University of Toronto（多伦多大学）

Predicting Multiple Clinical Outcomes Related to Functional Recovery and Social Isolation Among Older Adults After Lower-Limb Fracture or Hip Replacement

预测下肢骨折或髋关节置换术后老年人与功能恢复和社交孤立相关的多种临床结局

Santosh Ray, Pratik K. Mishra, Ali Abedi, Charlene H. Chu, Amir Ahmad, Shehroz S. Khan

机构 * Liwa University（利瓦大学） ； University of Toronto（多伦多大学） ； University Health Network（大学健康网络） ； United Arab Emirates University（阿联酋大学） ； American University of the Middle East（中东美国大学） 纠错

AI总结 该研究基于MAISON-LLF数据集构建多输出回归模型，用NODE算法联合预测下肢骨折或髋关节置换术后老年人的5项临床结局，效果优于单输出模型，可辅助评估其功能恢复与社交参与。

Mitigating Reasoning-Induced Misalignment via Safety-Direction Penalty

通过安全方向惩罚缓解推理诱导的不一致性

Yipeng Zhao, Qishun Yang, Shenzhe Zhu, Shu Yang, Di Wang

机构 * University of Toronto（多伦多大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 针对推理微调引发LLM安全退化的RIM问题，本文提出安全方向惩罚（SDP）方法，通过定位安全决策层并惩罚安全方向位移，在Qwen2.5系列模型上实现安全与推理性能的平衡。

Comments 28 pages, 4 figures

ORBIT++: Benchmarking SfM in the Wild with 360° Video

ORBIT++: 基于360°视频的野外运动恢复结构（SfM）基准测试

Sara Sabour, Linyi Jin, Richard Tucker, Amir Hertz, Marcus Brubaker, Saurabh Saxena, Junhwa Hur, Andrea Tagliasacchi, Deqing Sun, David J. Fleet, Richard Szeliski, Noah Snavely

机构 * Google DeepMind（谷歌DeepMind） ； Simon Fraser University（西蒙菲莎大学） ； University of Toronto（多伦多大学） 纠错

AI总结 该研究针对现有SfM方法在复杂视频中失效且缺乏对应可靠基准的问题，提出基于360°视频的ORBIT基准，实验显示多种SfM方法在该基准上表现不佳，为相关研究提供了测试平台。

Comments A revision was Accepted at CVPR 2026