Carnegie Mellon University（卡内基梅隆大学）

Unsupervised Discovery of Long-Term Spatiotemporal Periodic Workflows in Human Activities

无监督发现人类活动中的长期时空周期性工作流

Fan Yang, Quanting Xie, Atsunori Moteki, Shoichi Masui, Shan Jiang, Kanji Uchino, Yonatan Bisk, Graham Neubig

机构 * Fujitsu Research of America, USA（美国富士通研究机构） ； Fujitsu Limited, Japan（日本富士通有限公司） ； Carnegie Mellon University, USA（美国卡内基梅隆大学） 纠错

AI总结 本文提出首个包含长期周期性工作流的基准，通过轻量级基线实现无监督检测和异常检测，显著优于现有方法并具备实际部署优势。

Comments accepted to WACV 2026

STAMP: Spatial-Temporal Adapter with Multi-Head Pooling

STAMP：带有多头池化的空间-时间适配器

Brad Shook, Abby Turner, Jieshi Chen, Michał Wiliński, Mononito Goswami, Jonathan Elmer, Artur Dubrawski

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh School of Medicine（匹兹堡大学医学学院） 纠错

AI总结 STAMP通过多头池化机制，利用通用TSFMs生成的单变量嵌入，隐式建模EEG数据的空间-时间特性，实现与现有EEGFMs相当的性能。

Comments Accepted as a Proceedings paper at Machine Learning for Health (ML4H) 2025, invited presentation at the Time Series for Health (TS4H) Workshop, NeurIPS 2025. v2: Updated author affiliation and corrected a duplicated word in the text. No other changes

Distance-Preserving Representations for Genomic Spatial Reconstruction

用于基因组空间重建的距离保持表示

Wenbin Zhou, Jin-Hong Du

机构 * Heinz College of Information Systems and Public Policy and Machine Learning Department, Carnegie Mellon University（信息系统与公共政策学院及机器学习系，卡内基梅隆大学） ； Musketeers Foundation Institute of Data Science and the Department of Statistics and Actuarial Science, University of Hong Kong（数据科学研究所及统计与精算科学系，香港大学） 纠错

AI总结 本文提出dp-VAE框架，通过距离保持正则化器重建基因组空间坐标，提升单细胞数据的空间分析能力。

MAQuA: Adaptive Question-Asking for Multidimensional Mental Health Screening using Item Response Theory

MAQuA：基于项目反应理论的多维心理健康筛查自适应提问框架

Vasudha Varadarajan, Hui Xu, Rebecca Astrid Boehme, Mariam Marlan Mirstrom, Sverker Sikstrom, H. Andrew Schwartz

机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； Stony Brook University（石溪大学） ； Aarhus University（奥胡斯大学） ； Department of Psychology, Lund University（吕勒欧大学心理学系） ； College of Connected Computing, Vanderbilt University（范德比尔特大学连接计算学院） 纠错

AI总结 MAQuA通过结合IRT和因子分析，实现多维心理健康筛查的自适应提问，有效减少评估问题数量，提升诊断效率和患者体验。

CAIRe: Cultural Attribution of Images by Retrieval-Augmented Evaluation

CAIRe：通过检索增强评估进行图像文化归因

Arnav Yayavaram, Siddharth Yayavaram, Simran Khanuja, Michael Saxon, Graham Neubig

机构 * BITS Pilani（比斯·皮兰大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

AI总结 CAIRe通过检索增强评估方法，评估图像在不同文化标签下的相关性，有效衡量文化偏见，提升跨文化公平性。

Comments Preprint, under review

LEARNER: Contrastive Pretraining for Learning Fine-Grained Patient Progression from Coarse Inter-Patient Labels

LEARNER: 通过对比学习从粗粒度患者间标签中学习细粒度患者进展

Jana Armouti, Nikhil Madaan, Rohan Panda, Tom Fox, Laura Hutchins, Amita Krishnan, Ricardo Rodriguez, Bennett DeBoisblanc, Deva Ramanan, John Galeotti, Gautam Gare

机构 * Carnegie Mellon University（卡内基梅隆大学） ； LSUHSC Internal Medicine（LSUHSC内科） ； Cosmetic Surgery Facility LLC（美容外科诊所有限公司） 纠错

AI总结 LEARNER通过对比学习利用患者间粗粒度标签，学习细粒度患者内变化，提升个性化医学中的治疗响应预测性能。

Comments Under review at ISBI 2026 conference