arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Washington(华盛顿大学)

共收录 1157
2512.05456 2025-12-08 stat.ML cs.LG

Do We Really Even Need Data? A Modern Look at Drawing Inference with Predicted Data

我们真的需要数据吗?对用预测数据进行推断的现代审视

Stephen Salerno, Kentaro Hoffman, Awan Afiaz, Anna Neufeld, Tyler H. McCormick, Jeffrey T. Leek

机构 * Public Health Sciences Division Fred Hutchinson Cancer Center(公共健康科学部弗雷德 Hutchinson 癌症中心) Department of Statistics University of Washington(统计学系华盛顿大学) Department of Biostatistics University of Washington(生物统计学系华盛顿大学) Department of Statistics Department of Sociology University of Washington(统计学系社会学系华盛顿大学)

AI总结 本文探讨了使用预测数据进行推断的统计挑战,指出高预测准确性不保证有效推断,并讨论了偏差和方差对推断结果的影响。

Comments 32 pages, 9 figures, 3 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.05145 2025-12-08 cs.CV

Self-Improving VLM Judges Without Human Annotations

无需人工标注的自改进VLM评判模型

Inna Wanyin Lin, Yushi Hu, Shuyue Stella Li, Scott Geng, Pang Wei Koh, Luke Zettlemoyer, Tim Althoff, Marjan Ghazvininejad

机构 * FAIR at Meta(Meta 的 FAIR) University of Washington(华盛顿大学)

AI总结 无需人工标注,通过自训练提升VLM评判模型的准确性和多维度表现

详情

展开后加载摘要…

URL PDF HTML 收藏
2412.07755 2025-12-08 cs.CV cs.AI cs.GR cs.RO

SAT: Dynamic Spatial Aptitude Training for Multimodal Language Models

SAT:多模态语言模型的动态空间能力训练

Arijit Ray, Jiafei Duan, Ellis Brown, Reuben Tan, Dina Bashkirova, Rose Hendrix, Kiana Ehsani, Aniruddha Kembhavi, Bryan A. Plummer, Ranjay Krishna, Kuo-Hao Zeng, Kate Saenko

机构 * Boston University(波士顿大学) University of Washington(华盛顿大学) Allen Institute for AI(人工智能研究院) Microsoft Research(微软研究院) New York University(纽约大学)

AI总结 SAT通过模拟数据提升多模态语言模型在动态空间推理中的能力,实验表明其在多个基准测试中优于现有方法。

Comments Accepted to COLM 2025. Project webpage: https://arijitray.com/SAT/

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.22809 2025-12-05 cs.HC cs.AI cs.CY

AI summaries in online search influence users' attitudes

AI搜索摘要影响用户态度

Yiwei Xu, Saloni Dash, Sungha Kang, Wang Liao, Emma S. Spiro

机构 * University of Washington, Information School(华盛顿大学信息学院) University of Maryland, College of Information(马里兰大学信息学院) University of Washington, Department of Communication(华盛顿大学传播系)

AI总结 AI生成的搜索摘要通过影响用户态度、行为意图和政策支持,显著改变了公众观点,凸显了AI信息生态系统的设计与监管的重要性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.04518 2025-12-05 cs.CL cs.AI

UW-BioNLP at ChemoTimelines 2025: Thinking, Fine-Tuning, and Dictionary-Enhanced LLM Systems for Chemotherapy Timeline Extraction

UW-BioNLP在ChemoTimelines 2025中的表现:基于思考、微调和词典增强的LLM系统用于化疗时间线提取

Tianmai M. Zhang, Zhaoyi Sun, Sihang Zeng, Chenxi Li, Neil F. Abernethy, Barbara D. Lam, Fei Xia, Meliha Yetisgen

机构 * University of Washington(华盛顿大学)

AI总结 UW-BioNLP通过思考、微调和词典增强LLM方法,在ChemoTimelines 2025中实现了最佳性能,提升了化疗时间线提取的准确性。

Comments To be published in Proceedings of the 7th Clinical Natural Language Processing Workshop

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.07594 2025-12-05 hep-ex cs.LG

