Beyond validation loss: Clinically-tailored optimization metrics improve a model's clinical performance
超越验证损失：临床定制优化指标提高模型的临床性能
机构 * University of Washington（华盛顿大学）
AI总结 本文提出通过临床定制指标优化模型，以提升其在医疗场景中的性能表现。
Comments 16 pages, 9 figures
高校专区
University of Washington（华盛顿大学）
Improving MoE Compute Efficiency by Composing Weight and Data Sparsity
通过组合权重和数据稀疏性提高MoE计算效率
机构 * University of Washington（华盛顿大学）
AI总结 通过结合权重和数据稀疏性，提高MoE计算效率，减少训练-推理不匹配，提升模型性能。
Elsewise: Authoring AI-Based Interactive Narrative with Possibility Space Visualization
Elsewise: 基于可能性空间可视化的AI交互叙事创作
机构 * University of Washington（华盛顿大学） ； University of Notre Dame（圣约翰大学）
AI总结 Elsewise通过引入捆绑叙事线概念，帮助作者更有效地理解和控制AI交互叙事中的叙事可能性空间，提升作者对玩家体验的预判能力。
Accessibility Scout: Personalized Accessibility Scans of Built Environments
Accessibility Scout: 个性化建筑环境可及性扫描
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Washington（华盛顿大学）
AI总结 Accessibility Scout利用大型语言模型实现个性化建筑环境可及性扫描，通过协同人机评估，根据用户需求定制可及性评估，提升无障碍评估的适应性和扩展性。
Comments 18 pages, 16 figures. Presented at ACM UIST 2025
How malicious AI swarms can threaten democracy: The fusion of agentic AI and LLMs marks a new frontier in information warfare
恶意AI群如何威胁民主：代理AI与大语言模型的融合标志着信息战争的新前沿
机构 * Department of Sustainable Communication Technologies, SINTEF Digital（可持续通信技术系，SINTEF数字） ； Max Planck Institute for Security and Privacy（安全与隐私研究所） ； Department of Mathematics, City St George’s University of London（数学系，圣乔治大学） ； Macrostrategy Research Initiative（战略研究计划） ； Human Nature Lab, Yale University（人性实验室，耶鲁大学） ； Department of Politics and Public Administration, University of Konstanz（政治与公共管理系，康斯坦茨大学） ； Harvard Business School, Harvard University（哈佛商学院，哈佛大学） ； Department of Psychology, University of Cambridge（心理学系，剑桥大学） ； Department of Computer Science, University of British Columbia（计算机科学系，不列颠哥伦比亚大学） ； Department of Human Centered Design & Engineering, University of Washington（以人为本设计与工程系，华盛顿大学） ； Department of Psychology, New York University（心理学系，纽约大学） ； Observatory on Social Media and Luddy School of Informatics, Computing, and Engineering, Indiana University（社交媒体观察所和信息、计算与工程学院，印第安纳大学）
AI总结 本文探讨了恶意AI群通过融合代理AI与大语言模型对民主构成的威胁，并提出多方面的干预措施。
Comments 5 Pages, This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution. The definitive version was published in Science on January 22, 2026, DOI: 10.1126/science.adz1697
NLP for Social Good: A Survey and Outlook of Challenges, Opportunities, and Responsible Deployment
为社会公益服务的NLP：挑战、机遇与负责任部署的综述与展望
机构 * University of Copenhagen（哥本哈根大学） ； University of Michigan-Ann Arbor（密歇根大学安娜堡分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of North Texas（北卡罗来纳州立大学） ； Sony Computer Science Laboratories - Paris（索尼计算机科学实验室-巴黎） ； Santa Clara University（圣克拉拉大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Dataminr（DataMinr公司） ； United Nations Development Programme (UNDP)（联合国开发计划署） ； University of Maryland, College Park（马里兰大学学院市分校） ； Max Planck Institute for Intelligent Systems, Tübingen（智能系统马克斯·普朗克研究所，图宾根） ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； IIT Kharagpur（印度理工学院Kharagpur分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Princeton University（普林斯顿大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Alicante（阿利坎特大学） ； University of Michigan-Flint（密歇根大学弗林特分校） ； University of Southern California（南加州大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 本文综述了NLP在社会公益领域的应用现状，指出包容性和AI危害是研究热点，同时呼吁跨学科合作以促进公众福祉。
Comments Accepted to EACL 2026
