University of Washington（华盛顿大学）

Cell Behavior Video Classification Challenge, a benchmark for computer vision methods in time-lapse microscopy

细胞行为视频分类挑战，一种用于时间延拓显微镜中计算机视觉方法的基准测试

Raffaella Fiamma Cabini, Deborah Barkauskas, Guangyu Chen, Zhi-Qi Cheng, David E Cicchetti, Judith Drazba, Rodrigo Fernandez-Gonzalez, Raymond Hawkins, Yujia Hu, Jyoti Kini, Charles LeWarne, Xufeng Lin, Sai Preethi Nakkina, John W Peterson, Koert Schreurs, Ayushi Singh, Kumaran Bala Kandan Viswanathan, Inge MN Wortel, Sanjian Zhang, Rolf Krause, Santiago Fernandez Gonzalez, Diego Ulisse Pizzagalli

机构 * Euler Institute, Faculty of Informatics, Università della Svizzera italiana（欧拉研究所，信息学院，瑞士大学） ； International Center for Advanced Computing in Medicine (ICAM), University of Pavia（国际医学先进计算中心（ICAM），帕维亚大学） ； Imaging Platform, ACRF INCITe Centre, Garvan Institute of Medical Research（成像平台，ACRF INCITe中心，嘉文医学研究所） ； Tacoma School of Engineering & Technology, University of Washington（塔科马工程与技术学院，华盛顿大学） ； Data Science, Institute for Computing and Information Sciences, Radboud University（数据科学，计算与信息科学研究所，拉德堡德大学） ； Imaging Core, Lerner Research Institute, Cleveland Clinic（成像核心，勒纳研究研究所，克利夫兰诊所） ； Institute of Biomedical Engineering, University of Toronto（生物医学工程研究所，多伦多大学） ； Center for Research in Computer Vision, University of Central Florida（计算机视觉研究中心，佛罗里达大学） ； Computational Biology Group, Data Science Platform, Garvan Institute of Medical Research（计算生物学小组，数据科学平台，嘉文医学研究所） 纠错

AI总结 本文提出细胞行为视频分类挑战，评估了三种方法在时间延拓显微镜视频分类中的性能，旨在推动计算机视觉在细胞动态研究中的发展。

Terrain-Adaptive Mobile 3D Printing with Hierarchical Control

地形自适应移动三维打印与分层控制

Shuangshan Nors Li, J. Nathan Kutz

机构 * Department of Electrical and Computer Engineering, University of Washington, USA（电气与计算机工程系，华盛顿大学） ； Department of Applied Mathematics, University of Washington, USA（应用数学系，华盛顿大学） 纠错

AI总结 本研究提出了一种结合人工智能与分层控制的地形自适应移动三维打印框架，通过多传感器融合和闭环控制实现高精度打印与移动性平衡。

Comments Submitted to the 43rd International Symposium on Automation and Robotics in Construction (ISARC 2026)

Is MT Ready for the Next Crisis or Pandemic?

在下一次危机或大流行病中，机器翻译准备好了吗？

Vipasha Bansal, Elizabeth Brown, Chelsea Kendrick, Benjamin Pong, William D. Lewis

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

AI总结 本研究评估了四个商业MT系统在翻译低资源语言，特别是在危机或医疗领域时的效果，以评估应对下一次大流行病的准备程度。

SRT: Accelerating Reinforcement Learning via Speculative Rollout with Tree-Structured Cache

SRT：通过树结构缓存的推测式回滚加速强化学习

Chi-Chih Chang, Siqi Zhu, Zhichen Zeng, Haibin Lin, Jiaxuan You, Mohamed S. Abdelfattah, Ziheng Jiang, Xuehai Qian

机构 * Cornell University（康奈尔大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； ByteDance（字节跳动） 纠错

AI总结 SRT通过树结构缓存的推测式回滚方法，有效加速语言模型的在线强化学习，提升生成效率并降低推理成本。

CrowdLLM: Building LLM-Based Digital Populations Augmented with Generative Models

CrowdLLM: 构建基于大语言模型的数字人群并整合生成模型

Ryan Feng Lin, Keyu Tian, Hanming Zheng, Congjing Zhang, Li Zeng, Shuai Huang

机构 * Department of Industrial and Systems Engineering, University of Washington（华盛顿大学工业与系统工程系） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） 纠错