Locality-Sensitive Hashing-Based Efficient Point Transformer for Charged Particle Reconstruction

基于局部敏感哈希的高效点变换器用于带电粒子重建

Shitij Govil, Jack P. Rodgers, Yuan-Tang Chou, Siqi Miao, Amit Saha, Advaith Anand, Kilian Lieret, Gage DeZoort, Mia Liu, Javier Duarte, Pan Li, Shih-Chieh Hsu

机构 * Georgia Institute of Technology(佐治亚理工学院) Purdue University(普渡大学) University of Washington(华盛顿大学) Princeton University(普林斯顿大学) University of California San Diego(加州大学圣地亚哥分校)

AI总结 HEPTv2通过轻量级解码器消除聚类步骤,实现高效端到端推理,提升带电粒子轨迹重建的性能和效率。

Comments Accepted to NeurIPS 2025 Machine Learning and the Physical Sciences Workshop

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.15522 2025-12-05 cs.LG math.OC

Solving Inverse Problems with Deep Linear Neural Networks: Global Convergence Guarantees for Gradient Descent with Weight Decay

用深度线性神经网络解决逆问题:梯度下降与权重衰减的全局收敛保证

Hannah Laus, Suzanna Parkinson, Vasileios Charisopoulos, Felix Krahmer, Rebecca Willett

机构 * Department of Mathematics, Technical University of Munich, Munich Center for Machine Learning (MCML), Munich, Germany(数学系,慕尼黑技术大学,慕尼黑机器学习中心(MCML),慕尼黑,德国) Committee on Computational and Applied Mathematics, University of Chicago, Chicago, IL(计算与应用数学委员会,芝加哥大学,芝加哥,伊利诺伊) Department of Electrical & Computer Engineering, University of Washington, Seattle, WA(电气与计算机工程系,华盛顿大学,西雅图,华盛顿) Departments of Statistics and Computer Science, University of Chicago, Chicago, IL(统计学与计算机科学系,芝加哥大学,芝加哥,伊利诺伊)

AI总结 本文研究了深度线性神经网络在逆问题中的应用,证明了梯度下降与权重衰减能够实现全局收敛并自动适应数据中的潜在子空间结构。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.04004 2025-12-04 cs.LG

Physics-Embedded Gaussian Process for Traffic State Estimation

融合物理的高斯过程用于交通状态估计

Yanlin Chen, Kehua Chen, Yinhai Wang

机构 * Department of Civil and Environmental Engineering, University of Washington(土木与环境工程系,华盛顿大学)

AI总结 本文提出融合物理的高斯过程用于交通状态估计,通过引入经典交通流模型构建多输出内核,提升稀疏观测下的可靠性及密集观测下的精度。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.03318 2025-12-04 cs.AI

Evaluating Generalization Capabilities of LLM-Based Agents in Mixed-Motive Scenarios Using Concordia

