Context-Aware Concept Distillation：基于上下文感知的可解释洪涝预测框架（arXiv:2607.23237，2026-07-25提交，预印本）
Levinkopf E、Morin E 与 Goldman CV 在 arXiv 提交预印本"Context-Aware Concept Distillation for Trustworthy Flood Prediction"（arXiv:2607.23237 [cs.LG]，2026-07-25提交）。研究面向公共安全高风险场景下深度学习"黑箱"阻碍信任与问责的难题，提出 Context-Aware Concept Distillation（CACD）框架，将 LSTM 蒸馏为可解释的水文学感知代理模型：通过无监督流程发现"水文学语言"，并用残差超网络（Residual Hypernetwork）根据静态流域特征动态调节这些概念。在全球 5,203 个流域上，模型中位 NSE 0.70，显著优于多层感知机等黑箱基线在未见过未来数据上的表现。