Georgia Institute of Technology（佐治亚理工学院）

FlashAttention-4: Algorithm and Kernel Pipelining Co-Design for Asymmetric Hardware Scaling

FlashAttention-4：异构硬件扩展下的算法与内核流水线协同设计

Ted Zadouri, Markus Hoehnerbach, Jay Shah, Timmy Liu, Vijay Thakkar, Tri Dao

机构 * Princeton University（普林斯顿大学） ； Meta ； Colfax Research（Colfax研究公司） ； NVIDIA（NVIDIA公司） ； Georgia Tech（佐治亚理工学院） ； Together AI 纠错

AI总结 FlashAttention-4通过异构硬件扩展下的算法与内核流水线协同设计，提升B200 GPU上的注意力计算效率。

Deep FlexQP: Accelerated Nonlinear Programming via Deep Unfolding

Deep FlexQP：通过深度展开实现非线性规划的加速

Alex Oshin, Rahul Vodeb Ghosh, Augustinos D. Saravanos, Evangelos A. Theodorou

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 Deep FlexQP通过深度展开学习反馈策略，实现加速的非线性规划求解，优于现有方法并在多个基准测试中表现优异。

Comments Accepted to ICLR 2026

Ask, Reason, Assist: Robot Collaboration via Natural Language and Temporal Logic

提问、推理、协助：通过自然语言和时序逻辑实现机器人协作

Dan BW Choe, Sundhar Vinodh Sangeetha, Steven Emanuel, Chih-Yuan Chiu, Samuel Coogan, Shreyas Kousik

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出了一种基于自然语言和时序逻辑的机器人协作协议，通过LLM实现冲突检测与帮助请求，利用MILP优化选择最优助人，有效提升协作效率。

Comments arXiv admin note: substantial text overlap with arXiv:2505.13376

$\nabla$-Reasoner: LLM Reasoning via Test-Time Gradient Descent in Latent Space

∇-Reasoner: 通过潜在空间中的测试时间梯度下降进行LLM推理

Peihao Wang, Ruisi Cai, Zhen Wang, Hongyuan Mei, Qiang Liu, Pan Li, Zhangyang Wang

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UC San Diego（圣地亚哥大学） ； TTIC ； Georgia Tech（佐治亚理工学院） 纠错

AI总结 ∇-Reasoner通过潜在空间中的测试时间梯度下降提升LLM推理能力，实现20%以上的准确率提升并减少模型调用次数。

Comments ICLR 2026

Evaluating GPT-5 as a Multimodal Clinical Reasoner: A Landscape Commentary

评估GPT-5作为多模态临床推理者的有效性：领域评论

Alexandru Florea, Shansong Wang, Mingzhe Hu, Qiang Li, Zach Eidex, Luke del Balzo, Mojtaba Safari, Xiaofeng Yang

机构 * Department of Radiation Oncology, Winship Cancer Institute, Emory University School of Medicine（放射肿瘤科，Winship癌症研究所，埃默里大学医学院） ； Department of Biomedical Engineering, Georgia Institute of Technology（生物医学工程系，佐治亚理工学院） 纠错

AI总结 本文评估GPT-5在多模态临床推理中的表现，发现其在文本推理和部分视觉问答任务中优于GPT-4o，但在神经放射学和乳腺摄影等专业领域仍显不足。

Selecting Spots by Explicitly Predicting Intention from Motion History Improves Performance in Autonomous Parking

通过显式预测意图来选择斑点提高了自动驾驶停车的性能

Long Kiu Chung, David Isele, Faizan M. Tariq, Sangjae Bae, Shreyas Kousik, Jovin D'sa

机构 * Honda Research Institute (HRI)（本田研究机构） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出了一种通过显式预测意图来选择停车位的自动驾驶停车方法，提高了停车任务的预测准确性、社会接受度和任务完成度。

Comments 8 pages, 4 figures

An AI Implementation Science Study to Improve Trustworthy Data in a Large Healthcare System

一项提升大型医疗系统中可信数据的AI实施科学研究

Benoit L. Marteau, Andrew Hornback, Shaun Q. Tan, Christian Lowson, Jason Woloff, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Shriners Hospitals for Children（夏皮罗儿童医院） 纠错

AI总结 本研究通过在大型医疗系统中实施AI技术，提升数据质量并整合可信AI原则，探索混合实施策略以促进医疗AI的发展。

Comments 10 pages, 7 figures. Preprint version. This manuscript has been accepted at IEEE BHI 2025. This is the author-prepared version and not the final published IEEE version. The final version will appear in IEEE Xplore

EDITOR: Effective and Interpretable Prompt Inversion for Text-to-Image Diffusion Models

编辑：用于文本到图像扩散模型的有效且可解释的提示倒置

Mingzhe Li, Kejing Xia, Gehao Zhang, Zhenting Wang, Guanhong Tao, Siqi Pan, Juan Zhai, Shiqing Ma

机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Rutgers University（罗格斯大学） ； University of Utah（犹他大学） ； Dolby Laboratories（杜比实验室） 纠错

AI总结 本文提出\sys技术，通过预训练模型初始化、潜在空间反向工程和嵌入到文本转换，提升文本到图像扩散模型的提示倒置效果，实现更高的图像相似性和可解释性。

Advancing Problem-Based Learning in Biomedical Engineering in the Era of Generative AI

在生成式人工智能时代推进生物医学工程中的问题式学习

Micky C. Nnamdi, J. Ben Tamo, Benoit Marteau, Wenqi Shi, May D. Wang

机构 * Department of Electrical and Computer Engineering, Georgia Institute of Technology（电气与计算机工程系，佐治亚理工学院） ； Wallace H. Coulter Department of Biomedical Engineering, Electrical and Computer Engineering, Georgia Institute of Technology and Emory University（沃尔什·哈·库尔特生物医学工程系，电气与计算机工程系，佐治亚理工学院和埃默里大学） 纠错

AI总结 本研究提出一种针对生物医学AI教育的先进PBL框架，通过真实挑战提升学生能力，实现高效AI教育整合。