University of Washington（华盛顿大学）

Cost-TrustFL: Cost-Aware Hierarchical Federated Learning with Lightweight Reputation Evaluation across Multi-Cloud

跨多云环境的成本感知联邦学习：轻量级声誉评估的分层联邦学习

Jixiao Yang, Jinyu Chen, Zixiao Huang, Chengda Xu, Chi Zhang, Sijia Li

机构 * Westcliff University（韦斯特克莱夫大学） ； University of Virginia（弗吉尼亚大学） ； University of Washington（华盛顿大学） ； Northeastern University（东北大学） ； University of Michigan（密歇根大学） 纠错

AI总结 Cost-TrustFL通过轻量级声誉评估和成本感知聚合策略，在多云环境中实现模型性能与通信成本的联合优化，有效防御中毒攻击。

milliMamba: Specular-Aware Human Pose Estimation via Dual mmWave Radar with Multi-Frame Mamba Fusion

milliMamba：基于双频毫米波雷达的镜面感知人体姿态估计方法

Niraj Prakash Kini, Shiau-Rung Tsai, Guan-Hsun Lin, Wen-Hsiao Peng, Ching-Wen Ma, Jenq-Neng Hwang

机构 * National Yang Ming Chiao Tung University ； University of Washington 纠错

AI总结 milliMamba通过双频毫米波雷达和多帧Mamba融合，实现镜面感知的人体姿态估计，提升鲁棒性和精度。

Comments Accepted at WACV 2026

Improving Medium Range Severe Weather Prediction through Transformer Post-processing of AI Weather Forecasts

通过AI天气预报的Transformer后处理改进中等范围严重天气预测

Zhanxiang Hua, Ryan Sobash, David John Gagne, Yingkai Sha, Alexandra Anderson-Frey

机构 * Department of Atmospheric and Climate Science University of Washington（大气科学与气候系华盛顿大学） ； US NSF National Center for Atmospheric Research（美国NSF大气研究中心） 纠错

AI总结 本研究利用Transformer后处理提升AI天气预报的中等范围严重天气预测能力，通过改进模型结构和训练方法，提高预测准确性和可靠性。

Comments revision update

Journal ref Artificial Intelligence for the Earth Systems 5.1 (2026): 250045

Algorithmic Aspects of the Log-Laplace Transform and a Non-Euclidean Proximal Sampler

Log-Laplace变换的算法方面及非欧几里得近端采样器

Sivakanth Gopi, Yin Tat Lee, Daogao Liu, Ruoqi Shen, Kevin Tian

机构 * Microsoft Research（微软研究院） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出了一种非欧几里得近端采样器，利用log-Laplace变换实现正则化，改进了差分隐私凸优化在ℓp和Schatten-p范数中的复杂度，同时保持最优风险界。

Comments Fixed error in previous version, main result weakened by a quadratic factor (see discussion in Section 1.4)