California Institute of Technology（加州理工学院）

HGQ-LUT: Fast LUT-Aware Training and Efficient Architectures for DNN Inference

HGQ-LUT：用于DNN推理的快速LUT感知训练和高效架构

Chang Sun, Zhiqiang Que, Bakhtiar Zadeh, Qibin Liu, Kevin H. Alvarez, Wayne Luk, Maria Spiropulu

机构 * California Institute of Technology, Pasadena, CA, USA（加州理工学院） ； University of Bristol, UK（布里斯托大学） ； Imperial College London, UK（伦敦帝国理工学院） ； SLAC National Accelerator Laboratory, Menlo Park, CA, USA（SLAC国家加速器实验室） 纠错

AI总结 HGQ-LUT通过引入LUT-Dense和LUT-Conv层及精细化量化，实现高效硬件效率和加速训练，支持混合架构的一体化设计与验证。

How Large Language Models Balance Internal Knowledge with User and Document Assertions

大型语言模型如何在内部知识与用户和文档断言之间取得平衡

Shuowei Li, Haoxin Li, Wenda Chu, Yi Fang

机构 * Santa Clara University（圣克拉拉大学） ； Nanyang Technological University（南洋理工大学） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本文研究了大型语言模型在处理内部知识与外部信息时的平衡问题，提出三源交互框架，评估27个模型，发现模型更依赖文档断言，且通过微调可提升其区分能力。

Comments Findings of ACL 2026

H-Sets: Hessian-Guided Discovery of Set-Level Feature Interactions in Image Classifiers

H-Sets: 基于Hessian的图像分类器中集合级特征交互发现

Ayushi Mehrotra, Dipkamal Bhusal, Michael Clifford, Nidhi Rastogi

机构 * California Institute of Technology（加州理工学院） ； Rochester Institute of Technology（罗切斯特理工学院） ； Toyota InfoTech Labs（丰田信息科技实验室） 纠错

AI总结 本文提出H-Sets框架，通过Hessian检测局部交互对并递归合并为语义连贯的集合，结合IDG-Vis进行集合级特征交互归因，生成更可解释且忠实的显著性图。

Comments CVPR 2026

da4ml: Distributed Arithmetic for Real-time Neural Networks on FPGAs

da4ml：FPGA上的实时神经网络分布式算术

Chang Sun, Zhiqiang Que, Vladimir Loncar, Wayne Luk, Maria Spiropulu

机构 * California Institute of Technology（加利福尼亚技术研究所） ； Imperial College London（伦敦帝国理工学院） ； CERN（欧洲核子研究中心） ； Institute of Physics Belgrade（贝尔格莱德物理研究所） 纠错

AI总结 本文提出一种高效算法，用于在FPGA上实现常数矩阵向量乘法，同时优化面积和延迟，减少芯片资源并降低延迟，使之前不可行的网络得以实现。

Journal ref ACM Trans. Reconfig. Technol. Syst., Vol. 19, No. 1, Article 13. (March 2026)