University of Pennsylvania（宾夕法尼亚大学）

How Proper Scoring Rules Shape LLM Forecasting

恰当评分规则如何塑造大语言模型（LLM）的预测

Benjamin Turtel, Paul Wilczewski, Kris Skotheim, Ville A. Satopää, Philip E. Tetlock

机构 * Lightning Rod Labs（闪电杆实验室） ； INSEAD（欧洲工商管理学院） ； School of Arts & Sciences, University of Pennsylvania（宾夕法尼亚大学文理学院） 纠错

AI总结 本文研究了5种恰当评分规则作为训练目标对LLM预测的影响，发现不同规则训练的模型在校准、概率使用等方面有差异，Brier训练模型表现最优。

CARA: Concept-Aware Risk Attention for Interpretable Collision Anticipation

CARA：用于可解释碰撞预测的概念感知风险注意力

Zhishan Tao, Ruoyu Wang, Yucheng Wu, Enjun Du, Yilei Yuan, Sherwin Ho, Yue Su, Jinbo Su, Yi Hong

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。

Comments Accepted to ACM Multimedia 2026

Object Reconstruction under Occlusion with Generative Priors and Contact-induced Constraints

在遮挡下利用生成先验和接触诱导约束进行物体重建

Minghan Zhu, Zhiyi Wang, Qihang Sun, Maani Ghaffari, Michael Posa

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出了一种结合生成先验和接触诱导约束的方法，用于在遮挡下提高物体重建的准确性。

Comments IROS 2026. Project page: this https URL (https://contactgen3d.github.io/)