AI总结 CrowdLLM通过整合预训练大语言模型和生成模型，提升数字人群的多样性和保真度，适用于社交模拟、众包等多领域应用。

MedicalNarratives: Connecting Medical Vision and Language with Localized Narratives

MedicalNarratives: 通过局部化叙述连接医学视觉与语言

Wisdom O. Ikezogwo, Kevin Zhang, Mehmet Saygin Seyfioglu, Fatemeh Ghezloo, Linda Shapiro, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） ； Amazon（亚马逊） 纠错

AI总结 MedicalNarratives通过局部化鼠标轨迹连接医学视觉与语言，训练出的GenMedClip在12个医学领域均优于现有最佳模型。

Modeling LLM Agent Reviewer Dynamics in Elo-Ranked Review System

在Elo排名评审系统中建模LLM代理评审动态

Hsiang-Wei Huang, Junbin Lu, Kuang-Ming Chen, Jenq-Neng Hwang

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

AI总结 本文研究了在Elo排名评审系统中，通过整合Elo评分和评审者记忆提升领域主席决策准确性的LLM代理评审动态。

Comments In submission. The first two authors contributed equally

Reasoning Matters for 3D Visual Grounding

推理在3D视觉定位中至关重要

Hsiang-Wei Huang, Kuang-Ming Chen, Wenhao Chai, Cheng-Yen Yang, Jen-Hao Cheng, Jenq-Neng Hwang

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

AI总结 本文提出了一种自动合成3D视觉定位数据的管道，并引入了在仅使用1.6%训练数据下表现优于现有方法的Reason3DVG-8B模型，证明了推理在3D视觉定位中的重要性。

Comments 2025 CVPR Workshop on 3D-LLM/VLA: Bridging Language, Vision and Action in 3D Environments

Coarse graining and reduced order models for plume ejection dynamics

粗粒化与降阶模型用于烟流喷射动力学

Ike Griss Salas, Megan R. Ebers, Jake Stevens-Haas, J. Nathan Kutz

机构 * Department of Applied Mathematics, University of Washington（应用数学系，华盛顿大学） ； Department of Electrical and Computer Engineering, University of Washington（电气与计算机工程系，华盛顿大学） 纠错

AI总结 本文提出一种基于视频数据的降阶模型，用于高效建模烟流初始喷射阶段的动力学特征。

Journal ref Physics of Fluids 37, 107145 (2025)

Provocations from the Humanities for Generative AI Research

对生成式AI研究的人文学科挑衅

Lauren Klein, Meredith Martin, André Brock, Maria Antoniak, Melanie Walsh, Jessica Marie Johnson, Lauren Tilton, David Mimno

机构 * Emory University（埃默里大学） ； Princeton University（普林斯顿大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Colorado Boulder（科罗拉多大学丹佛分校） ； University of Washington（华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Richmond（里士满大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出八个针对生成式AI研究的人文学科观点，强调人文学科在AI发展中的重要性，并呼吁抵制将人文学科研究纳入计算机科学领域。

Comments revised draft; final version in preparation

Match Made with Matrix Completion: Efficient Learning under Matching Interference

矩阵补全的匹配：在匹配干扰下高效学习

Zhiyuan Tang, Wanning Chen, Kan Xu

机构 * Naveen Jindal School of Management, University of Texas at Dallas（德克萨斯大学达拉斯分校纳维恩·金达尔管理学院） ； Foster School of Business, University of Washington（华盛顿大学福斯特商学院） ； W. P. Carey School of Business, Arizona State University（亚利桑那州立大学W.P.凯里商学院） 纠错

AI总结 本文提出利用矩阵补全技术，在匹配干扰下高效学习匹配质量，通过核范数正则化和双增强估计器改进奖励学习和在线学习性能。

LLM Agents in Law: Taxonomy, Applications, and Challenges

法律中的LLM代理：分类、应用与挑战

Shuang Liu, Ruijia Zhang, Ruoyun Ma, Yujia Deng, Lanyi Zhu, Jiayu Li, Zelong Li, Zhibin Shen, Mengnan Du

机构 * Carnegie Mellon University（卡内基梅隆大学） ； National University of Singapore（国立新加坡大学） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； The University of Chicago（芝加哥大学） ； Rutgers University（罗格斯大学） ； Columbia University（哥伦比亚大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

