University of Washington（华盛顿大学）

Training, Reading, and Editing Legible Transformers

训练、读取和编辑清晰可读的Transformer

Mark Oskin

机构 * University of Washington（华盛顿大学） ； School of Computer Science and Engineering（计算机科学与工程学院） 纠错

AI总结 研究如何让Transformer清晰可读，提出用通道方差下限等方法，构建出最清晰可读的Transformer，使单元能分离检测与命名，编辑更局部，还揭示清晰度调节旋钮，质量与传统基线相当。

FlowDAgger: Human-in-the-Loop Adaptation of Generative Robot Policies in Latent Space

FlowDAgger：在潜在空间中对生成式机器人策略进行人工参与的自适应调整

Michael Murray, Daphne Chen, Simran Bagaria, Dean Fortier, Tess Hellebrekers, Galen Mullins, Harshavardhan Gajarla, Oier Mees, Maya Cakmak, Andrey Kolobov

机构 * Microsoft Research（微软研究院） ； University of Washington（华盛顿大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 研究针对预训练生成式机器人策略在实际部署中出现的问题，提出FlowDAgger方法，通过动作反转从人工干预获取监督，在模拟及现实操纵中评估，该方法优于基线且能保留预训练技能，为机器人基础模型自适应调整提供实用路径。

Rectification Difficulty and Optimal Sample Allocation in LLM-Augmented Surveys

LLM增强调查中的校正难度与最优样本分配

Zikun Ye, Hema Yoganarasimhan

机构 * Michael G. Foster School of Business, University of Washington（华盛顿大学Michael G. Foster商学院） 纠错

AI总结 本文研究在LLM预测可用时如何分配人类样本以提高估计效率，提出校正难度分析、最优分配规则及元学习方法，通过实验证明其在不同领域和LLM上的有效性。

Fine-grained Soundscape Control for Augmented Hearing

细粒度声音景观控制用于增强听觉

Seunghyun Oh, Malek Itani, Aseem Gauri, Shyamnath Gollakota

机构 * Paul G. Allen School of Computer Science and Engineering, University of Washington（保罗·G·阿伦计算机科学与工程学院，华盛顿大学） ； Hearvana AI（Hearvana人工智能） 纠错

AI总结 Aurchestra通过细粒度声音控制实现可穿戴设备上多声音源的独立调节与混合，提升环境声音的增强与抑制效果。

Comments 15 pages, 11 figures, 4 tables, published at ACM MobiSys 2026

Journal ref MobiSys '26: Proceedings of the 24th Annual International Conference on Mobile Systems, Applications and Services (2026) 371-391