利用Concordia评估基于LLM的智能体在混合动机场景中的泛化能力

Chandler Smith, Marwa Abdulhai, Manfred Diaz, Marko Tesic, Rakshit S. Trivedi, Alexander Sasha Vezhnevets, Lewis Hammond, Jesse Clifton, Minsuk Chang, Edgar A. Duéñez-Guzmán, John P. Agapiou, Jayd Matyas, Danny Karmon, Akash Kundu, Aliaksei Korshuk, Ananya Ananya, Arrasy Rahman, Avinaash Anand Kulandaivel, Bain McHale, Beining Zhang, Buyantuev Alexander, Carlos Saith Rodriguez Rojas, Caroline Wang, Chetan Talele, Chenao Liu, Chichen Lin, Diana Riazi, Di Yang Shi, Emanuel Tewolde, Elizaveta Tennant, Fangwei Zhong, Fuyang Cui, Gang Zhao, Gema Parreño Piqueras, Hyeonggeun Yun, Ilya Makarov, Jiaxun Cui, Jebish Purbey, Jim Dilkes, Jord Nguyen, Lingyun Xiao, Luis Felipe Giraldo, Manuela Chacon-Chamorro, Manuel Sebastian Rios Beltran, Marta Emili García Segura, Mengmeng Wang, Mogtaba Alim, Nicanor Quijano, Nico Schiavone, Olivia Macmillan-Scott, Oswaldo Peña, Peter Stone, Ram Mohan Rao Kadiyala, Rolando Fernandez, Ruben Manrique, Sunjia Lu, Sheila A. McIlraith, Shamika Dhuri, Shuqing Shi, Siddhant Gupta, Sneheel Sarangi, Sriram Ganapathi Subramanian, Taehun Cha, Toryn Q. Klassen, Wenming Tu, Weijian Fan, Wu Ruiyang, Xue Feng, Yali Du, Yang Liu, Yiding Wang, Yipeng Kang, Yoonchang Sung, Yuxuan Chen, Zhaowei Zhang, Zhihan Wang, Zhiqiang Wu, Ziang Chen, Zilong Zheng, Zixia Jia, Ziyan Wang, Dylan Hadfield-Menell, Natasha Jaques, Tim Baarslag, Jose Hernandez-Orallo, Joel Z. Leibo

机构 * Cooperative AI Foundation(合作人工智能基金会) University of Oxford(牛津大学) UC Berkeley(伯克利大学) Quebec Artificial Intelligence Institute(魁北克人工智能研究所) Leverhulme Centre for the Future of Intelligence, University of Cambridge(未来智能研究中心,剑桥大学) MIT(麻省理工学院) Google DeepMind(谷歌DeepMind) Center on Long-Term Risk(长期风险中心) Google Research(谷歌研究) University of Washington(华盛顿大学) Centrum Wiskunde & Informatica(数学与信息研究所) Utrecht University(乌得勒支大学) Universitat Politècnica de València(瓦伦西亚理工大学) Concordia Contest Participants with Notable Contributions(康科德比赛有显著贡献的参与者)

AI总结 本文提出利用Concordia评估LLM智能体在混合动机场景中的合作能力,揭示了当前智能体在泛化能力上的不足。

Comments Published at NeurIPS Datasets and Benchmarks 2025, 10 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.18212 2025-12-04 cs.AI cs.LG

A Definition of AGI

AGI 的定义

Dan Hendrycks, Dawn Song, Christian Szegedy, Honglak Lee, Yarin Gal, Erik Brynjolfsson, Sharon Li, Andy Zou, Lionel Levine, Bo Han, Jie Fu, Ziwei Liu, Jinwoo Shin, Kimin Lee, Mantas Mazeika, Long Phan, George Ingebretsen, Adam Khoja, Cihang Xie, Olawale Salaudeen, Matthias Hein, Kevin Zhao, Alexander Pan, David Duvenaud, Bo Li, Steve Omohundro, Gabriel Alfour, Max Tegmark, Kevin McGrew, Gary Marcus, Jaan Tallinn, Eric Schmidt, Yoshua Bengio

机构 * Center for AI Safety(AI安全中心) University of California, Berkeley(加州大学伯克利分校) Virtue AI Morph Labs(Morph实验室) University of Michigan(密歇根大学) LG AI Research(LG人工智能研究) University of Oxford(牛津大学) Stanford University(斯坦福大学) University of Wisconsin–Madison(威斯康星大学麦迪逊分校) Gray Swan AI Carnegie Mellon University(卡内基梅隆大学) Cornell University(康奈尔大学) Hong Kong Baptist University(香港 Baptist大学) HKUST(香港科技大学) Nanyang Technological University(南洋理工大学) KAIST(韩国科学技术院) University of California, Santa Cruz(加州大学圣克鲁兹分校) Massachusetts Institute of Technology(麻省理工学院) University of Tübingen(图宾根大学) University of Washington(华盛顿大学) University of Toronto(多伦多大学) Vector Institute(向量研究所) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) Beneficial AI Research(有益AI研究) Conjecture Institute for Applied Psychometrics(应用心理测量研究所) New York University(纽约大学) CSER Université de Montréal(蒙特利尔大学) LawZero

