University of Pennsylvania（宾夕法尼亚大学）

Graph Persistence goes Spectral

图持久性进入谱域

Mattie Ji, Amauri H. Souza, Vikas Garg

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Federal Institute of Ceará（巴西塞阿腊联邦理工学院） ； Aalto University（艾尔沃斯大学） 纠错

AI总结 本文提出SpectRe，一种结合谱信息的图拓扑描述符，以提升图神经网络的表达能力。

Comments 32 pages, 4 figures, 7 tables. Accepted at NeurIPS 2025. Final version, clarified minor bug

Piece of CAKE: Adaptive Execution Engines via Microsecond-Scale Learning

切蛋糕：通过微秒级学习实现自适应执行引擎

Zijie Zhao, Ryan Marcus

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 CAKE通过微秒级学习实现自适应执行引擎，利用反事实反馈降低延迟，提升数据库性能

iSight: Towards expert-AI co-assessment for improved immunohistochemistry staining interpretation

iSight：迈向专家-人工智能协同评估以提高免疫组化染色解释

Jacob S. Leiby, Jialu Yao, Pan Lu, George Hu, Anna Davidian, Shunsuke Koga, Olivia Leung, Pravin Patel, Isabella Tondi Resta, Rebecca Rojansky, Derek Sung, Eric Yang, Paul J. Zhang, Emma Lundberg, Dokyoon Kim, Serena Yeung-Levy, James Zou, Thomas Montine, Jeffrey Nirschl, Zhi Huang

机构 * Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania（病理与实验室医学系，佩尔曼医学院，宾夕法尼亚大学） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Department of Biomedical Data Science, Stanford University School of Medicine（生物医学数据科学系，斯坦福大学医学院） ； Department of Pathology, University of Maryland School of Medicine（病理学系，马里兰大学医学院） ； Department of Pathology, Stanford University School of Medicine（病理学系，斯坦福大学医学院） 纠错

AI总结 iSight通过多任务学习框架提升IHC染色评估的准确性，优于基础模型并改善专家一致性。

ConvexBench: Can LLMs Recognize Convex Functions?

ConvexBench: LLMs能否识别凸函数？

Yepeng Liu, Yu Huang, Yu-Xiang Wang, Yingbin Liang, Yuheng Bu

机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； University of Pennsylvania（宾夕法尼亚大学） ； UC San Diego（加州大学圣地亚哥分校） ； The Ohio State University（俄亥俄州立大学） 纠错

AI总结 ConvexBench通过分治框架解决LLM在深度函数组合中识别凸性的挑战，显著提升大深度下的性能。

Singleton-Optimized Conformal Prediction

单例优化的置信预测

Tao Wang, Yan Sun, Edgar Dobriban

机构 * University of Pennsylvania（宾夕法尼亚大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

AI总结 本文提出单例优化置信预测方法，通过优化非一致性评分提升预测集的单例率，减少预测集大小对实际成本的影响。