Harvard University（哈佛大学）

Spectral Superposition: A Theory of Feature Geometry

谱叠加：特征几何理论

Georgi Ivanov, Narmeen Oozeer, Shivam Raval, Tasana Pejovic, Shriyash Upadhyay, Amir Abdullah

机构 * Harvard University（哈佛大学） 纠错

AI总结 本文提出谱叠加理论，通过分析权重矩阵的谱结构，揭示特征在高维空间中的几何分布，证明容量饱和导致特征局部化，并通过框架算子实现分类。

Learning Sequential Decisions from Multiple Sources via Group-Robust Markov Decision Processes

通过群鲁棒马尔可夫决策过程从多个来源学习顺序决策

Mingyuan Xu, Zongqi Xia, Tianxi Cai, Doudou Zhou, Nian Si

机构 * Department of Statistics and Data Science, National University of Singapore（新加坡国立大学统计与数据科学系） ； Department of Neurology, University of Pittsburgh（匹兹堡大学神经病学系） ； Department of Biostatistics, Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院生物统计学系） ； Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科学与技术大学工业工程与决策分析系） 纠错

AI总结 本文提出了一种群鲁棒马尔可夫决策过程框架，通过特征层面的不确定性集和悲观价值迭代算法，从多地点异质数据中学习鲁棒的顺序决策策略。

Sparse Autoencoder Features for Classifications and Transferability

稀疏自编码器特征用于分类和可迁移性

Jack Gallifant, Shan Chen, Kuleen Sasse, Hugo Aerts, Thomas Hartvigsen, Danielle S. Bitterman

机构 * Harvard University（哈佛大学） ； Mass General Brigham（麻省总医院） ； Boston Children’s Hospital（波士顿儿童医院） ； Johns Hopkins University（约翰霍普金斯大学） ； Maastricht University（马斯特里赫特大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 本文提出利用稀疏自编码器提取LLM特征，通过优化架构和二进制化策略提升分类性能和跨模型迁移能力。

Learning Abstractions for Hierarchical Planning in Program-Synthesis Agents

在程序合成代理中学习层次规划的抽象

Zergham Ahmed, Kazuki Irie, Joshua B. Tenenbaum, Christopher J. Bates, Samuel J. Gershman

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Institute for Human and Machine Cognition（人机认知研究院） ； Kempner Institute for the Study of Natural and Artificial Intelligence at Harvard University, Cambridge, MA, USA（哈佛大学马萨诸塞州剑桥市自然与人工智能研究学院） 纠错

AI总结 TheoryCoder-2通过主动学习可重用的抽象，提升了程序合成代理在复杂任务中的样本效率和泛化能力。

Comments 20 pages

HSI-VAR: Rethinking Hyperspectral Restoration through Spatial-Spectral Visual Autoregression

HSI-VAR: 通过空间-光谱视觉自回归重新思考高光谱图像恢复

Xiangming Wang, Benteng Sun, Yungeng Liu, Haijin Zeng, Yongyong Chen, Jingyong Su, Jie Liu

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Harvard University（哈佛大学） 纠错

AI总结 HSI-VAR通过空间-光谱视觉自回归方法，高效解决高光谱图像恢复问题，实现计算成本降低50%和推理速度提升95.5倍。

Improving Neuropathological Reconstruction Fidelity via AI Slice Imputation

通过AI切片插值提高神经病理性重建的保真度

Marina Crespo Aguirre, Jonathan Williams-Ramirez, Dina Zemlyanker, Xiaoling Hu, Lucas J. Deden-Binder, Rogeny Herisse, Mark Montine, Theresa R. Connors, Christopher Mount, Christine L. MacDonald, C. Dirk Keene, Caitlin S. Latimer, Derek H. Oakley, Bradley T. Hyman, Ana Lawry Aguila, Juan Eugenio Iglesias

机构 * Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院和哈佛医学院生物医学成像中心） ； Federal Institute of Technology (ETH), Zurich, Switzerland（瑞士苏黎世联邦理工学院） ； BioRepository and Integrated Neuropathology (BRaIN) Laboratory and Precision Neuropathology Core, University of Washington School of Medicine（华盛顿大学医学院生物库与整合神经病学实验室及精准神经病学核心） ； Massachusetts Alzheimer Disease Research Center, MGH and Harvard Medical School（马萨诸塞州阿尔茨海默病研究中心，MGH和哈佛医学院） ； Department of Pathology, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院病理学部） ； Department of Neurological Surgery, University of Washington School of Medicine（华盛顿大学医学院神经外科部） ； Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 本研究通过AI切片插值技术提升神经病理性重建的保真度，实现更精确的解剖学重建。

Comments 12 pages of main content, 5 pages of supplement

Convergent World Representations and Divergent Tasks

趋同的世界表征与分歧的任务

Core Francisco Park

机构 * Center for Brain Science, Harvard University（哈佛大学脑科学中心） ； CBS-NTT Program in Physics of Intelligence, Harvard University（哈佛大学物理智能项目） ； Prior Computers, Cambridge, MA（剑桥马萨诸塞州Prior公司） 纠错

AI总结 本研究通过多任务训练产生趋同的世界表征，但存在分歧任务会损害新实体的整合与泛化。

Physiology as Language: Translating Respiration to Sleep EEG

生理学作为语言：将呼吸转化为睡眠EEG

Kaiwen Zha, Chao Li, Hao He, Peng Cao, Tianhong Li, Ali Mirzazadeh, Ellen Zhang, Jong Woo Lee, Yoon Kim, Dina Katabi

机构 * MIT Computer Science \& Artificial Intelligence Laboratory ； Women’s Hospital, Harvard Medical School 纠错

AI总结 本文提出了一种从呼吸信号合成睡眠EEG的跨生理翻译框架，实现了EEG重建及下游任务的高精度表现，展示了远程非接触神经评估的可行性。

Comments Tech report

Uncertainty Estimation for Pretrained Medical Image Registration Models via Transformation Equivariance

通过变换等价性估计预训练医学图像配准模型的不确定性

Lin Tian, Xiaoling Hu, Juan Eugenio Iglesias

机构 * Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院） ； The Hawkes Institute, University College London（霍克斯研究所，伦敦大学学院） ； AI Laboratory, Massachusetts Institute of Technology（人工智能实验室，麻省理工学院） 纠错

AI总结 通过变换等价性属性，提出一种无需修改预训练配准模型的不确定性估计方法，提升医学图像配准的安全性和可靠性。

Unrolled Networks are Conditional Probability Flows in MRI Reconstruction

展开网络是MRI重建中的条件概率流

Kehan Qi, Saumya Gupta, Xiaoling Hu, Qingqiao Hu, Weimin Lyu, Chao Chen

机构 * Stony Brook University（石溪大学） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 本文提出FLAT方法，通过流匹配离散化和轨迹对齐提升MRI重建的稳定性与质量。