University of Texas at Austin（得克萨斯大学奥斯汀分校）

Simultaneous Blackwell Approachability and Applications to Multiclass Omniprediction

同时实现Blackwell可接近性及其在多类全预测中的应用

Lunjia Hu, Kevin Tian, Chutong Yang

机构 * Northeastern University（东北大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种多类全预测算法，通过扩展二元算法，实现了样本复杂度为ε^{-(k+1)}的性能，同时解决了多集合同时接近的Blackwell可接近性问题。

Say It My Way: Exploring Control in Conversational Visual Question Answering with Blind Users

说我的方式：探索盲人用户在对话式视觉问答中的控制能力

Farnaz Zamiri Zeraati, Yang Trista Cao, Yuehan Qiao, Hal Daumé, Hernisa Kacorri

机构 * University of Maryland（马里兰大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文通过邀请盲人用户定制对话式VQA系统，探讨如何通过提示工程等技术克服系统局限性，并提供新的公开数据集和交互设计见解。

Comments Preprint, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems

Multi-Objective Alignment of Language Models for Personalized Psychotherapy

多目标对齐语言模型以实现个性化心理治疗

Mehrab Beikzadeh, Yasaman Asadollah Salmanpour, Ashima Suvarna, Sriram Sankararaman, Matteo Malgaroli, Majid Sarrafzadeh, Saadia Gabriel

机构 * Department of Computer Science, University of California, Los Angeles, CA, USA（计算机科学系，加州大学洛杉矶分校） ； Department of Psychology, The University of Texas at Austin, Austin, TX, USA（心理学系，德克萨斯大学奥斯汀分校） ； Department of Psychiatry, NYU Grossman School of Medicine, New York, NY, USA（精神病学系，纽约大学格罗斯曼医学院） 纠错

AI总结 本文提出多目标对齐框架，通过直接偏好优化提升语言模型在心理治疗中的共情与安全性能，实验显示其在平衡患者偏好与临床安全方面优于传统方法。

The Subjectivity of Respect in Police Traffic Stops: Modeling Community Perspectives in Body-Worn Camera Footage

警察拦车停靠中尊重的主观性：在体测摄像头录像中建模社区视角

Preni Golazizian, Elnaz Rahmati, Jackson Trager, Zhivar Sourati, Nona Ghazizadeh, Georgios Chochlakis, Jose Alcocer, Kerby Bennett, Aarya Vijay Devnani, Parsa Hejabi, Harry G. Muttram, Akshay Kiran Padte, Mehrshad Saadatinia, Chenhao Wu, Alireza S. Ziabari, Michael Sierra-Arévalo, Nick Weller, Shrikanth Narayanan, Benjamin A. T. Graham, Morteza Dehghani

机构 * Department of Computer Science, University of Southern California（计算机科学系，南加州大学） ； Department of Psychology, University of Southern California（心理学系，南加州大学） ； Department of Political Science, University of California Riverside（政治学系，加州河滨大学） ； Department of Anthropology, University of California Los Angeles（人类学系，加州大学洛杉矶分校） ； Department of Political Science and International Relations, University of Southern California（政治学与国际关系系，南加州大学） ； Harvard Law School, Harvard University（哈佛法学院，哈佛大学） ； Department of Sociology, The University of Texas at Austin（社会学系，德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种视角意识的建模框架，通过分析体测摄像头录像中的社区视角，提升对尊重评分的预测和理由生成能力，以促进公众信任和程序合法性。