作者: Xiaomeng Ma, Qihui Xu
研究方向: 大语言模型（LLM）的隐式学习机制研究
该研究通过改编经典的人工语言学习实验，评估了两种先进的OpenAI模型（gpt-4o 和 o3-mini）在推断层面的隐式学习能力。研究重点关注形态学、形态句法和句法三个领域，并探讨了模型在各个领域中的学习能力和与人类行为的一致性。
作者: Matej Jusup, Kenan Zhang, Zhiyuan Hu, Barna Pásztor, Andreas Krause, Francesco Corman
研究方向: 出行共享车辆调度与均衡
该研究针对出行共享平台（如Uber、Lyft和滴滴出行）中车辆调度与均衡问题，提出了一种基于约束均值场控制（MFC）和强化学习（MFRL）的解决方案，旨在平衡运营效率和公平的服务访问。
作者: Yingrui Ji, Xi Xiao, Gaofei Chen, Hao Xu, Chenrui Ma, Lijing Zhu, Aokun Liang, Jiansheng Chen
研究方向: 跨模态信息瓶颈理论与对比学习
本文从信息瓶颈理论的角度重新审视了CLIP模型，提出了跨模态信息瓶颈（CIB）框架，并基于此提出了CIBR正则化策略，旨在提高CLIP模型的跨模态泛化能力。
作者: Anas Shrinah, Kerstin Eder
研究方向: 无人机测试与仿真
该研究提出了一种名为PRGenUAV-LFS的测试生成工具，用于无人机（UAV）的仿真测试。该工具利用低保真度模拟器（LFS）来估计UAV的飞行路径，从而优化仿真资源，减少计算成本。
作者: Fabian Fuchs, Mario Ruben Fernandez, Norman Ettrich, Janis Keuper
研究方向: 地震数据处理与基础模型应用
该研究调查了基础模型在地震数据处理中的应用，特别是针对去多次覆盖、插值和去噪等任务。研究评估了不同模型特性（如预训练技术和神经网络架构）对性能和效率的影响，并对比了各种自然图像基础模型，为未来探索提出了一些有希望的候选模型。
作者: Peiying Hua, Andrea Olofson, Faraz Farhadi, Liesbeth Hondelink, Gregory Tsongalis, Konstantin Dragnev, Dagmar Hoegemann Savellano, Arief Suriawinata, Laura Tafe, Saeed Hassanpour
研究方向: 癌症治疗与预测，机器学习与人工智能在医学领域的应用
本研究旨在开发一种多模态机器学习模型，用于预测非小细胞肺癌（NSCLC）患者对靶向治疗的耐药性。该模型结合了病理学图像、基因组学数据和临床变量，以提高预测的准确性和对患者风险分层的能力。
作者: Angela Lopez-Cardona, Parvin Emami, Sebastian Idesis, Saravanakumar Duraisamy, Luis A. Leiva, Ioannis Arapakis
研究方向: 图可视化与眼动追踪
本文比较了三种基于图可视化的眼动追踪模型（UMSS、DeepGaze++、Gazeformer），通过实验分析了不同模型在图可视化任务中的性能。
作者: Kailas Vodrahalli, Wei Wei, James Zou
研究方向: 人工智能与人类偏好研究
该研究旨在通过分析人类在二值评分数据中表达的偏好，发现人类偏好的共同特征，并构建一个能代表人类偏好的典型基础集。研究重点关注从大量数据中提取具有代表性的偏好类别，以及如何将这些偏好应用于模型评估和训练。
作者: Wazeer Zulfikar, Treyden Chiaravalloti, Jocelyn Shen, Rosalind Picard, Pattie Maes
研究方向: 心理健康与人工智能
Resonance是一个基于人工智能的日记工具，旨在通过利用用户的过去记忆来生成针对未来活动的建议，以增强用户对未来积极未来的想象能力。
作者: Uxue Delaquintana-Aramendi, Leire Benito-del-Valle, Aitor Alvarez-Gila, Javier Pascau, Luisa F Sánchez-Peralta, Artzai Picón, J Blas Pagador, Cristina L Saratxaga
研究方向: 医学影像处理与计算机辅助诊断
该研究旨在评估基础模型在结肠镜检查中用于息肉检测和分割的有效性，并开发一种能够准确检测和分割息肉的管道。