AI总结 本文探讨了法律领域中LLM代理的分类、应用及挑战，分析了技术转变、应用分类、评估方法及未来发展方向。

Islamic Chatbots in the Age of Large Language Models

大型语言模型时代下的伊斯兰聊天机器人

Muhammad Aurangzeb Ahmad

机构 * Department of Computer Science & Software Engineering University of Washington Bothell（计算机科学与软件工程系华盛顿大学Bothell分校） 纠错

AI总结 本文探讨了大型语言模型驱动的伊斯兰聊天机器人对宗教实践的影响，分析了其在知识获取民主化与权威侵蚀之间的矛盾，并提出负责任设计的建议。

Comments Muslim in ML Workshop at NeurIPS 2025

Correcting misinformation on social media with a large language model

利用大型语言模型纠正社交媒体上的虚假信息

Xinyi Zhou, Ashish Sharma, Amy X. Zhang, Tim Althoff

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） ； Computer Science Department, Boise State University（计算机科学系，博伊西州立大学） ； Microsoft Corporation（微软公司） 纠错

AI总结 MUSE通过结合视觉语言模型和网络检索，有效纠正社交媒体上的虚假信息，优于GPT-4和社交媒体用户回复。

Comments 52 pages

AM$^3$Safety: Towards Data Efficient Alignment of Multi-modal Multi-turn Safety for MLLMs

AM$^3$Safety: 向多模态多轮安全对齐的数据高效方法

Han Zhu, Jiale Chen, Chengkun Cai, Shengjie Sun, Haoran Li, Yujin Zhou, Chi-Min Chan, Pengcheng Wen, Lei Li, Sirui Han, Yike Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Zhongshan School of Medicine, SUN YAT-SEN UNIVERSITY（中山医学院，孙中山大学） ； University of Edinburgh（爱丁堡大学） ； University of Washington（华盛顿大学） 纠错

AI总结 AM$^3$Safety通过结合冷启动拒绝阶段和组相对策略优化，有效提升多模态多轮对话的安全性，降低攻击成功率并增强模型的无害与帮助维度。

Exploring the limits of strong membership inference attacks on large language models

探索对大型语言模型的强大成员推断攻击的极限

Jamie Hayes, Ilia Shumailov, Christopher A. Choquette-Choo, Matthew Jagielski, George Kaissis, Milad Nasr, Sahra Ghalebikesabi, Meenatchi Sundaram Mutu Selva Annamalai, Niloofar Mireshghallah, Igor Shilov, Matthieu Meeus, Yves-Alexandre de Montjoye, Katherine Lee, Franziska Boenisch, Adam Dziedzic, A. Feder Cooper

机构 * Google DeepMind（谷歌DeepMind） ； University College London（伦敦大学学院） ； University of Washington（华盛顿大学） ； Imperial College London（伦敦帝国学院） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍兹中心） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） 纠错

AI总结 本研究通过扩展LiRA攻击至GPT-2模型，揭示了强成员推断攻击在大型语言模型上的有效性及局限性，发现其在实际应用中仍存在显著的AUC限制和决策不稳定问题。

Comments NeurIPS 2025

Social Construction of Urban Space: Using LLMs to Identify Neighborhood Boundaries From Craigslist Ads

城市空间的社会建构：利用大语言模型从Craigslist广告中识别社区边界

Adam Visokay, Ruth Bagley, Ian Kennedy, Chris Hess, Kyle Crowder, Rob Voigt, Denis Peskoff

机构 * University of Washington, Department of Sociology（华盛顿大学社会学系） ； Northwestern University, Department of Linguistics（西北大学语言学系） ； University of Illinois Chicago, Department of Sociology（伊利诺伊大学芝加哥分校社会学系） ； Kennesaw State University, Department of Sociology and Criminal Justice（凯斯韦尔州立大学社会学与犯罪学系） 纠错

AI总结 本文利用大语言模型分析Craigslist广告，揭示城市社区边界的社交建构及空间定义的争议

Comments 8 pages, 3 figures, 4 tables

TextBO: Bayesian Optimization in Language Space for Eval-Efficient Self-Improving AI

