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

Symbolic Augmentation Closes a Canonical-Equivalence Blind Spot in Neural Fact-Checkers

符号增强弥补神经事实核查器中规范等价盲点

Genpei Zhang

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

AI总结 研究大语言模型总结科学文本时数字和单位幻觉问题，提出将错误检测重定义为类型验证，引入分类法和基准。用符号增强训练框架，提升规范等价鲁棒性，提高准确率，还明确了符号特征及银标签在特定情况下的作用，确定训练时增强是关键集成点。

Comments 18 pages, 3 figures, 6 tables

CaloTrilogy: Toward a Breakthrough in One-Step, End-to-End, Physics-Guided Shower Generation for Modern Calorimeters

CaloTrilogy：迈向现代量热器一步式端到端物理引导簇射生成的突破

Cheng Jiang, Sitian Qian, Kevin Pedro, Oz Amram, Huilin Qu, Maggie Voetberg

机构 * School of Physics and Astronomy, University of Edinburgh（爱丁堡大学物理与天文学学院） ； Department of Physics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校物理系） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； State Key Laboratory of Dark Matter Physics, Tsung-Dao Lee Institute & School of Physics and Astronomy, Shanghai Jiao Tong University（上海交通大学暗物质物理国家重点实验室、李政道研究所及物理与天文学学院） ； Key Laboratory for Particle Astrophysics and Cosmology (MOE) & Shanghai Key Laboratory for Particle Physics and Cosmology, Shanghai Jiao Tong University（教育部粒子天体物理与宇宙学重点实验室及上海粒子物理与宇宙学重点实验室，上海交通大学） 纠错

AI总结 提出一种结合平均速度场积分器、学习生成先验和物理引导损失项的框架，实现一步或少量评估步骤的高质量簇射生成，性能与最先进的流和扩散模型相当。

MinShap: A Shapley-Based Framework for Feature Redundancy

MinShap：一种用于特征选择的改进Shapley值方法

Chenghui Zheng, Garvesh Raskutti

机构 * 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MinShap方法，通过改进Shapley值框架，结合最小边际贡献进行特征选择，优于现有算法在准确性和稳定性上。

One-shot acceleration of transient PDE solvers via online-learned preconditioners

通过在线学习预处理器实现瞬态偏微分方程求解器的一次性加速

Mikhail Khodak, Min Ki Jung, Brian Wynne, Edmond Chow, Egemen Kolemen

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Seoul National University（首尔国立大学） ； Princeton University（普林斯顿大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究针对瞬态偏微分方程数值模拟，提出用强盗算法利用线性求解器反馈在线学习预处理器配置的PCGBandit方法，直接在OpenFOAM上实现，可一次性加速模拟，在流体和MHD问题上验证了有效性。

Comments code available at https://github.com/mkhodak/PCGBandit

Journal ref Computer Physics Communications 327 (2026) 110304