University of Pennsylvania（宾夕法尼亚大学）

MARVO: Marine-Adaptive Radiance-aware Visual Odometry

MARVO: 适应海洋环境的辐射感知视觉里程计

Sacchin Sundar, Atman Kikani, Aaliya Alam, Sumukh Shrote, A. Nayeemulla Khan, A. Shahina

机构 * University of Michigan Ann Arbor, USA（密歇根大学安阿伯分校） ； Vellore Institute of Technology（韦洛雷理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Sri Sivasubramaniya Nadar College of Engineering（Sri Sivasubramaniya工程学院） 纠错

AI总结 MARVO通过融合物理建模、可微匹配和强化学习优化，实现水下环境下的实时视觉里程计，提升在混浊水体中的定位精度。

Comments 10 pages, 5 figures, 3 tables, Submitted to CVPR2026

Pre-Training Estimators for Structural Models: Application to Consumer Search

结构模型的预训练估计器：应用于消费者搜索

Yanhao 'Max' Wei, Zhenling Jiang

机构 * Marshall School of Business, University of Southern California（美国南加州大学马歇尔商学院） ； The Wharton School, University of Pennsylvania（美国宾夕法尼亚大学沃顿商学院） 纠错

AI总结 本文提出了一种预训练估计器，用于结构模型中的消费者搜索问题，通过神经网络实现快速且高精度的参数估计。

Comments Originally posted on SSRN on June 7, 2024

Toward Equitable Access: Leveraging Crowdsourced Reviews to Investigate Public Perceptions of Health Resource Accessibility

迈向公平获取：利用众包评论研究公众对健康资源可及性的感知

Zhaoqian Xue, Guanhong Liu, Chong Zhang, Kai Wei, Qingcheng Zeng, Songhua Hu, Wenyue Hua, Lizhou Fan, Yongfeng Zhang, Lingyao Li

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） ； University of Liverpool（利物浦大学） ； University of Michigan（密歇根大学） ； Northwestern University（西北大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Harvard Medical School（哈佛医学院） ； Rutgers University（新泽西州立大学罗格斯大学） ； University of South Florida（佛罗里达州立大学） 纠错

AI总结 本研究利用众包评论和NLP技术，分析公众对健康资源可及性的时空感知，揭示疫情对健康资源可及性的影响及社会经济因素的作用。

Journal ref The 6th International Conference on Social Computing (ICSC 2025)

Breaking Algorithmic Collusion in Human-AI Ecosystems

打破人类-人工智能生态系统中的算法合谋

Natalie Collina, Eshwar Ram Arunachaleswaran, Meena Jagadeesan

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文研究了人类-人工智能生态系统中算法合谋的稳定性，发现单个或多个人类的背叛行为能破坏合谋并降低价格，揭示了合谋在混合生态系统中的脆弱性。

Composition and Alignment of Diffusion Models using Constrained Learning

扩散模型的组成与对齐：基于约束学习

Shervin Khalafi, Ignacio Hounie, Dongsheng Ding, Alejandro Ribeiro

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Tennessee, Knoxville（田纳西大学，基洛那分校） 纠错

AI总结 本文提出了一种基于约束学习的框架，通过统一对齐和组成扩散模型，以提高生成样本的质量和符合用户需求的能力。

Comments 48 pages, 6 figures, 15 tables; Accepted to NeurIPS 2025