TextBO: 在语言空间中基于贝叶斯优化的评估高效自改进AI

Enoch Hyunwook Kang, Hema Yoganarasimhan

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

AI总结 TextBO是一种在语言空间中基于贝叶斯优化的评估高效自改进AI算法，通过结合文本梯度与最佳N选择策略，实现高效自改进。

Offline Model-Based Optimization: Comprehensive Review

离线模型驱动优化：全面综述

Minsu Kim, Jiayao Gu, Ye Yuan, Taeyoung Yun, Zixuan Liu, Yoshua Bengio, Can Chen

机构 * Mila - Quebec AI Institute/KAIST（魁北克AI研究所/韩国科学技术院） ； Mila - Quebec AI Institute/McGill University（魁北克AI研究所/麦吉尔大学） ； Mila - Quebec AI Institute/University of Montreal（魁北克AI研究所/蒙特利尔大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文综述了离线模型驱动优化的现状，分析了替代建模和生成建模两种方法，并探讨了该领域的发展方向。

Comments Accepted to TMLR 2026 (Survey Certification)

How Many Images Does It Take? Estimating Imitation Thresholds in Text-to-Image Models

需要多少张图片？文本到图像模型中模仿阈值的估计

Sahil Verma, Royi Rassin, Arnav Das, Gantavya Bhatt, Preethi Seshadri, Chirag Shah, Jeff Bilmes, Hannaneh Hajishirzi, Yanai Elazar

机构 * University of Washington, Seattle（华盛顿大学） ； Bar-Ilan University（巴伊兰大学） ； University of California, Irvine（加州大学伊文斯顿分校） ； Allen Institute of AI（人工智能研究院） 纠错

AI总结 研究通过评估文本到图像模型的模仿阈值，探讨其在版权和隐私合规中的应用。

Comments Accepted at TMLR 2025, ATTRIB, RegML, and SafeGenAI workshops at NeurIPS 2024 and NLLP Workshop 2024. https://openreview.net/forum?id=x0qJo7SPhs

VisuoTactile 6D Pose Estimation of an In-Hand Object using Vision and Tactile Sensor Data

利用视觉和触觉传感器数据进行手持物体的6D位姿估计

Snehal s. Dikhale, Karankumar Patel, Daksh Dhingra, Itoshi Naramura, Akinobu Hayashi, Soshi Iba, Nawid Jamali

机构 * Honda Research Institute USA, Inc.（本田美国研究院） ； Honda R&D Co., Ltd.（本田研发公司） ； Department of Mechanical Engineering, University of Washington（华盛顿大学机械工程系） 纠错

AI总结 本文提出利用视觉和触觉数据融合方法，提高机器人在手物体的6D位姿估计精度。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), January 2022. Presented at ICRA 2022. This is the author's version of the manuscript

Journal ref IEEE Robotics and Automation Letters, vol. 7, no. 2, pp. 2228-2235, April 2022

Scale-aware Adaptive Supervised Network with Limited Medical Annotations

具有有限医学标注的尺度感知自适应监督网络

Zihan Li, Dandan Shan, Yunxiang Li, Paul E. Kinahan, Qingqi Hong

机构 * Xiamen University（厦门大学） ； University of Washington（华盛顿大学） ； Department of Radiation Oncology, UT Southwestern Medical Center（放射肿瘤科，德克萨斯西南医学中心） 纠错

AI总结 SASNet通过引入尺度感知自适应重加权、视点差异增强和分割-回归一致性学习，解决半监督医学图像分割中标注稀缺、视点差异和多尺度特征整合不足的问题，实现有限标注下的高性能分割。

Comments Accepted by Pattern Recognition, 8 figures, 11 tables

VEAT Quantifies Implicit Associations in Text-to-Video Generator Sora and Reveals Challenges in Bias Mitigation

VEAT量化文本到视频生成器Sora中的隐含关联并揭示缓解偏见的挑战

Yongxu Sun, Michael Saxon, Ian Yang, Anna-Maria Gueorguieva, Aylin Caliskan

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

AI总结 VEAT量化Sora视频生成器中隐含的种族和性别关联，揭示去偏提示可能反噬的问题，强调T2V生成器需严格评估以避免代表性伤害。

Comments The International Association for Safe & Ethical AI (IASEAI)

Zero-shot Forecasting by Simulation Alone

仅通过模拟进行零样本预测

Boris N. Oreshkin, Mayank Jauhari, Ravi Kiran Selvam, Malcolm Wolff, Wenhao Pan, Shankar Ramasubramanian, Kin G. Olivares, Tatiana Konstantinova, Andres Potapczynski, Mengfei Cao, Dmitry Efimov, Michael W. Mahoney, Andrew G. Wilson

机构 * Amazon（亚马逊公司） ； UC Berkeley（加州大学伯克利分校） ； New York University（纽约大学） ； University of Washington（华盛顿大学） 纠错

