University of Washington（华盛顿大学）

Robust Neural Stimulation Response Modeling Through Meta-Learning and Pretraining

基于元学习与预训练的鲁棒神经刺激响应建模

Matthew J Bryan, Daniel C Muir, Felix Schwock, Azadeh Yazdan-Shahmorad, Rajesh P N Rao

机构 * University of Washington（华盛顿大学） ； Paul G. Allen School of Computer Science & Engineering（保罗·G·艾伦计算机科学与工程学院） ； Center for Neurotechnology（神经技术中心） ； Computational Neuroscience Center（计算神经科学中心） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Bioengineering（生物工程系） 纠错

AI总结 该研究首次将元学习与预训练应用于神经刺激响应建模，通过改进时间基函数模型，大幅降低预测失效，减少校准需求，为闭环神经刺激的临床部署提供了可行方案。

Comments Open source code available: this http URL (http://github.com/mmattb/py-tbfm/tree/multisession). 15 pages, 10 figures

Rethinking the Evaluation of Harness Evolution for Agents

重新思考智能体的 harness 进化评估

Yike Wang, Huaisheng Zhu, Zhengyu Hu, Yige Yuan, Zhengyu Chen, Shakti Senthil, Hannaneh Hajishirzi, Yulia Tsvetkov, Pradeep Dasigi, Teng Xiao

机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学） 纠错

AI总结 研究重新审视大语言模型智能体的自动 harness 进化评估，通过在可比条件下与基线比较及在保留任务上测试，发现其不总优于简单方法且泛化有限，对其有效性提出质疑，强调需更公平评估协议和基准。

How LLMs Distort Our Written Language

大语言模型如何扭曲我们的书面语言

Marwa Abdulhai, Isadora White, Yanming Wan, Ibrahim Qureshi, Joel Z. Leibo, Max Kleiman-Weiner, Natasha Jaques

机构 * UC Berkeley（加州大学伯克利分校） ； UC San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； Zaytuna College（扎亚图纳学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 研究揭示大语言模型不仅改变写作语气，还持续改变写作本意，通过用户研究和数据集分析发现，即使在专家反馈下，LLM仍会显著改变文本语义，影响科学机构和文化。