University of Washington（华盛顿大学）

AI Assistants Overassist

人工智能助手过度协助

Verona Teo, Raghav Jain, Tobias Gerstenberg, Max Kleiman-Weiner

机构 * Stanford University（斯坦福大学） ； University of California, San Diego（加利福尼亚大学圣地亚哥分校） ； University of Washington（华盛顿大学） 纠错

AI总结 研究探讨大语言模型作导师时，其干预方式对学习的影响。介绍Int-Bench基准，模拟学生解题、教师决定干预。在多领域评估大语言模型教师干预情况，并与人类对比，发现其干预频繁且倾向提供完整方案，表明为短期成功而非深层学习优化。

TwistedMerge: Certified Higher-Order Diagnostics and Abstention for Model Merging

TwistedMerge：用于模型合并的经过认证的高阶诊断与弃权

Ting Gong, Shitan Xu

机构 * Department of Mathematics, University of Washington（华盛顿大学数学系） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） 纠错

AI总结 研究模型合并中全局对齐问题，提出TwistedMerge认证管道，将合并视为有限下降问题，经多测试提升残差为上同调类，证明相关定理，通过实验展示该方法在处理多种情况时的表现，定位下降理论为可证伪框架。

Comments 34 Pages, Comments welcome!

GigaPath-Flash and GigaTIME-Flash: Efficient Pathology Foundation Models for Whole-Slide and Tumor Microenvironment Analysis

GigaPath-Flash和GigaTIME-Flash：用于全切片和肿瘤微环境分析的高效病理学基础模型

Naoto Usuyama, Jeya Maria Jose Valanarasu, Sicong Yao, Hanwen Xu, Jaspreet Bagga, Guanghui Qin, Robert E. Kramer, Cliff Wong, Soohee Lee, Hao Qiu, Theodore Zhengde Zhao, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Eduardo Alejandro Lozano Garcia, Naiteek Sangani, Alberto Santamaria-Pang, Maximilian Rokuss, Yashna Hasija, Naisargi Manishkumar Patel, Jason Entenmann, Alexandra Q. Bartlett, Bill J. Wright, Bernard A. Fox, Brian Piening, Sheng Zhang, Sheng Wang, Tristan Naumann, Carlo Bifulco, Hoifung Poon

机构 * Microsoft Research（微软研究院） ； Paul G. Allen School of Computer Science and Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院） ； Providence Genomics（普罗维登斯基因组学公司） ； Earle A. Chiles Research Institute, Providence Cancer Institute（普罗维登斯癌症研究所厄尔·A·奇尔斯研究所） ； Providence Research Network（普罗维登斯研究网络） 纠错

AI总结 研究针对计算病理学中模型局限，提出GigaPath-Flash和GigaTIME-Flash模型用于全切片和肿瘤微环境分析。前者结合特定编码器，计算量少性能优；后者扩展架构预测肿瘤免疫微环境，速度快内存省，共同为相关领域提供开放许可模型及权重。

Comments Models: https://aka.ms/gigapath-flash (GigaPath-Flash) and https://aka.ms/gigatime-flash (GigaTIME-Flash)

TOPReward: Token Probabilities as Hidden Zero-Shot Rewards for Robotics

TOPReward: 令牌概率作为机器人学中的隐式零样本奖励

Shirui Chen, Cole Harrison, Ying-Chun Lee, Angela Jin Yang, Zhongzheng Ren, Lillian J. Ratliff, Jiafei Duan, Dieter Fox, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究所） ； Amazon（亚马逊） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 TOPReward通过利用预训练视频视觉-语言模型的令牌概率，提供高效的零样本奖励估计，显著提升机器人任务进度评估的性能和泛化能力。

DynaMark: A Reinforcement Learning Framework for Dynamic Watermarking in Industrial Machine Tool Controllers

DynaMark：一种用于工业机床控制器中动态水印的强化学习框架

Navid Aftabi, Abhishek Hanchate, Satish Bukkapatnam, Dan Li

机构 * Industrial & Systems Engineering Department, University of Washington（华盛顿大学工业与系统工程系） ； Wm Michael Barnes ’64 Department of Industrial and Systems Engineering, Texas A&M University（德克萨斯农工大学工业与系统工程系） 纠错

AI总结 研究针对工业机床控制器重放攻击问题，提出强化学习框架DynaMark，将动态水印建模为马尔可夫决策过程，在线学习自适应策略调整水印协方差，平衡多方面因素，实验验证其能降低水印能量、保持检测延迟并超越现有基准。

Comments Accepted for publication in IEEE Transactions on Automation Science and Engineering (T-ASE)