Johns Hopkins University（约翰斯·霍普金斯大学）

Reranking partisan animosity in algorithmic social media feeds alters affective polarization

算法社交媒体信息流中重新排序偏见影响情感极化

Tiziano Piccardi, Martin Saveski, Chenyan Jia, Jeffrey T. Hancock, Jeanne L. Tsai, Michael Bernstein

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学） ； Northeastern University（东北大学） ； Stanford University（斯坦福大学） 纠错

AI总结 通过实时重新排序信息流，研究暴露于反民主内容如何影响情感极化，提供因果证据并建立独立评估方法。

Journal ref Science; Volume 390 | Issue 6776; 27 November 2025

ProxT2I: Efficient Reward-Guided Text-to-Image Generation via Proximal Diffusion

ProxT2I：通过近端扩散实现高效的奖励引导文本到图像生成

Zhenghan Fang, Jian Zheng, Qiaozi Gao, Xiaofeng Gao, Jeremias Sulam

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Amazon（亚马逊） 纠错

AI总结 ProxT2I通过近端扩散和奖励引导方法，提升文本到图像生成的效率和人类偏好对齐，实现高效且轻量的生成效果。

Beyond Scores: Proximal Diffusion Models

超越分数：近端扩散模型

Zhenghan Fang, Mateo Díaz, Sam Buchanan, Jeremias Sulam

机构 * Mathematical Institute for Data Science, Johns Hopkins University（数据科学数学研究所，约翰霍普金斯大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） 纠错

AI总结 本文提出近端扩散模型，通过近端映射替代分数，实现理论和实践上的改进，显著提升收敛速度。