Carnegie Mellon University（卡内基梅隆大学）

Generative Classifiers Avoid Shortcut Solutions

生成分类器避免捷径解法

Alexander C. Li, Ananya Kumar, Deepak Pathak

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） 纠错

AI总结 生成分类器通过建模所有特征避免捷径解法，提升在分布偏移下的性能。

Comments ICLR 2025. Code: https://github.com/alexlioralexli/generative-classifiers

AdditiveLLM: Large Language Models Predict Defects in Additive Manufacturing

AdditiveLLM：大型语言模型预测增材制造缺陷

Peter Pak, Amir Barati Farimani

机构 * Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，宾夕法尼亚州，美国） 纠错

AI总结 AdditiveLLM通过自然语言输入预测增材制造缺陷，准确率达93%，简化了工艺参数优化过程。

Journal ref Additive Manufacturing Letters, Vol. 14, July 2025, Article 100292

LLM-3D Print: Large Language Models To Monitor and Control 3D Printing

LLM-3D Print: 大型语言模型用于监控和控制3D打印

Yayati Jadhav, Peter Pak, Amir Barati Farimani

机构 * Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA） 纠错

AI总结 利用大型语言模型监控和控制3D打印过程，自动识别和纠正打印缺陷，提升产品质量与生产效率。

Journal ref Additive Manufacturing, Vol. 114, September 2025, Article 105027

ThermoPore: Predicting Part Porosity Based on Thermal Images Using Deep Learning

ThermoPore: 基于热成像的深度学习预测零件孔隙率

Peter Myung-Won Pak, Francis Ogoke, Andrew Polonsky, Anthony Garland, Dan S. Bolintineanu, Dan R. Moser, Michael J. Heiden, Amir Barati Farimani

机构 * Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，宾夕法尼亚州，美国） ； Sandia National Laboratories（桑尼亚国家实验室） 纠错

AI总结 ThermoPore利用深度学习和热成像数据实时预测零件孔隙率，提升增材制造过程的监控与质量控制效率。

Journal ref Additive Manufacturing, Vol. 95, September 2024, Article 104503

The Power of Preconditioning in Overparameterized Low-Rank Matrix Sensing

在过参数化低秩矩阵感知中预处理的力量

Xingyu Xu, Yandi Shen, Yuejie Chi, Cong Ma

机构 * CMU Carnegie Mellon University（卡内基梅隆大学） ； Yale Yale University（耶鲁大学） ； UChicago University of Chicago（芝加哥大学） 纠错

AI总结 本文提出ScaledGD(λ)方法，通过预处理梯度下降在低秩矩阵感知中实现快速收敛，即使在病态和过参数化情况下也保持鲁棒性。

Comments Journal version

StressRoBERTa: Cross-Condition Transfer Learning from Depression, Anxiety, and PTSD to Stress Detection

StressRoBERTa：从抑郁症、焦虑和PTSD到压力检测的跨条件迁移学习

Amal Alqahtani, Efsun Kayi, Mona Diab

机构 * The George Washington University（乔治华盛顿大学） ； King Saud University（沙特国王大学） ； Johns Hopkins University Applied Physics Laboratory（约翰霍普金斯大学应用物理实验室） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 StressRoBERTa通过跨条件迁移学习提升英文推文中的压力检测性能，其在SMM4H 2022任务8上取得82% F1分数，优于现有系统。