Harvard University（哈佛大学）

Decomposing Query-Key Feature Interactions Using Contrastive Covariances

通过对比协方差分解查询-键特征交互

Andrew Lee, Yonatan Belinkov, Fernanda Viégas, Martin Wattenberg

机构 * Harvard University（哈佛大学） ； Technion - Israel Institute of Technology（技术ion-以色列理工学院） ； Kempner Institute, Harvard University（凯普纳研究所，哈佛大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出通过对比协方差分解查询-键特征交互，以揭示Transformer中注意力机制的可解释性。

Open-Source Multimodal Moxin Models with Moxin-VLM and Moxin-VLA

开源多模态Moxin模型：Moxin-VLM和Moxin-VLA

Pu Zhao, Arash Akbari, Xuan Shen, Zhenglun Kong, Yixin Shen, Sung-En Chang, Timothy Rupprecht, Lei Lu, Enfu Nan, Changdi Yang, Yumei He, Weiyan Shi, Xingchen Xu, Yu Huang, Wei Jiang, Wei Wang, Yue Chen, Yong He, Yanzhi Wang

机构 * Northeastern University（东北大学） ； Harvard University（哈佛大学） ； Cornell University（康奈尔大学） ； Tulane University（路易斯安那州立大学） ； University of Washington（华盛顿大学） ； Futurewei（未来通信） ； AIBAO LLC 纠错

AI总结 本文提出开源多模态Moxin模型，通过Moxin-VLM、Moxin-VLA和Moxin-Chinese三种变体，提升视觉-语言、视觉-语言-动作及中文任务的性能。

An Intuitionistic Fuzzy Logic Driven UNet architecture: Application to Brain Image segmentation

直觉模糊逻辑驱动的UNet架构：应用于脑图像分割

Hanuman Verma, Kiho Im, Pranabesh Maji, Akshansh Gupta

机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh, India（印度乌塔兰普尔邦巴雷利学院数学系） ； Division of Newborn Medicine, Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA（美国哈佛医学院波士顿儿童医院新生儿医学部） ； Department of Pediatrics, Harvard Medical School, Boston, MA, USA（美国哈佛医学院儿科系） ； CSIR–Central Electronics Engineering Research Institute, Pilani 333031, Rajasthan, India（印度拉贾斯坦邦比拉尼中央电子工程研究机构） ； Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India（印度德里阿齐亚德瓦学术与创新研究院） ； CSIR–National Institute of Science Communication and Policy Research, New Delhi, India（印度新德里国家科学传播与政策研究所） 纠错

AI总结 本文提出基于直觉模糊逻辑的UNet架构，用于提升脑图像分割中对不确定性的处理能力。

Monitorability as a Free Gift: How RLVR Spontaneously Aligns Reasoning

监控性作为免费礼物：RLVR如何自发地对齐推理

Zidi Xiong, Shan Chen, Himabindu Lakkaraju

机构 * Harvard University（哈佛大学） 纠错

AI总结 RLVR通过增强响应分布和提示关注度自发提升推理透明性，但这种提升依赖于数据多样性与训练难度。

SurgiATM: A Physics-Guided Plug-and-Play Model for Deep Learning-Based Smoke Removal in Laparoscopic Surgery

SurgiATM：一种基于物理的插件式模型，用于基于深度学习的腹腔镜手术烟雾去除

Mingyu Sheng, Jianan Fan, Dongnan Liu, Guoyan Zheng, Ron Kikinis, Weidong Cai

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Institute of Medical Robotics, School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院医学机器人研究所） ； Department of Radiology, Brigham and Women's Hospital, and Harvard Medical School（哈佛医学院放射科、布里洛女性医院） 纠错

AI总结 SurgiATM通过结合物理模型和深度学习，提出了一种轻量级插件式模型，用于有效去除腹腔镜手术中的烟雾，提升手术精度和效率。

Comments 21 pages, 9 figures, 10 tables. Code available at https://github.com/MingyuShengSMY/SurgiATM