourne（墨尔本大学） 纠错

AI总结 研究探讨了大语言模型在简历筛选中的对抗性漏洞，提出FIDS防御机制，通过实验显示训练时防御优于推理时缓解，有效降低攻击成功率。

The Surprising Effectiveness of Membership Inference with Simple N-Gram Coverage

基于简单n-gram覆盖的成员推断的惊人效果

Skyler Hallinan, Jaehun Jung, Melanie Sclar, Ximing Lu, Abhilasha Ravichander, Sahana Ramnath, Yejin Choi, Sai Praneeth Karimireddy, Niloofar Mireshghallah, Xiang Ren

机构 * University of Southern California（南加州大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出基于文本输出的成员推断攻击，通过n-gram重叠度评估模型生成文本与真实后缀的相似性，验证了其在黑盒模型上的有效性，并发现攻击成功率随计算预算增加而提升。

Comments CoLM 2025. v2: update citation

Implicit Humanization in Everyday LLM Moral Judgments

日常LLM道德判断中的隐性人性化

Hoda Ayad, Tanu Mitra

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

AI总结 研究探讨了日常LLM在道德判断中隐性人性化倾向的影响，通过分析四个主流LLM的响应，发现其强化了隐性人性化假设，可能加剧过度依赖或信任风险，呼吁未来研究需考虑用户侧隐性人性化并设计解决方案。

Comments 6 pages, 3 figures, Published in CHIIR '26

Journal ref Proceedings of the 2026 Conference on Human Information Interaction and Retrieval (CHIIR '26), pages 497-502, 2026

ReFinE: Streamlining UI Mockup Iteration with Research Findings

ReFinE：通过研究发现流利化 UI 模板迭代

Donghoon Shin, Bingcan Guo, Jaewook Lee, Lucy Lu Wang, Gary Hsieh

机构 * University of Washington Seattle WA USA ； University of Washington,\ Institute for AI Seattle WA USA ； University of Washington ； University of Washington,\ Institute for AI 纠错

AI总结 ReFinE 是一个 Figma 插件，通过实时设计迭代提供研究洞察，减少认知负担，提高设计师将研究证据整合到 UI 模板中的能力。

Journal ref In Proceedings of the 2026 ACM Designing Interactive Systems Conference (DIS '26), Jun 13-17, 2026, Singapore, Singapore. ACM, New York, NY, USA

Reasonably reasoning AI agents can avoid game-theoretic failures in zero-shot, provably

合理推理的AI代理可以在零样本情况下避免博弈论失败并得到证明

Enoch Hyunwook Kang

机构 * Foster School of Business, University of Washington（华盛顿大学福斯特商学院） 纠错

AI总结 本文研究了AI代理在重复博弈中的稳定性，证明了基于贝叶斯后验采样的代理能趋近纳什均衡，且在未知收益情况下仍保持收敛性。

NVILA: Efficient Frontier Visual Language Models

NVILA：高效的前沿视觉语言模型

Zhijian Liu, Ligeng Zhu, Baifeng Shi, Zhuoyang Zhang, Yuming Lou, Shang Yang, Haocheng Xi, Shiyi Cao, Yuxian Gu, Dacheng Li, Xiuyu Li, Yunhao Fang, Yukang Chen, Cheng-Yu Hsieh, De-An Huang, An-Chieh Cheng, Vishwesh Nath, Jinyi Hu, Sifei Liu, Ranjay Krishna, Daguang Xu, Xiaolong Wang, Pavlo Molchanov, Jan Kautz, Hongxu Yin, Song Han, Yao Lu

机构 * NVIDIA ； MIT（麻省理工学院） ； UC Berkeley（加州大学伯克利分校） ； UC San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； Tsinghua University（清华大学） 纠错

AI总结 NVILA通过'缩放后再压缩'方法提升效率与准确性，降低训练和推理成本，适用于高分辨率图像和长视频处理。

Comments CVPR 2025. Project page: https://z-lab.ai/projects/nvila/