AI总结 本文提出了一种基于卡特尔-霍恩-卡罗尔理论的可量化框架,定义AGI为与受过良好教育的成年人认知能力相匹配,并通过心理测量电池评估AI系统,揭示当前AI在基础认知机制上的不足。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.22855 2025-12-04 cs.LG cs.AI

Observation-Free Attacks on Online Learning to Rank

无需观察的在线学习排序攻击

Sameep Chattopadhyay, Nikhil Karamchandani, Sharayu Moharir

机构 * Paul G. Allen School of Computer Science & Engineering, University of Washington(保罗·G·艾伦计算机科学与工程学院,华盛顿大学) Department of Electrical Engineering, Indian Institute of Technology Bombay(印度理工学院班加罗尔电子工程系)

AI总结 本文提出无需观察的在线学习排序攻击框架,通过诱导线性遗憾实现对OLTR算法的攻击,并在理论和实证上验证了攻击策略的有效性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2503.23793 2025-12-04 cs.CV

Pan-LUT: Efficient Pan-sharpening via Learnable Look-Up Tables

Pan-LUT:通过可学习的查找表实现高效的全景锐化

Zhongnan Cai, Yingying Wang, Hui Zheng, Panwang Pan, ZiXu Lin, Ge Meng, Chenxin Li, Chunming He, Jiaxin Xie, Yunlong Lin, Junbin Lu, Yue Huang, Xinghao Ding

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University(教育部多媒体可信感知与高效计算重点实验室,厦门大学) ByteDance(字节跳动) The Chinese University of Hong Kong(香港中文大学) Duke University(杜克大学) University of Washington(华盛顿大学)

AI总结 Pan-LUT通过可学习的查找表实现高效全景锐化,适用于大遥感图像,兼具高性能与低计算开销。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.02024 2025-12-03 cs.CL cs.CY

Human-Level and Beyond: Benchmarking Large Language Models Against Clinical Pharmacists in Prescription Review

人类水平与超越:在处方审查中对大型语言模型与临床药师进行基准测试

Yan Yang, Mouxiao Bian, Peiling Li, Bingjian Wen, Ruiyao Chen, Kangkun Mao, Xiaojun Ye, Tianbin Li, Pengcheng Chen, Bing Han, Jie Xu, Kaifeng Qiu, Junyan Wu

机构 * SUN YAT-SEN MEMORIAL HOSPITAL(中山纪念医院) Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) University of Washington(华盛顿大学)

AI总结 RxBench通过系统评估大型语言模型在处方审查中的表现,揭示其能力与局限,并推动更可靠的临床工具开发。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.01463 2025-12-03 cs.AR cs.LG hep-ex

hls4ml: A Flexible, Open-Source Platform for Deep Learning Acceleration on Reconfigurable Hardware

hls4ml:一种灵活、开源的深度学习在可重构硬件上加速平台

Jan-Frederik Schulte, Benjamin Ramhorst, Chang Sun, Jovan Mitrevski, Nicolò Ghielmetti, Enrico Lupi, Dimitrios Danopoulos, Vladimir Loncar, Javier Duarte, David Burnette, Lauri Laatu, Stylianos Tzelepis, Konstantinos Axiotis, Quentin Berthet, Haoyan Wang, Paul White, Suleyman Demirsoy, Marco Colombo, Thea Aarrestad, Sioni Summers, Maurizio Pierini, Giuseppe Di Guglielmo, Jennifer Ngadiuba, Javier Campos, Ben Hawks, Abhijith Gandrakota, Farah Fahim, Nhan Tran, George Constantinides, Zhiqiang Que, Wayne Luk, Alexander Tapper, Duc Hoang, Noah Paladino, Philip Harris, Bo-Cheng Lai, Manuel Valentin, Ryan Forelli, Seda Ogrenci, Lino Gerlach, Rian Flynn, Mia Liu, Daniel Diaz, Elham Khoda, Melissa Quinnan, Russell Solares, Santosh Parajuli, Mark Neubauer, Christian Herwig, Ho Fung Tsoi, Dylan Rankin, Shih-Chieh Hsu, Scott Hauck

