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

Neural at ArchEHR-QA 2026: One Method Fits All: Unified Prompt Optimization for Clinical QA over EHRs

神经网络在ArchEHR-QA 2026中的应用：一种方法适用于所有：面向电子健康记录的临床问答的统一提示优化

Abrar Majeedi, Viswanatha Reddy Gajjala, Sai Prasanna Teja Reddy Bogireddy, Siddhant Rai

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Chicago（芝加哥大学） ； Independent Researcher（独立研究员） 纠错

AI总结 本文提出Neural1.5方法，通过分阶段的提示优化提升电子健康记录中的临床问答性能，实现多任务统一优化，展现系统性提示优化的有效性。

Comments Accepted to CL4Health @ LREC 2026

TRACE: Distilling Where It Matters via Token-Routed Self On-Policy Alignment

TRACE：通过令牌路由自我对策略对齐来聚焦关键位置

Jiaxuan Wang, Xuan Ouyang, Zhiyu Chen, Yulan Hu, Zheng Pan, Xin Li, Lan-Zhe Guo

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； AMAP, Alibaba Group（阿里集团AMAP） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Tsinghua University（清华大学） 纠错

AI总结 TRACE通过令牌路由自我对齐方法，在关键位置进行知识蒸馏，减少冗余梯度影响，提升长周期数学任务表现，优于GRPO并保持外部基准性能。

Comments work in progress

The Astonishing Ability of Large Language Models to Parse Jabberwockified Language

大型语言模型解析jabberwockified语言的惊人能力

Gary Lupyan, Senyi Yang

机构 * Department of Psychology, University of Wisconsin-Madison（威斯康星大学麦迪逊分校心理学系） 纠错

AI总结 本研究展示大型语言模型能从严重退化的英文文本中恢复意义，通过替换内容词为无意义字符串的文本，模型能生成接近原文的常规英文，揭示了语法结构对词汇意义的强约束作用。

Comments Submitted to the 2026 Annual Meeting of the Cognitive Science Society

CodeClinic: Evaluating Automation of Coding Skills for Clinical Reasoning Agents

CodeClinic：评估临床推理代理的编码技能自动化

Timothy Ossowski, Xinchi Liu, Danyal Maqbool, Vaibhav Dhanuka, Sheng Zhang, Hoifung Poon, Majid Afshar, Tyler Bradshaw, Junjie Hu

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） 纠错

AI总结 CodeClinic通过MIMIC-IV构建基准，评估LLM代理是否能合成和组合可重用的临床技能，而非依赖固定工具库，包含纵向ICU监控和组合信息检索任务，提升多步推理效率。

Not All Thoughts Need HBM: Semantics-Aware Memory Hierarchy for LLM Reasoning

并非所有思考都需要HBM：面向LLM推理的语义感知内存层次结构

Aojie Yuan, Tianqi Shen, Dajun Zhang

机构 * University of Southern California（南加州大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出一种语义感知内存层次结构，通过累积注意力评分将token分为四个层级，减少HBM占用并提升推理准确性，实验表明仅3%的淘汰率可保持91%的GSM8K准确率。

Comments Preprint. 14 pages + appendix. Under review at AdaptFM Workshop @ ICML 2026

Formal Policy Enforcement for Real-World Agentic Systems

面向现实代理系统的正式政策执行

Nils Palumbo, Sarthak Choudhary, Jihye Choi, Guy Amir, Prasad Chalasani, Somesh Jha

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； Langroid 纠错

AI总结 本文提出基于面向切面编程的框架，通过Datalog语言实现跨代理系统的政策执行，解决传统方法无法保证正式执行的问题。