AI总结 SarSim0通过SARIMA模型生成模拟数据，实现高效的零样本时间序列预测，超越现有统计模型和基线方法。

Generating Piano Music with Transformers: A Comparative Study of Scale, Data, and Metrics

用Transformer生成钢琴音乐：尺度、数据和度量的比较研究

Jonathan Lehmkuhl, Ábel Ilyés-Kun, Nico Bremes, Cemhan Kaan Özaltan, Frederik Muthers, Jiayi Yuan

机构 * RWTH Aachen University（亚琛工业大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文通过比较不同数据集、模型架构和训练策略，探讨了使用Transformer生成钢琴音乐时，模型规模和度量标准对生成质量的影响。

Comments NeurIPS 2025 Workshop on AI for Music

Effects of algorithmic flagging on fairness: quasi-experimental evidence from Wikipedia

算法标记对公平性的影响：来自维基百科的准实验证据

Nathan TeBlunthuis, Benjamin Mako Hill, Aaron Halfaker

机构 * University of Washington（华盛顿大学） ； Microsoft（微软公司） 纠错

AI总结 本文研究了算法标记对维基百科管理员公平性的影响，发现算法标记可减少对社会信号的依赖，提高审核公平性，但效果复杂且依赖具体情境。

Comments 27 pages, 11 figures, ACM CSCW

Journal ref Proc. ACM Hum.-Comput. Interact. 5, CSCW1, Article 56 (April 2021), 27 pages

Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback

零和博弈中的无正则化线性收敛性：从偏好反馈出发

Shulun Chen, Runlong Zhou, Zihan Zhang, Maryam Fazel, Simon S. Du

机构 * Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； HKUST（香港科技大学） 纠错

AI总结 本文提出了一种无正则化的OMWU算法，证明其在零和博弈中实现线性收敛，无需假设纳什均衡的唯一性，提升了对实例依赖常数的依赖性。

Comments 28 pages

DermaVQA-DAS: Dermatology Assessment Schema (DAS) & Datasets for Closed-Ended Question Answering & Segmentation in Patient-Generated Dermatology Images

DermaVQA-DAS：皮肤科评估方案（DAS）及用于患者生成皮肤科图像中封闭式问答与分割的数据库

Wen-wai Yim, Yujuan Fu, Asma Ben Abacha, Meliha Yetisgen, Noel Codella, Roberto Andres Novoa, Josep Malvehy

机构 * Microsoft Health AI（微软健康人工智能） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Hospital Clinic of Barcelona（巴塞罗那医院诊所） 纠错

AI总结 DermaVQA-DAS引入了皮肤科评估方案DAS，支持封闭式问答与分割任务，通过专家标注数据集和多模态模型评估，提升患者为中心的皮肤科视觉语言模型研究。

Flowing from Reasoning to Motion: Learning 3D Hand Trajectory Prediction from Egocentric Human Interaction Videos

从推理到动作：从第一人称人类交互视频中学习3D手轨迹预测

Mingfei Chen, Yifan Wang, Zhengqin Li, Homanga Bharadhwaj, Yujin Chen, Chuan Qin, Ziyi Kou, Yuan Tian, Eric Whitmire, Rajinder Sodhi, Hrvoje Benko, Eli Shlizerman, Yue Liu

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

AI总结 本文提出EgoMAN数据集和模型，通过视觉语言推理与运动生成的轨迹-令牌接口，实现阶段感知的3D手轨迹预测，并在现实场景中实现泛化。

Comments Project website: https://egoman-project.github.io

PolaRiS: Scalable Real-to-Sim Evaluations for Generalist Robot Policies

PolaRiS：面向通用机器人策略的可扩展真实-仿真评估

Arhan Jain, Mingtong Zhang, Kanav Arora, William Chen, Marcel Torne, Muhammad Zubair Irshad, Sergey Zakharov, Yue Wang, Sergey Levine, Chelsea Finn, Wei-Chiu Ma, Dhruv Shah, Abhishek Gupta, Karl Pertsch

机构 * University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Toyota Research Institute（丰田研究中心） ； University of Southern California（南加州大学） ； Cornell University（康奈尔大学） 纠错

AI总结 PolaRiS通过神经重建和数据协同训练，实现高保真度的机器人策略真实-仿真评估，提升仿真与现实的关联性并简化环境构建。

Comments Website: https://polaris-evals.github.io/