机构 * Purdue University(普渡大学) ETH Zurich(苏黎世联邦理工学院) California Institute of Technology(加州理工学院) Fermi National Accelerator Lab(费米国家加速器实验室) European Organization for Nuclear Research (CERN)(欧洲核子研究中心) University of California San Diego(加州大学圣地亚哥分校) Imperial College London(伦敦帝国理工学院) National Technical University of Athens(希腊国家技术大学) University of Geneva(日内瓦大学) Altera Corporation(阿尔特拉公司) Discovery Partners Institute(发现伙伴研究所) Massachusetts Institute of Technology(麻省理工学院) National Yang Ming Chiao Tung University(国立阳明交通大学) Northwestern University(西北大学) Princeton University(普林斯顿大学) University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) University of Michigan(密歇根大学) University of Pennsylvania(宾夕法尼亚大学) University of Washington(华盛顿大学)

AI总结 hls4ml是一种开源平台,用于将深度学习模型转换为可重构硬件上的HLS代码,以实现低延迟、低资源消耗的ML推理加速。

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.07663 2025-12-02 cs.AI cs.CL cs.CY cs.HC

Human Decision-making is Susceptible to AI-driven Manipulation

人类决策易受AI驱动的操控

Sahand Sabour, June M. Liu, Siyang Liu, Chris Z. Yao, Shiyao Cui, Xuanming Zhang, Wen Zhang, Yaru Cao, Advait Bhat, Jian Guan, Wei Wu, Rada Mihalcea, Hongning Wang, Tim Althoff, Tatia M. C. Lee, Minlie Huang

机构 * The CoAI Group, DCST, Institute for Artificial Intelligence, Tsinghua University, Beijing, China(CoAI小组、DCST、人工智能研究所、清华大学、北京中国) State Key Laboratory of Brain and Cognitive Sciences, The University of Hong Kong, Hong Kong SAR, China(脑与认知科学国家重点实验室、香港大学、香港特别行政区中国) The LIT Group, Department of Computer Science and Engineering, University of Michigan, Ann Arbor(LIT小组、计算机科学与工程系、密歇根大学、安阿伯) Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA(保罗·G·阿伦计算机科学与工程学院、华盛顿大学、西雅图华盛顿州美国) ANT Group(ANT集团)

AI总结 研究发现人类在金融和情感决策中易受AI操控,操控代理显著提高了用户对隐藏激励的评分,表明需加强伦理监管以保护自主权。

Comments Work in progress

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.01170 2025-12-02 cs.LG cs.AI math.AP nlin.CD

Data assimilation and discrepancy modeling with shallow recurrent decoders

数据同化与偏差建模与浅层递归解码器

Yuxuan Bao, 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)

AI总结 本文提出DA-SHRED框架,通过浅层递归解码器弥合仿真与现实的差距,并恢复复杂系统中缺失的动力学。

Comments 27 pages, 11 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.00742 2025-12-02 cs.CY cs.AI

On the Regulatory Potential of User Interfaces for AI Agent Governance

关于用户界面在AI代理治理中的调节潜力

K. J. Kevin Feng, Tae Soo Kim, Rock Yuren Pang, Faria Huq, Tal August, Amy X. Zhang

机构 * University of Washington(华盛顿大学) KAIST(韩国科学技术院) Carnegie Mellon University(卡内基梅隆大学) UIUC(伊利诺伊大学香槟分校)

AI总结 本文提出通过调节AI代理的用户界面来增强透明性和行为规范,从而在系统和基础设施层面实现治理。

Comments RegML workshop at NeurIPS 2025 (oral)

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.23886 2025-12-02 cs.CV

Generating Fit Check Videos with a Handheld Camera

使用手持相机生成符合检查的视频

Bowei Chen, Brian Curless, Ira Kemelmacher-Shlizerman, Steven M. Seitz

机构 * University of Washington(华盛顿大学)

AI总结 本文提出了一种基于视频扩散模型的方法,利用手持设备和静态照片生成逼真的全身视频,通过多参考注意力机制和图像微调策略提升视频真实感。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.00371 2025-12-02 cs.GT cs.AI cs.LG cs.MA

