University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Metric-Fair Prompting: Treating Similar Samples Similarly

度量公平提示：对待相似样本同样

Jing Wang, Jie Shen, Xing Niu, Tong Zhang, Jeremy Weiss

机构 * NLM（国家医学图书馆） ； Stevens Institute of Technology（史蒂文斯理工学院） ； AWS AI（亚马逊人工智能） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 度量公平提示通过促进个体公平性，提高LLM在高风险临床多选问题上的准确性。

Journal ref NeurIPS 2025 Workshop on Socially Responsible and Trustworthy Foundation Models

VulnLLM-R: Specialized Reasoning LLM with Agent Scaffold for Vulnerability Detection

VulnLLM-R：基于代理架构的专用推理LLM用于漏洞检测

Yuzhou Nie, Hongwei Li, Chengquan Guo, Ruizhe Jiang, Zhun Wang, Bo Li, Dawn Song, Wenbo Guo

机构 * Department of Computer Science, University of California, Santa Barbara, CA, USA（加州大学圣芭芭拉分校计算机科学系） ； Department of Computer Science, University of Chicago, Chicago, IL, USA（芝加哥大学计算机科学系） ； Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, CA, USA（加州大学伯克利分校电子工程与计算机科学系） ； Department of Computer Science, University of Illinois Urbana-Champaign, Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校计算机科学系） 纠错

AI总结 VulnLLM-R通过专用推理模型和代理架构，在漏洞检测中实现高效准确的AI驱动检测。

Characterizing Lane-Changing Behavior in Mixed Traffic

混合交通中车道变换行为的表征

Sungyong Chung, Alireza Talebpour, Samer H. Hamdar

机构 * Department of Civil and Environmental Engineering, University of Illinois at Urbana-Champaign（土木与环境工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Civil and Environmental Engineering, George Washington University（土木与环境工程系，乔治·华盛顿大学） 纠错

AI总结 本研究通过博弈论框架分析混合交通中车道变换行为，揭示社会困境的存在及合作行为随时间的演变。

A Large-Scale Multimodal Dataset and Benchmarks for Human Activity Scene Understanding and Reasoning

大规模多模态数据集与基准用于人类活动场景理解和推理

Siyang Jiang, Mu Yuan, Xiang Ji, Bufang Yang, Zeyu Liu, Lilin Xu, Yang Li, Yuting He, Liran Dong, Wenrui Lu, Zhenyu Yan, Xiaofan Jiang, Wei Gao, Hongkai Chen, Guoliang Xing

机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） ； University of Pittsburgh（匹兹堡大学） 纠错

AI总结 CUHK-X是一个大规模多模态数据集和基准，用于人类活动场景理解和推理，通过生成逻辑一致的活动序列提升描述一致性。

Process Reward Models That Think

能够思考的过程奖励模型

Muhammad Khalifa, Rishabh Agarwal, Lajanugen Logeswaran, Jaekyeom Kim, Hao Peng, Moontae Lee, Honglak Lee, Lu Wang

机构 * University of Michigan（密歇根大学） ； Mila ； LG AI Research（LG人工智能研究） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Equal supervision（共同监督） 纠错

AI总结 ThinkPRM通过生成长CoT验证链实现高效过程奖励模型，以更少的监督标签在多个基准测试中超越现有方法。

Comments Add new ablation and minor writing fixes

Expectation-Maximization as the Engine of Scalable Medical Intelligence

期望-最大化作为可扩展医学智能的引擎

Wenxuan Li, Pedro R. A. S. Bassi, Tianyu Lin, Yu-Cheng Chou, Jakob Wasserthal, Xinze Zhou, Qi Chen, Fabian Isensee, Yannick Kirchhoff, Maximilian Rokuss, Saikat Roy, Constantin Ulrich, Klaus Maier-Hein, Szymon Płotka, Xiaoxi Chen, Kang Wang, Yang Yang, Daguang Xu, Kai Ding, Yucheng Tang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Bologna（博洛尼亚大学） ； Italian Institute of Technology（意大利理工学院） ； University Hospital Basel（巴塞尔大学医院） ； DKFZ（德累斯顿生物医学研究中心） ； Jagiellonian University（雅盖隆大学） ； University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Francisco（旧金山大学） ； NVIDIA（NVIDIA公司） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

AI总结 ScaleMAI通过期望-最大化过程统一数据标注与模型开发，生成大规模标注数据集并提升肿瘤诊断性能。

Multi-Modal Zero-Shot Prediction of Color Trajectories in Food Drying

多模态零样本预测食品干燥中的颜色轨迹

Shichen Li, Ahmadreza Eslaminia, Chenhui Shao

机构 * Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign, Urbana, IL, USA（机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Mechanical Engineering, University of Michigan, Ann Arbor, MI, USA（机械工程系，密歇根大学安娜堡分校） 纠错

AI总结 本文提出一种多模态零样本方法，通过整合高维时间颜色信息和干燥参数，实现对食品干燥中颜色轨迹的高效预测，显著提升预测精度和泛化能力。