University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

Reconstructing conformal field theoretical compositions with Transformers

用Transformer重建共形场论的组合

Haotian Cao, Garrett Merz, Kyle Cranmer, Gary Shiu

机构 * Department of Physics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校物理系） ； Data Science Institute, University of Wisconsin-Madison（威斯康星大学麦迪逊分校数据科学研究院） 纠错

AI总结 本文利用Transformer重建二维有理共形场论张量积的组合，通过低能谱实现98%的准确率，并展示方法可推广至更大中心电荷和未见类别的RCFT。

Democratizing the medieval English legal tradition

让中世纪英国法律传统民主化

Michael Zhang, Elise Wang, Charlotte Whatley, Seth Strickland, Dylan Bannon

机构 * University of Chicago（芝加哥大学） ； California State University（加州州立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Unaffiliated（无隶属机构） 纠错

AI总结 本文通过构建包含193个中世纪案件的文本数据集，训练端到端转录管道，利用神经网络和后处理技术提升手写文本识别准确率，最终展示TrOCR与CNN+LSTM的性能对比。

Comments Submitted to International Conference on Document Analysis and Recognition (ICDAR) 2026

Retrieval-Guided Generation for Safer Histopathology Image Captioning

基于检索的生成用于更安全的病理科图像描述生成

Md. Enamul Hoq, Wataru Uegami, Saghir Alfasly, Ghazal Alabtah, Sahar Rahimi Malakshan, Armita Kazemi, Alex T. Schmitgen, Fred Prior, H. R. Tizhoosh

机构 * Kimia Lab, Department of Artificial Intelligence \& Informatics, Mayo Clinic, Rochester, MN, USA ； Department of Biomedical Informatics, University of Arkansas for Medical Sciences, Little Rock, AR, USA ； Lane Department of Computer Science ； Electrical Engineering, West Virginia University, Morgantown, WV, USA ； Department of Computer Science ； Engineering, Princeton University, Princeton, NJ, USA ； Department of Computer Sciences, University of Wisconsin--Madison, Madison, WI, USA 纠错

AI总结 本文提出检索引导生成方法，通过总结相似病例的专家文本生成描述，提升病理图像描述的准确性与可靠性，实验表明其在语义对齐和诊断一致性方面优于现有方法。

An Efficient Spatial Branch-and-Bound Algorithm for Global Optimization of Gaussian Process Posterior Mean Functions

一种高效的用于高斯过程后验均值函数全局优化的空域分支定界算法

Wei-Ting Tang, Akshay Kudva, Calvin Tsay, Joel A. Paulson

机构 * Department of Chemical and Biological Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校化学与生物工程系） ； Department of Chemical and Biomolecular Engineering, The Ohio State University（俄亥俄州立大学化学与生物分子工程系） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

AI总结 本文提出PALM-Mean算法，通过空域分支定界与分段解析下界结合，提升高斯过程后验均值函数全局优化的可扩展性。

SpatialStack: Layered Geometry-Language Fusion for 3D VLM Spatial Reasoning

SpatialStack：用于3D VLM空间推理的分层几何-语言融合

Jian Zhang, Shijie Zhou, Bangya Liu, Achuta Kadambi, Zhiwen Fan

机构 * XMU（厦门大学） ； UCLA（美国大学） ； Google（谷歌） ； UW-Madison（威斯康星大学麦迪逊分校） ； TAMU（德克萨斯农工大学） 纠错

AI总结 本文提出SpatialStack框架，通过分层融合视觉、几何和语言表征，提升3D空间推理能力，实验表明其在多个基准上表现优异。

Comments CVPR 2026, Project Website: https://spatial-stack.github.io/

Tiny but Mighty: A Software-Hardware Co-Design Approach for Efficient Multimodal Inference on Battery-Powered Small Devices

小巧但强大：一种软件硬件协同设计方法，用于电池供电小型设备上的高效多模态推理

Yilong Li, Shuai Zhang, Yijing Zeng, Hao Zhang, Xinmiao Xiong, Jingyu Liu, Pan Hu, Suman Banerjee

机构 * University of Wisconsin – Madison（威斯康星大学麦迪逊分校） ； Amazon Web Services AI（亚马逊网络服务人工智能） ； Uber（优步） 纠错

AI总结 本文提出Nanomind框架，通过将多模态模型分解为模块化组件并分配到最佳计算单元，从而降低能耗并提升效率。

Efficient Parameter Estimation of Truncated Boolean Product Distributions

截断布尔乘积分布参数的高效估计

Dimitris Fotakis, Alkis Kalavasis, Christos Tzamos

机构 * National Technical University of Athens（希腊国家技术大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 研究如何在截断样本下高效估计布尔乘积分布参数，提出截断集的肥厚性概念，证明肥厚截断集可使样本生成和统计任务高效完成，同时探讨了截断学习的必要条件。

Comments 33rd Conference on Learning Theory (COLT 2020)