Carnegie Mellon University（卡内基梅隆大学）

Amplified Does Not Mean Predictive: Reasoning Behaviors in Thinking Models

放大并不意味着具有预测性：思考模型中的推理行为

Jean de Dieu Nyandwi, Leena Mathur, Yonatan Bisk, Robert Hawkins, Graham Neubig

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

AI总结 该研究揭示思考模型存在“放大-提升差距”，即面向推理的训练放大了与正确性关联弱的推理行为，却未放大高提升值的关键行为，推动了过程级推理目标的研究。

Comments Published in COLM 2026

Adapting Foundation ASR Models to Dysarthric Speech: A Case Study

将基础ASR模型适应于构音障碍语音：案例研究

Christian Huber, Laura Kernahan, Alexander Waibel

机构 * Interactive Systems Lab（交互系统实验室） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 通过个性化微调基础ASR模型，针对构音障碍语音将词错误率降至9.7%，验证了适应方法的有效性。

Learning to Interrupt in Language-based Multi-agent Communication

语言基多智能体通信中的中断学习

Danqing Wang, Da Yin, Ruta Desai, Lei Li, Asli Celikyilmaz, Ansong Ni

机构 * CMU（卡内基梅隆大学） ； Meta FAIR 纠错

AI总结 本文提出一种可中断的通信框架，通过学习预测合适的中断点，减少通信成本，提升多智能体任务性能。

Comments Accepted in CoLM 2026

Investigating individual writing style as a contributor to gender gaps in science and technology

探究个人写作风格对科技领域性别差距的影响

Kara Kedrick, Ekaterina Levitskaya, Russell J. Funk

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Coleridge Initiative（科尔里奇倡议） ； University of Minnesota（明尼苏达大学） 纠错

AI总结 该研究发现科技领域女性写作风格比男性更具参与性，这种性别化的写作风格差异会影响论文的引用情况，揭示了评价偏见持续存在的微妙渠道。