University of Washington（华盛顿大学）

Before the Labels: How Dataset Construction Shapes Suicidality Detection in Clinical Text

标签之前：数据集构建如何塑造临床文本中的自杀检测

Priyanshi Garg, Ishita Rao, Jieqiong Ding, Amandalynne Paullada

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

AI总结 通过ScAN数据集案例研究，揭示EHR自杀数据集编码特定操作化定义，受数据作者、事件边界和歧义处理影响，并展示相同标签涵盖异质性临床框架。

Comments To appear in the Proceedings of the 11th Workshop on Computational Linguistics and Clinical Psychology (CLPsych 2026)

Sign-Language Datasets at Scale: A Comprehensive Survey on Resources, Benchmarks, and Annotation Standards

大规模手语数据集：资源、基准和标注标准的综合调查

Yiming Ni, Zhi-Qi Cheng, Jiayu Li, Wei Cheng

机构 * Tacoma School of Engineering & Technology, University of Washington（华盛顿大学塔科马工程与技术学院） 纠错

AI总结 本文调查了35种手语的120个数据集，分析了模态不平衡、标注粒度和手语者偏差等挑战，并提出了24字段手语数据表以支持标准化文档和可复现评估。

Comments Accepted to ACL 2026 Main. 27 pages, 5 figures

HEPTv2: End-to-End Efficient Point Transformer for Charged Particle Reconstruction

HEPTv2：用于带电粒子重建的端到端高效点变换器

Siqi Miao, Shitij Govil, Jack P. Rodgers, Mia Liu, Javier Duarte, Shih-Chieh Hsu, Yuan-Tang Chou, Pan Li

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） ； Department of Physics and Astronomy, Purdue University（普渡大学物理与天文学系） ； Department of Physics, University of California San Diego（加州大学圣地亚哥分校物理系） ； Department of Physics, University of Washington（华盛顿大学物理系） 纠错

AI总结 提出HEPTv2，一种端到端点变换器架构，通过局部敏感哈希编码和扇区化解码，无需图构建即可从探测器击中点直接重建粒子轨迹，在TrackML上以0.8%假率实现98.6%追踪效率，延迟仅15ms。