Evaluating LLMs in Open-Source Games

评估大型语言模型在开源游戏中的表现

Swadesh Sistla, Max Kleiman-Weiner

机构 * University of Washington(华盛顿大学)

AI总结 本文评估了LLMs在开源游戏中预测策略和分析合作策略形成的能力。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.23473 2025-12-01 cs.LG cs.CL

ThetaEvolve: Test-time Learning on Open Problems

ThetaEvolve:开放问题的测试时间学习

Yiping Wang, Shao-Rong Su, Zhiyuan Zeng, Eva Xu, Liliang Ren, Xinyu Yang, Zeyi Huang, Xuehai He, Luyao Ma, Baolin Peng, Hao Cheng, Pengcheng He, Weizhu Chen, Shuohang Wang, Simon Shaolei Du, Yelong Shen

机构 * Microsoft(微软公司) University of Washington(华盛顿大学) Carnegie Mellon University(卡内基梅隆大学) University of Wisconsin-Madison(威斯康星大学麦迪逊分校) University of California, San Diego(加州大学圣地亚哥分校)

AI总结 ThetaEvolve通过测试时间强化学习提升开放问题求解能力,实现开源模型在数学优化问题上的新突破。

Comments 30 pages, link: https://github.com/ypwang61/ThetaEvolve

详情

展开后加载摘要…

URL PDF HTML 收藏
2411.14652 2025-12-01 cs.CY cs.AI cs.HC cs.SI

Reranking partisan animosity in algorithmic social media feeds alters affective polarization

算法社交媒体信息流中重新排序偏见影响情感极化

Tiziano Piccardi, Martin Saveski, Chenyan Jia, Jeffrey T. Hancock, Jeanne L. Tsai, Michael Bernstein

机构 * Johns Hopkins University(约翰霍普金斯大学) University of Washington(华盛顿大学) Northeastern University(东北大学) Stanford University(斯坦福大学)

AI总结 通过实时重新排序信息流,研究暴露于反民主内容如何影响情感极化,提供因果证据并建立独立评估方法。

Journal ref Science; Volume 390 | Issue 6776; 27 November 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.22069 2025-12-01 cs.LG

Convergence Dynamics of Over-Parameterized Score Matching for a Single Gaussian

过参数化分数匹配的收敛动力学:单个高斯分布

Yiran Zhang, Weihang Xu, Mo Zhou, Maryam Fazel, Simon Shaolei Du

机构 * Institute for Interdisciplinary Information Sciences(交叉信息科学研究所) Tsinghua University(清华大学) University of Washington(华盛顿大学)

AI总结 本文研究了过参数化分数匹配在学习单个高斯分布时的收敛动力学,证明了在特定初始化条件下梯度下降的收敛性,并建立了收敛率的下界。

Comments 43 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.17984 2025-12-01 cs.LG cs.AI

Machine Unlearning of Traffic State Estimation and Prediction

交通状态估计与预测的机器反学习

Xin Wang, R. Tyrrell Rockafellar, Xuegang, Ban

机构 * Department of Civil and Environmental Engineering, University of Washington(土木与环境工程系,华盛顿大学) Department of Mathematics, University of Washington(数学系,华盛顿大学) (Jeff) Ban(Ban)

AI总结 本研究提出一种机器反学习方法,用于交通状态估计与预测,使模型能够选择性遗忘敏感或过时的数据,以提升系统信任度和可靠性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2502.17690 2025-12-01 nlin.CD cs.LG

Identifying Stochastic Dynamics from Non-Sequential Data (DyNoSeD)

从非序列数据中识别随机动力学(DyNoSeD)

Zhixin Lu, Łukasz Kuśmierz, Stefan Mihalas

机构 * Allen Institute(艾伦研究所) University of Washington(华盛顿大学)

AI总结 DyNoSeD通过福克-普朗克残差最小化,从非序列数据中识别随机动力学参数,提供两种互补方法解决受限区域和全局采样数据的系统识别问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2411.00359 2025-12-01 cs.LG eess.IV

