University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

FMTK: A Modular Toolkit for Composable Time Series Foundation Model Pipelines

FMTK：用于可组合时间序列基础模型流水线的模块化工具包

Hetvi Shastri, Pragya Sharma, Walid A. Hanafy, Mani Srivastava, Prashant Shenoy

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of California Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 FMTK提供了一个模块化工具包，用于构建和微调时间序列基础模型流水线，通过标准化的主干和组件抽象实现灵活组合和高效性能。

Recovering Origin Destination Flows from Bus CCTV: Early Results from Nairobi and Kigali

从公交CCTV恢复起止点流量：内罗毕和基加利的早期结果

Nthenya Kyatha, Jay Taneja

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 利用公交CCTV和多种算法恢复OD流量，验证了在拥挤和复杂环境下系统性能的稳定性与改进需求。

LORE: Lagrangian-Optimized Robust Embeddings for Visual Encoders

LORE: 基于拉格朗日优化的视觉编码器鲁棒嵌入

Borna Khodabandeh, Amirabbas Afzali, Amirhossein Afsharrad, Seyed Shahabeddin Mousavi, Sanjay Lall, Sajjad Amini, Seyed-Mohsen Moosavi-Dezfooli

机构 * Stanford University（斯坦福大学） ； Aktus AI ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Apple（苹果公司） 纠错

AI总结 LORE通过约束优化方法提升视觉编码器的对抗鲁棒性，同时保持清洁数据性能，有效平衡鲁棒性与准确性。

Predicting COVID-19 Prevalence Using Wastewater RNA Surveillance: A Semi-Supervised Learning Approach with Temporal Feature Trust

利用污水RNA监控预测新冠流行病：一种带有时间特征信任的半监督学习方法

Yifei Chen, Eric Liang

机构 * Mount Holyoke College（马修斯学院） ； Groton School（格罗顿学校） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 本文提出一种半监督学习方法，利用污水RNA监控数据预测新冠流行病，解决时间特征可靠性问题。

Comments 22 pages, 13 figures. Submitted to SIURO