University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

Investigating a Model-Agnostic and Imputation-Free Approach for Irregularly-Sampled Multivariate Time-Series Modeling

探究一种模型无关且无需插值的不规则采样多变量时间序列建模方法

Abhilash Neog, Arka Daw, Sepideh Fatemi Khorasgani, Medha Sawhney, Aanish Pradhan, Mary E. Lofton, Bennett J. McAfee, Adrienne Breef-Pilz, Heather L. Wander, Dexter W Howard, Cayelan C. Carey, Paul Hanson, Anuj Karpatne

机构 * Virginia Tech（弗吉尼亚理工大学） ； Oak Ridge National Lab（橡树岭国家实验室） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出一种无需插值的模型无关方法MissTSM，用于不规则采样多变量时间序列建模，在高缺失率和无周期结构条件下表现优异。

Comments Accepted at TMLR

Journal ref Transactions on Machine Learning Research (2026)

VideoWeave: A Data-Centric Approach for Efficient Video Understanding

VideoWeave：一种以数据为中心的高效视频理解方法

Zane Durante, Silky Singh, Arpandeep Khatua, Shobhit Agarwal, Reuben Tan, Yong Jae Lee, Jianfeng Gao, Ehsan Adeli, Li Fei-Fei

机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 VideoWeave通过重新组织训练数据提升视频语言模型的数据效率，无需修改模型架构，实现更高准确率。

A Unified Understanding and Evaluation of Steering Methods

对引导方法的统一理解和评估

Shawn Im, Sharon Li

机构 * Department of Computer Sciences University of Wisconsin-Madison（计算机科学系 威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出统一框架，分析评估引导方法，揭示其有效性并展示方法优势，为LLM中的设计优化提供指导