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

RetailAgent: Structured Adverse Timing in Self-Conditioned Multimodal LLM Trading Agents

RetailAgent：自条件多模态大语言模型交易智能体中的结构化不利时机

Yupeng Zhang, Liuyuan Jiang, Hongyi Huang, Bingheng Li, Lisha Chen

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Michigan State University（密歇根州立大学） ； University of Rochester（罗切斯特大学） 纠错

AI总结 该研究提出RetailAgent框架，发现LLM交易智能体的决策存在跨维度的持续不利时机，动作与后续收益的一致性是该效应的关键驱动因素，同时自生成记忆会增强策略持续性。

Quanta Perception as Probabilistic Events

作为概率事件的量子感知

Varun Sundar, Pavan Thodima, Sacha Jungerman, Mohit Gupta

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出概率事件计算原语，通过递归贝叶斯推理将单个光子检测转化为低延迟信号，实现极端环境下的量子感知，其输出速度远超现有基线，连接了量子传感与机器人视觉。

Comments For project webpage, see this https URL (https://wisionlab.com/project/probabilistic-events/)

Surgical Alignment in Knowledge Graph Training for Clinical Diagnosis with Large Language Models

面向临床诊断的大语言模型训练中知识图谱的外科式对齐

Saksham Khatwani, He Cheng, Majid Afshar, Dmitriy Dligach, Yanjun Gao

机构 * University of Colorado Anschutz Medical Campus（科罗拉多大学安舒茨医学校区） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； Loyola University（洛约拉大学） 纠错

AI总结 该研究针对临床诊断的LLM训练，通过多维度系统研究引入GID和GD，发现KL正则化下KG判断训练的稀疏更新（外科式对齐）可提升推理质量，需结合优化几何诊断评估KG-LLM整合。

Comments This work has been accepted to EMNLP 2026 Findings

Bayesian Experimental Design for Model Discrepancy Calibration: A Rivalry between Kullback--Leibler Divergence and Wasserstein Distance

贝叶斯实验设计用于模型偏差校准：KL散度与瓦瑟斯坦距离的较量

Huchen Yang, Xinghao Dong, Jin-Long Wu

机构 * Department of Mechanical Engineering, University of Wisconsin–Madison, Madison, WI 53706（机械工程系，威斯康星大学麦迪逊分校，麦迪逊，WI 53706） 纠错

AI总结 本文比较了KL散度与瓦瑟斯坦距离在贝叶斯实验设计中的应用，发现KL散度在无模型偏差时收敛更快，而瓦瑟斯坦距离在存在模型偏差时更稳健。

Differentiable Dynamics and Fast Simulation of Continuous Elastic Robotic Fish

可微动力学与连续弹性机器鱼的快速仿真

Zhiheng Chen, Jiayi Jin, Wei Wang

机构 * Marine Robotics Lab, Department of Mechanical Engineering, College of Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校工程学院机械工程系水下机器人实验室） ； Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学Sibley机械与航空航天工程学院） 纠错

AI总结 本文针对现有机器鱼动力学模型的不足，提出基于哈密顿原理的可微全身动力学模型与快速仿真框架，经数值与实验验证，可用于机器鱼身体刚度分布的梯度优化设计。

Comments Under review at IEEE Robotics and Automation Letters (RA-L)

Talk in Pieces, See in Whole: Disentangled and Hierarchical Representation Learning in Language-based Object Detection

分段对话，整体感知：面向语言型目标检测的解耦分层表示学习

Sojung An, Kwanyong Park, Yong Jae Lee, Donghyun Kim

机构 * Korea University（韩国大学） ； University of Seoul（首尔大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 针对视觉-语言模型难以处理复杂语言查询的问题，提出TaSe框架，构建分层合成字幕数据集与三组件解耦模块，在OmniLabel基准上实现24%的性能提升。

Comments Accepted by EMNLP 2026