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

scShapeBench: Discovering geometry from high dimensional scRNAseq data

scShapeBench: 从高维scRNAseq数据中发现几何结构

Andrew J Steindl, João Felipe Rocha, Brian Tshilengi Di Bassinga, Zachary Warren, Matthew Scicluna, César Miguel Valdez Córdova, Shabarni Gupta, Leire Torices, Daniel Neumann, Timothy J. Mann, Ihuan Gunawan, Dhananjay Bhaskar, John G Lock, Christine L Chaffer, Guy Wolf, Smita Krishnaswamy

机构 * Yale University（耶鲁大学） ； Mila / Université de Montréal（Mila / 蒙特利尔大学） ； Garvan Institute of Medical Research（Garvan医学研究机构） ； School of Biomedical Sciences, University of New South Wales（新南威尔士大学生物医学科学学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 scShapeBench通过合成和专家标注的单细胞数据集，提供高维数据形状检测的基准，结合扩散几何提取Reeb图，改进拓扑-aware评估指标，优于PAGA和Mapper。

How Do Transformers Learn to Associate Tokens: Gradient Leading Terms Bring Mechanistic Interpretability

Transformer 如何学习关联令牌：梯度主导项带来机制性可解释性

Shawn Im, Changdae Oh, Zhen Fang, Sharon Li

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Technology Sydney（悉尼技术大学） 纠错

AI总结 研究通过梯度主导项分析了注意力语言模型中语义关联的形成机制，揭示了权重的闭式表达及其对文本统计的反映。

Comments ICLR 2026

Scaling Laws Meet Model Architecture: Toward Inference-Efficient LLMs

参数规模与模型架构的交汇：迈向推理高效的大型语言模型

Song Bian, Tao Yu, Shivaram Venkataraman, Youngsuk Park

机构 * UW-Madison（威斯康星大学麦迪逊分校） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 本文研究了模型架构因素如何影响推理成本与准确性，提出条件缩放定律并验证了其有效性，结果表明优化架构在相同训练预算下提升了准确率和推理吞吐量。

Comments 32 pages, 27 figures

Journal ref ICLR 2026

PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation

PG-LRF：基于生理的潜在修正流用于电-血流PPG到ECG生成

Xiaoda Wang, Minxiao Wang, Kaiqiao Han, Defu Cao, Ching Chang, Yidan Shi, Runze Yan, Xiao Luo, Yan Liu, Xiao Hu, Yizhou Sun, Wei Wang, Carl Yang

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Nell Hodgson Woodruff School of Nursing, Emory University（埃默里大学Nell Hodgson Woodruff护理学院） ； Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Statistics, University of Wisconsin–Madison（威斯康星大学麦迪逊分校统计系） 纠错

AI总结 本文提出PG-LRF框架，通过结合电-血流模拟器和生理感知自编码器，生成符合生理学的ECG信号，提升PPG到ECG的生成质量及心血管疾病分类性能。