University of Southern California（南加州大学）

A Green Learning Approach to LDCT Image Restoration

一种绿色学习用于低剂量计算机断层扫描图像恢复

Wei Wang, Yixing Wu, C. -C. Jay Kuo

机构 * University of Southern California, Los Angeles, California, USA（南加州大学） 纠错

AI总结 本文提出一种基于绿色学习的LDCT图像恢复方法，具有高效性和高性能，实现了更小模型和更低复杂度的先进恢复效果。

Comments Published in IEEE International Conference on Image Processing (ICIP), 2025, pp. 1762-1767. Final version available at IEEE Xplore

Journal ref Proceedings of the IEEE International Conference on Image Processing (ICIP), 2025, pp. 1762-1767

Less is More: Convergence Benefits of Fewer Data Weight Updates over Longer Horizon

少即是多：更少数据权重更新在更长地平线上的收敛优势

Rudrajit Das, Neel Patel, Meisam Razaviyayn, Vahab Mirrokni

机构 * Google Research（谷歌研究） ； EPFL（瑞士联邦理工学院） ； University of Southern California（南加州大学） 纠错

AI总结 本文研究了数据混合中有限内更新步骤数对收敛的影响，证明了贪心方法在简单二次示例中可能失效，并推导了最优步骤数与参数更新预算的关系。

HEART: Emotionally-Driven Test-Time Scaling of Language Models

HEART: 语言模型在测试时的情感驱动扩展

Gabriela Pinto, Palash Goyal, Mihir Parmar, Yiwen Song, Souradip Chakraborty, Zifeng Wang, Jinsung Yoon, Tomas Pfister, Hamid Palangi

机构 * Google（谷歌） ； University of Southern California（南加州大学） 纠错

AI总结 HEART通过情感驱动的测试时扩展方法，提升语言模型在复杂任务中的推理能力与准确性。

DP-RFT: Learning to Generate Synthetic Text via Differentially Private Reinforcement Fine-Tuning

DP-RFT: 通过差分隐私强化微调学习生成合成文本

Fangyuan Xu, Sihao Chen, Zinan Lin, Taiwei Shi, Sydney Graham, Pei Zhou, Mengting Wan, Alex Stein, Virginia Estellers, Charles Chen, Morris Sharp, Richard Speyer, Tadas Baltrusaitis, Jennifer Neville, Eunsol Choi, Longqi Yang

机构 * New York University（纽约大学） ； Microsoft（微软） ； University of Southern California（南加州大学） 纠错

AI总结 DP-RFT通过差分隐私强化微调方法，在不直接接触隐私数据的情况下生成高质量合成文本。

Physiologically Informed Deep Learning: A Multi-Scale Framework for Next-Generation PBPK Modeling

具有生理信息的深度学习：下一代PBPK建模的多尺度框架

Shunqi Liu, Han Qiu, Tong Wang

机构 * University of Southern California（美国南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Connecticut（康涅狄格大学） 纠错

AI总结 本文提出了一种多尺度的生理信息深度学习框架，结合变换器、扩散模型和神经相似性，用于提高下一代PBPK建模的效率和准确性。

Action-Graph Policies: Learning Action Co-dependencies in Multi-Agent Reinforcement Learning

动作-图策略：在多智能体强化学习中学习动作互相关系

Nikunj Gupta, James Zachary Hare, Jesse Milzman, Rajgopal Kannan, Viktor Prasanna

机构 * University of Southern California, Los Angeles, CA, USA（美国南加州大学） ； DEVCOM Army Research Laboratory, Adelphi, MD, USA（美国陆军研究实验室） ； DEVCOM ARL Army Research Office, Los Angeles, CA, USA（美国陆军研究办公室） 纠错

AI总结 本文提出动作图策略，通过建模智能体动作间的依赖关系，提升多智能体强化学习中协调动作的性能和效率。

Agent Banana: High-Fidelity Image Editing with Agentic Thinking and Tooling

Agent Banana: 基于代理思维与工具的高质量图像编辑

Ruijie Ye, Jiayi Zhang, Zhuoxin Liu, Zihao Zhu, Siyuan Yang, Li Li, Tianfu Fu, Franck Dernoncourt, Yue Zhao, Jiacheng Zhu, Ryan Rossi, Wenhao Chai, Zhengzhong Tu

机构 * TAMU（德克萨斯大学） ； Brown University（布朗大学） ； UW-Madison（威斯康星大学麦迪逊分校） ； UCSD（加州大学圣地亚哥分校） ； USC（南加州大学） ； xAI（xAI公司） ； Adobe Research（Adobe研究院） ； Meta AI ； Princeton University（普林斯顿大学） 纠错

AI总结 Agent Banana通过分层代理规划-执行框架实现高质量图像编辑，解决多轮次编辑一致性与背景忠实度问题，同时保持指令遵循能力。

Comments Project Website: agent-banana.github.io

Human-in-the-Loop Multi-Robot Information Gathering with Inverse Submodular Maximization

人机协同多机器人信息采集中的逆子模最大化

Guangyao Shi, Shipeng Liu, Ellen Novoseller, Feifei Qian, Gaurav S. Sukhatme

机构 * Department of Computer Science, University of Southern California（计算机科学系，南加州大学） ； Department of Electrical and Computer Engineering, University of Southern California（电气与计算机工程系，南加州大学） ； U.S. Army DEVCOM Army Research Laboratory（美国陆军 DEVCOM 军事研究实验室） 纠错

AI总结 本文提出了一种逆子模最大化方法，用于多机器人系统中人类监督者动态调整参数以实现信息采集优化。