University of Washington（华盛顿大学）

AI summaries in online search influence users' attitudes

AI搜索摘要影响用户态度

Yiwei Xu, Saloni Dash, Sungha Kang, Wang Liao, Emma S. Spiro

机构 * University of Washington, Information School（华盛顿大学信息学院） ； University of Maryland, College of Information（马里兰大学信息学院） ； University of Washington, Department of Communication（华盛顿大学传播系） 纠错

AI总结 AI生成的搜索摘要通过影响用户态度、行为意图和政策支持，显著改变了公众观点，凸显了AI信息生态系统的设计与监管的重要性。

UW-BioNLP at ChemoTimelines 2025: Thinking, Fine-Tuning, and Dictionary-Enhanced LLM Systems for Chemotherapy Timeline Extraction

UW-BioNLP在ChemoTimelines 2025中的表现：基于思考、微调和词典增强的LLM系统用于化疗时间线提取

Tianmai M. Zhang, Zhaoyi Sun, Sihang Zeng, Chenxi Li, Neil F. Abernethy, Barbara D. Lam, Fei Xia, Meliha Yetisgen

机构 * University of Washington（华盛顿大学） 纠错

AI总结 UW-BioNLP通过思考、微调和词典增强LLM方法，在ChemoTimelines 2025中实现了最佳性能，提升了化疗时间线提取的准确性。

Comments To be published in Proceedings of the 7th Clinical Natural Language Processing Workshop

Locality-Sensitive Hashing-Based Efficient Point Transformer for Charged Particle Reconstruction

基于局部敏感哈希的高效点变换器用于带电粒子重建

Shitij Govil, Jack P. Rodgers, Yuan-Tang Chou, Siqi Miao, Amit Saha, Advaith Anand, Kilian Lieret, Gage DeZoort, Mia Liu, Javier Duarte, Pan Li, Shih-Chieh Hsu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Purdue University（普渡大学） ； University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 HEPTv2通过轻量级解码器消除聚类步骤，实现高效端到端推理，提升带电粒子轨迹重建的性能和效率。

Comments Accepted to NeurIPS 2025 Machine Learning and the Physical Sciences Workshop

Solving Inverse Problems with Deep Linear Neural Networks: Global Convergence Guarantees for Gradient Descent with Weight Decay

用深度线性神经网络解决逆问题：梯度下降与权重衰减的全局收敛保证

Hannah Laus, Suzanna Parkinson, Vasileios Charisopoulos, Felix Krahmer, Rebecca Willett

机构 * Department of Mathematics, Technical University of Munich, Munich Center for Machine Learning (MCML), Munich, Germany（数学系，慕尼黑技术大学，慕尼黑机器学习中心（MCML），慕尼黑，德国） ； Committee on Computational and Applied Mathematics, University of Chicago, Chicago, IL（计算与应用数学委员会，芝加哥大学，芝加哥，伊利诺伊） ； Department of Electrical & Computer Engineering, University of Washington, Seattle, WA（电气与计算机工程系，华盛顿大学，西雅图，华盛顿） ； Departments of Statistics and Computer Science, University of Chicago, Chicago, IL（统计学与计算机科学系，芝加哥大学，芝加哥，伊利诺伊） 纠错

AI总结 本文研究了深度线性神经网络在逆问题中的应用，证明了梯度下降与权重衰减能够实现全局收敛并自动适应数据中的潜在子空间结构。