University of Washington（华盛顿大学）

Magneton: Optimizing Energy Efficiency of ML Systems via Differential Energy Debugging

Magneton: 通过微分能量调试优化机器学习系统的能效

Yi Pan, Wenbo Qian, Dedong Xie, Ruiyan Hu, Yigong Hu, Baris Kasikci

机构 * University of Washington（华盛顿大学） ； Boston University（波士顿大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 Magneton 通过微分能量调试技术，识别并诊断 ML 系统中的能耗低效问题，发现多个已知和未知的能耗浪费案例。

Comments 12 pages, 10 fi

Incremental Generalized Hybrid A*

增量通用混合A*

Sidharth Talia, Oren Salzman, Siddhartha Srinivasa

机构 * University of Washington（华盛顿大学） ； Technion-Israel Institute of Technology（技术ion-以色列理工学院） 纠错

AI总结 Incremental Generalized Hybrid A*通过动态组织顶点扩展，提高了复杂动态下的实时规划效率。

Comments 8 pages, 7 figures, Accepted to IEEE RA-L, Nov 2025

Large Language Models and Their Applications in Roadway Safety and Mobility Enhancement: A Comprehensive Review

大语言模型及其在道路安全与出行提升中的应用：全面综述

Muhammad Monjurul Karim, Yan Shi, Shucheng Zhang, Bingzhang Wang, Mehrdad Nasri, Yinhai Wang

机构 * Department of Civil and Environmental Engineering, University of Washington（土木与环境工程系，华盛顿大学） 纠错

AI总结 本文综述了大语言模型在道路安全与出行提升中的应用，探讨其在交通领域的适应策略及面临的挑战。

Journal ref Artificial Intelligence for Transportation, 1, 100004, 2025

OMNIGUARD: An Efficient Approach for AI Safety Moderation Across Languages and Modalities

OMNIGUARD：一种跨语言和模态的高效AI安全审查方法

Sahil Verma, Keegan Hines, Jeff Bilmes, Charlotte Siska, Luke Zettlemoyer, Hila Gonen, Chandan Singh

机构 * University of Washington（华盛顿大学） ； Microsoft（微软公司） 纠错

AI总结 Omniguard提出了一种跨语言和模态的高效方法，通过构建语言或模态无关的分类器提升有害提示检测的准确率，并在多语言、图像和音频提示任务中取得显著效果。

Towards Characterizing Knowledge Distillation of PPG Heart Rate Estimation Models

面向PPG心率估计模型知识蒸馏的特性分析

Kanav Arora, Girish Narayanswamy, Shwetak Patel, Richard Li

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

AI总结 本文研究了PPG心率估计模型的知识蒸馏特性，评估了四种蒸馏策略，揭示了模型大小与性能的缩放规律，为边缘设备部署提供了理论支持。

Comments 5 pages, 3 figures, 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Learning from Time Series for Health