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

Statistical Inference for Misspecified Contextual Bandits

误指定情境赌博机的统计推断

Yongyi Guo, Ziping Xu

机构 * Department of Statistics, University of Wisconsin–Madison（威斯康星大学麦迪逊分校统计系） ； School of Data Science and Society, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校数据科学与社会学院） 纠错

AI总结 针对情境赌博机数据，在结果模型误指定下，提出逆概率加权Z估计框架，通过缩放逆倾向收敛条件实现一致估计和有效推断。

Comments arXiv admin note: substantial text overlap with arXiv:2509.06287

Dynamic estimation of slowly varying sequences

缓慢变化序列的动态估计

Prashant Gokhale, Mikhail Khodak, Sandeep Silwal

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

AI总结 针对缓慢变化序列，提出通用框架将隐式迹估计推广到多种线性和非线性函数，并开发自适应预算算法，获得更优的路径长度变分界。

Comments Preprint. 14 pages, 4 figures

NullFlow: One-Step Generative Reconstruction

NullFlow: 一步生成式重建

Xiao Shi, Edward P. Chandler, Chicago Y. Park, Shirin Shoushtari, Ulugbek S. Kamilov

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） 纠错

AI总结 提出NullFlow框架，通过将生成流限制在测量一致子空间实现一步图像重建，无需数据保真校正，学习平均速度避免逐步积分，在图像修复中达到SOTA性能且仅需一次网络评估。

Comments 9 pages, 3 figures. Xiao Shi and Edward P. Chandler contributed equally

Test-Time Training with Next-Token Prediction

基于下一个词预测的测试时训练

Xuan Ouyang, Zefan Cai, Junjie Hu

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

AI总结 提出TTT-NTP方法，利用预训练语言模型自身的下一个隐藏状态作为自监督信号进行测试时训练，无需重新设计骨干网络，在多个长上下文基准上显著提升性能。

Comments 17 pages, 2 figures, 7 tables. Preprint

A Novel Bio-Inspired Fish Robot with Tunable Stiffness via Particle Jamming

一种基于颗粒堵塞的可调刚度仿生鱼机器人

Jack Stonecipher, Allen Gao, Wei Wang

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

AI总结 提出一种通过颗粒堵塞快速调节刚度的仿生鱼机器人，实验表明刚度调节对游泳速度和能耗有显著影响，低频时软体最优，高频时硬体更优。

Comments ICRA2026 accepted, best paper finalist

Programmable magnetic soft robots with controlled locomotion and directional liquid cargo release

可编程磁控软体机器人：可控运动与定向液体货物释放

Youyi Zhou, Zoe Evelyn Gureno, Meghna Majumder, Yunus Alapan

机构 * Bio-integrated Robotics Lab at Mechanical Engineering（机械工程系生物集成机器人实验室） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 提出一种优化磁化分布策略，实现磁控软体机器人的定向液体释放，同时保持形状变形和运动能力，为胃肠道靶向药物递送奠定基础。

Comments This manuscript has been accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

TACO: Task-Aware Column Description Generation Using LLMs

TACO：使用LLMs的任务感知列描述生成

Ting Cai, Rakesh R. Menon, Yiru Chen, Zifan Liu, Yuan Tian, Fei Wu, Anudeep Chimakurthi, Prashanthi Ramamurthy, Sunav Choudhary, Kun Qian, Yunyao Li

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Purdue University（普渡大学） ； Adobe 纠错

AI总结 提出TACO框架，通过三步流水线（缩写扩展、描述生成、描述修订）利用LLMs自动生成准确且信息丰富的列描述，在下游任务中性能提升高达32%。

Comments 15 pages, 11 figures, 9 tables

When Web Agents Finish but Still Fail: Reproducible Triggers and Trace Diagnostics for Parallel Web Exploration

当Web代理完成但依然失败：并行Web探索的可复现触发与轨迹诊断

Aagam Sogani, Botao Rui, Swetha Vaidyanathan, Rishi Agarwal, Minghao Yan, Shivaram Venkataraman

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

AI总结 研究并行Web探索中代理完成但隐含失败的问题，提出Parallel WebBench基准，通过GRPO训练和轨迹分析揭示三种持续失败模式，并指出合成数据GRPO缩小了完成-正确性差距。

$Ω$: Operator-based Mixture Ensemble for Generative Assimilation

$Ω$: 基于算子的混合集成生成同化

Pouria Behnoudfar, Nan Chen

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

AI总结 针对高维非线性系统中非高斯后验分布难以刻画的问题，提出Ω框架，融合条件高斯代理、无监督分数学习和生成采样，无需真实后验样本即可高效重构后验分布。