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

α-Fair Insurance Pricing: A Fairness Continuum

α-公平保险定价：一个公平性连续谱

Tianhe Zhang, Xiguang Liu, Peng Shi

机构 * Department of Risk and Insurance, Wisconsin School of Business, University of Wisconsin–Madison（威斯康星大学麦迪逊分校威斯康星商学院风险与保险系） ； Department of Information Systems and Operations Management, Warrington College of Business, University of Florida（佛罗里达大学沃灵顿商学院信息系统与运营管理系） 纠错

AI总结 提出α-FISP框架，通过约束优化平衡精算公平与团结公平，参数α实现从纯精算到纯团结的连续定价谱，理论保证且计算可行。

Lyapunov-Based Sample Complexity Analysis for Weakly-Coupled MDPs

基于Lyapunov的弱耦合MDP样本复杂度分析

Tianhao Wu, Matthew Zurek, Weina Wang, Qiaomin Xie

机构 * Department of Industrial and Systems Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校工业与系统工程系） ； Department of Computer Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） ； Computer Science Department, Carnegie Mellon University（卡内基梅隆大学计算机科学系） 纠错

AI总结 针对平均奖励弱耦合MDP和Restless Bandits，提出基于Lyapunov的分析框架，实现样本和计算复杂度关于臂数N的多项式级界限，并给出首个有限样本PAC保证。

Comments Accepted for presentation at the Conference on Learning Theory (COLT) 2026

Reasoning as Pattern Matching: Shared Mechanisms in Human and LLM Everyday Reasoning

推理即模式匹配：人类与LLM日常推理中的共享机制

Zach Studdiford, Gary Lupyan

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 研究通过比较人类和25个LLM在日常因果推理中的错误模式，发现两者均表现出模式匹配而非抽象世界模型驱动的推理，并识别出LLM中驱动响应的注意力头可预测人类推理错误。

Comments 13 pages main text, 51 pages supplementary text

DOG-DPO:Dynamic Optimization in Geometry for Safety Alignment

DOG-DPO：几何中的动态优化用于安全对齐

Yi Nian, Tiankai Yang, Yudi Zhang, Qi Pan, Zelong Xu, Shenzhe Zhu, Qingqing Luan, Yue Huang, Xiangliang Zhang, Yue Zhao

机构 * University of Southern California（南加州大学） ； Iowa State University（爱荷华州立大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； Independent Researcher（独立研究员） ； University of Notre Dame（圣母大学） 纠错

AI总结 提出DOG-DPO框架，将偏好对表示为模型表示空间中的方向，通过几何分解和多样性覆盖选择子集，仅用11%数据即可恢复大部分安全增益。

Discrimination-free Insurance Pricing with Privatized Sensitive Attributes

基于隐私化敏感属性的无歧视保险定价

Tianhe Zhang, Suhan Liu, Peng Shi

机构 * Department of Risk and Insurance, University of Wisconsin-Madison（风险与保险系，威斯康星大学麦迪逊分校） ； Department of Statistics and Operations Research, University of North Carolina-Chapel Hill（统计与运筹系，北卡罗来纳大学教堂山分校） 纠错

AI总结 针对保险公司无法直接获取敏感属性（如性别、种族）的公平定价问题，提出利用隐私化（加噪）敏感属性估计无歧视保费的方法，并建立理论保证与实证验证。