Microsoft（微软）

Pedagogical AI in Mental Health: A Tri-Stream Fine-Tuned LLM Framework for Automated Clinical Supervision and Risk Triage

心理健康领域的教学式AI：用于自动化临床监督与风险分诊的三通路微调大语言模型框架

Shreeya Sharma, Ravish Gupta, Saket Kumar, Abhishek Aggarwal

机构 * Microsoft（微软） ； BigCommerce ； University at Buffalo, The State University of New York（纽约州立大学布法罗分校） ； Amazon（亚马逊） 纠错

AI总结 针对精神医疗的监督缺口，提出三通路微调Mistral-7B-instruct框架，实现自动化临床监督与风险分诊，提升效率并解决冷启动问题。

Comments 14 pages, 1 figure, 2 tables. Accepted for publication in AICTC 2026, Lecture Notes in Networks and Systems, vol. 2165, Springer

Governance Records as Supervision: Verifier-Selected Self-Training for Structured Workflow Repair

治理记录作为监督：验证器选择的自训练用于结构化工作流修复

Jesus Salas

机构 * Microsoft（微软） 纠错

AI总结 该研究提出利用机器可验证工作流的治理记录，通过验证器选择的自训练提升模型结构化工作流修复能力，在PlanBench等数据集上实现了已接纳规划数量的显著提升，验证了该方法的有效性。

Comments 21 pages, 5 figures, 9 tables

Position: Profiling Game Worlds by Transition Complexity

Position：通过转移复杂度分析游戏世界

Lele Cao

机构 * Microsoft Research（微软研究院） ； DeepMind（深度思考（DeepMind）） 纠错

AI总结 该研究针对GWM与RL常被混淆的问题，提出转移复杂度剖面（TCP）指标，用于量化游戏环境的转移预测难度，呼吁其成为相关论文的标准基准元数据。

Comments Accepted by ICML 2026 Position Paper Track. https://icml.cc/virtual/2026/poster/67074