Linearly Constrained Diffusion Implicit Models

线性约束扩散隐式模型

Vivek Jayaram, Ira Kemelmacher-Shlizerman, Steven M. Seitz, John Thickstun

机构 * University of Washington(华盛顿大学) Cornell University(康奈尔大学)

AI总结 CDIM通过动态调整投影步骤减少数量,实现快速准确解决噪声线性逆问题,适用于多种图像处理任务。

Comments NeurIPS 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.19858 2025-11-27 cs.CL cs.AI

A Systematic Analysis of Large Language Models with RAG-enabled Dynamic Prompting for Medical Error Detection and Correction

基于RAG动态提示的大型语言模型系统分析:用于医疗错误检测与纠正

Farzad Ahmed, Joniel Augustine Jerome, Meliha Yetisgen, Özlem Uzuner

机构 * George Mason University(乔治·马歇尔大学) University of Washington(华盛顿大学)

AI总结 本文提出基于RAG动态提示的医疗错误检测与纠正方法,通过对比不同提示策略,发现RDP在准确率、召回率和纠错可靠性方面表现更优。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.20643 2025-11-26 cs.CV cs.LG

Concept-Aware Batch Sampling Improves Language-Image Pretraining

概念感知的批量采样提升语言-图像预训练

Adhiraj Ghosh, Vishaal Udandarao, Thao Nguyen, Matteo Farina, Mehdi Cherti, Jenia Jitsev, Sewoong Oh, Elisa Ricci, Ludwig Schmidt, Matthias Bethge

机构 * Tübingen AI Center, University of Tübingen(图宾根人工智能中心,图宾根大学) University of Cambridge(剑桥大学) University of Washington(华盛顿大学) University of Trento(特伦托大学) LAION Stanford University(斯坦福大学)

AI总结 本研究提出CABS方法,通过概念感知的批量采样提升语言-图像预训练效果,提供灵活的任务适应性数据整理方案。

Comments Tech Report

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.19980 2025-11-26 cs.LG cs.NA math.NA

Operator Learning at Machine Precision

在机器精度下实现运算符学习

Aras Bacho, Aleksei G. Sorokin, Xianjin Yang, Théo Bourdais, Edoardo Calvello, Matthieu Darcy, Alexander Hsu, Bamdad Hosseini, Houman Owhadi

机构 * Department of Computing and Mathematical Sciences, California Institute of Technology(加州理工学院计算与数学科学部) Department of Applied Mathematics, Illinois Institute of Technology(伊利诺伊理工学院应用数学系) Department of Applied Mathematics, University of Washington(华盛顿大学应用数学系)

AI总结 本文提出CHONKNORIS和FONKNORIS模型,通过Cholesky因子回归实现非线性PDE的高精度求解。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.19806 2025-11-26 cs.CV

Reading Between the Lines: Abstaining from VLM-Generated OCR Errors via Latent Representation Probes

在行之间阅读:通过潜在表示探测避免VLM生成的OCR错误

Jihan Yao, Achin Kulshrestha, Nathalie Rauschmayr, Reed Roberts, Banghua Zhu, Yulia Tsvetkov, Federico Tombari

机构 * University of Washington(华盛顿大学) Google(谷歌)

AI总结 本文提出通过潜在表示探测提升VLM在OCR任务中的回避准确性,通过内部状态检测置信度信号,提高系统可靠性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.23738 2025-11-26 cs.CV cs.GR

How Animals Dance (When You're Not Looking)

动物跳舞(当你不在看的时候)

Xiaojuan Wang, Aleksander Holynski, Brian Curless, Ira Kemelmacher, Steve Seitz

机构 * University of Washington(华盛顿大学) Columbia University(哥伦比亚大学)

AI总结 该研究提出了一种生成音乐同步且具有舞蹈意识的动物跳舞视频的框架,通过引入舞蹈模式和图优化问题实现高效舞蹈合成。

Comments Project page: https://how-animals-dance.github.io/

详情

展开后加载摘要…

URL PDF HTML 收藏