University of Washington（华盛顿大学）

Explicit Fuzzy Logic in the Feed-Forward Layer: Self-Forgetting Quantifiers Discover Legible Grammatical-Licensing Detectors

前馈层中的显式模糊逻辑：自遗忘量词发现可读的语法许可检测器

Mark Oskin

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

AI总结 提出参数中性的显式模糊逻辑前馈层（NC-FFN），通过交集和集差操作实现逻辑推理，在125M参数语言模型上达到与GELU基线相当的困惑度，并通过自遗忘量词使前馈层可解释为语法许可检测器。

How Human Feedback Shapes AI-generated Community Notes

人类反馈如何塑造AI生成的社区笔记

Soham De, Isaac Slaughter, Jiawei Guo, Qiao-Yun Cheng, Jiayuan Yan, Sruti Banerjee, Martin Saveski

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

AI总结 研究分析X平台协作笔记中人类反馈对AI生成草稿的影响，发现事实修正和补充背景的建议最易被采纳，人类反馈提升笔记有用性，但协作笔记达到有用状态的比例低于纯人类或纯AI笔记，且主要补充而非替代它们。

Can Physician Expertise Improve Machine Learning Identification of Delirium?

医生专业知识能否改善机器学习对谵妄的识别？

Xinyu Qin, Vicky Ye, Ruiheng Yu, Lu Wang

机构 * University of Houston（休斯顿大学） ； University of Washington（华盛顿大学） 纠错

AI总结 提出用户中心交互式机器学习框架，结合医生指导的特征优化与可解释模型，利用多源数据，在谵妄检测中提升判别性能和时间鲁棒性。

Comments Accepted for presentation at the IEEE Engineering in Medicine and Biology Conference (EMBC) 2026