Harvard University（哈佛大学）

Active Convolved Illumination with Deep Transfer Learning for Complex Beam Transmission through Atmospheric Turbulence

主动卷积照明与深度迁移学习用于大气湍流中复杂光束传输

Adrian A. Moazzam, Anindya Ghoshroy, Breeanne Heusdens, Durdu O. Guney, Roohollah Askari

机构 * Department of Electrical and Computer Engineering, Michigan Technological University（密歇根技术大学电气与计算机工程系） ； Geological and Mining Engineering and Sciences, Michigan Technological University（密歇根技术大学地质与采矿工程系） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院） 纠错

AI总结 本文提出将主动卷积照明与深度学习结合，通过迁移学习方法提升在湍流环境中的光束传输性能。

A Critical Assessment of Pattern Comparisons Between POD and Autoencoders in Intraventricular Flows

对POD与自动编码器在室内心脏流动中模式比较的批判性评估

Eneko Lazpita, Andrés Bell-Navas, Jesús Garicano-Mena, Petros Koumoutsakos, Soledad Le Clainche

机构 * Center for Computational Simulation (CCS)（计算模拟中心（CCS）） ； John A. Paulson School of Engineering and Applied Sciences（约翰·A·保罗森工程与应用科学学院） ； Harvard University（哈佛大学） 纠错

AI总结 本文批判性评估了POD与不同AE变体在室内心脏流动中模式比较的性能，揭示了AEs在特定潜在空间配置下可再现POD-like结构，但需谨慎选择模式以确保物理意义的表示。

Comments 27 pages, 9 figures

Advances in Feed-Forward 3D Reconstruction and View Synthesis: A Survey

反向馈送3D重建与视角合成的进展：综述

Jiahui Zhang, Yuelei Li, Anpei Chen, Muyu Xu, Kunhao Liu, Jianyuan Wang, Xiao-Xiao Long, Hanxue Liang, Zexiang Xu, Hao Su, Christian Theobalt, Christian Rupprecht, Andrea Vedaldi, Kaichen Zhou, Hanspeter Pfister, Paul Pu Liang, Shijian Lu, Fangneng Zhan

机构 * NTU（国立台湾大学） ； Caltech（加州理工学院） ； Westlake University（西湖大学） ； UCSD（加州大学圣地亚哥分校） ； University of Oxford（牛津大学） ； Nanjing University（南京大学） ； HKU（香港大学） ； University of Cambridge（剑桥大学） ； Hillbot ； MPI for Informatics（信息研究所） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

AI总结 本文综述了反向馈送方法在3D重建与视角合成中的进展，涵盖多种表示架构及应用，探讨了关键任务和未来研究方向。

Comments A project page associated with this survey is available at https://fnzhan.com/projects/Feed-Forward-3D

Influence of string register locations on vibratos among violoncellists

弦乐器演奏中指位对泛音的影响

Steven Hu, Sophia H. Kim, Helena H. Kim, Hugo Mackay, Eric J. Heller

机构 * Department of Physics, Harvard University, Cambridge, MA 02138（物理系，哈佛大学，马萨诸塞州剑桥市，02138） ； Department of Chemistry and Chemical Biology, Harvard University, Cambridge, MA 02138（化学与生物化学系，哈佛大学，马萨诸塞州剑桥市，02138） 纠错

AI总结 研究发现大提琴演奏中，指位向琴码移动会增加泛音深度但减少手指幅度，揭示了补偿泛音行为的出现与限制。

CoPE: A Small Language Model for Steerable and Scalable Content Labeling

CoPE：一种可调节且可扩展的内容标注小语言模型

Samidh Chakrabarti, David Willner, Kevin Klyman, Tiffany Saade, Emily Capstick, Sabina Nong

机构 * Stanford University（斯坦福大学） ； Harvard University（哈佛大学） 纠错

AI总结 CoPE是一种可调节且可扩展的内容标注小语言模型，通过矛盾示例训练和双目标注方法，实现高效准确的内容标注，并在小规模下达到与前沿模型相当的性能。

Comments 21 pages, 2 figures, 7 tables

Accelerated Preference Elicitation with LLM-Based Proxies

基于大语言模型的加速偏好获取

David Huang, Francisco Marmolejo-Cossío, Edwin Lock, David Parkes

机构 * Harvard University（哈佛大学） ； King's College London（伦敦国王学院） ； Boston College（波士顿学院） ； Input Output 纠错

AI总结 本文提出了一种基于大语言模型的高效偏好获取方法，通过减少查询次数实现更高效的偏好近似。

Comments In Proceedings of The 21st Conference on Web and Internet Economics (WINE '25)

PowerMamba: A Deep State Space Model and Comprehensive Benchmark for Time Series Prediction in Electric Power Systems

PowerMamba：电力系统时间序列预测的深度状态空间模型与综合基准

Ali Menati, Fatemeh Doudi, Dileep Kalathil, Le Xie

机构 * Department of Electrical and Computer Engineering, Texas A&M University（电气与计算机工程系，德克萨斯A&M大学） ； School of Engineering and Applied Sciences, Harvard University（工程与应用科学系，哈佛大学） 纠错

AI总结 PowerMamba提出一种结合传统状态空间模型和深度学习的方法，用于电力系统时间序列预测，通过高分辨率外部预测提升预测精度并减少参数量。

Comments This paper has been accepted for publication in the Journal of IEEE Transactions on Power Systems