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

Transit Network Design with Two-Level Demand Uncertainties: A Machine Learning and Contextual Stochastic Optimization Framework

具有两级需求不确定性的公共交通网络设计：一种机器学习和上下文随机优化框架

Hongzhao Guan, Beste Basciftci, Pascal Van Hentenryck

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（工业与系统工程学院，佐治亚理工学院） 纠错

AI总结 本文提出一种结合机器学习和上下文随机优化的框架，用于考虑公共交通网络设计中的两级需求不确定性，通过案例研究验证了其在应对不确定需求方面的有效性。

BrainBench: Exposing the Commonsense Reasoning Gap in Large Language Models

BrainBench：揭示大型语言模型在常识推理上的差距

Yuzhe Tang

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

AI总结 BrainBench通过100道脑筋急转弯问题，揭示LLM在常识推理上的不足，评估八种前沿模型，发现其推理存在随机性缺陷。

Beyond Polarity: Multi-Dimensional LLM Sentiment Signals for WTI Crude Oil Futures Return Prediction

超越极性：多维LLM情感信号用于WTI原油期货收益率预测

Dehao Dai, Ding Ma, Dou Liu, Kerui Geng, Yiqing Wang

机构 * University of California San Diego（加州大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院） ； New York University（纽约大学） ； Tulane University（路易斯安那州立大学） ； Southern Methodist University（南方 Methodist 大学） 纠错

AI总结 本文研究多维情感信号对WTI原油期货收益率预测的提升作用，利用GPT-4o等模型提取五种情感维度，发现结合GPT-4o和FinBERT可获得最佳预测效果，证明情感信号超越单纯极性具有预测价值。

Comments 28 pages, 4 figures, 4 tables

AOI: Turning Failed Trajectories into Training Signals for Autonomous Cloud Diagnosis

AOI: 将失败轨迹转化为自主云诊断的训练信号

Pei Yang, Wanyi Chen, Asuka Yuxi Zheng, Xueqian Li, Xiang Li, Haoqin Tu, Jie Xiao, Yifan Pang, Dongdong Zhang, Fuqiang Li, Alfred Long, Lynn Ai, Eric Yang, Bill Shi

机构 * Gradient ； Soochow University（苏州大学） ； UC Santa Cruz ； Georgia Institute of Technology（佐治亚理工学院） ； University College London（伦敦大学学院） ； WeJoy ； ByteDance（字节跳动） 纠错

AI总结 AOI通过结构化轨迹学习框架，在安全约束下实现自动化操作，结合可训练诊断系统、读写分离执行架构和失败轨迹闭环演进器，提升云诊断性能。

CompliantVLA-adaptor: VLM-Guided Variable Impedance Action for Safe Contact-Rich Manipulation

CompliantVLA-adaptor：基于视觉-语言模型的变量阻抗控制用于安全的高接触密度操作

Heng Zhang, Wei-Hsing Huang, Qiyi Tong, Gokhan Solak, Puze Liu, Kaidi Zhang, Sheng Liu, Jan Peters, Yu She, Arash Ajoudani

机构 * Human-Robot Interfaces and Interaction Lab, Istituto Italiano di Tecnologia, Genoa, Italy（人机交互实验室，意大利理工学院，热那亚，意大利） ； Ph.D. program of national interest in Robotics and Intelligent Machines (DRIM) and Università di Genova, Genoa, Italy（机器人与智能机器国家利益博士项目和热那亚大学，热那亚，意大利） ； Edwardson School of Industrial Engineering, Purdue University, West Lafayette, IN 47907, USA（工业工程埃德华森学校，普渡大学，西拉法克萨，印第安纳州47907，美国） ； Georgia Institute of Technology, Atlanta, USA（佐治亚理工学院，亚特兰大，美国） ； German Research Center for AI, Germany（德国人工智能研究中心，德国） ； TU Darmstadt, Darmstadt, Germany（图宾根大学，图宾根，德国） ； Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄理工学院，卡尔斯鲁厄，德国） 纠错

AI总结 本文提出CompliantVLA-adaptor，通过引入基于视觉语言模型的上下文感知变量阻抗控制，提升接触密集任务的安全性和有效性。方法通过图像和自然语言解读任务上下文，调节阻抗控制器的刚度和阻尼参数，并利用实时力/扭矩反馈确保安全。实验表明在模拟和现实任务中均优于基线方法。

Comments under review

NeuroSim V1.5: Improved Software Backbone for Benchmarking Compute-in-Memory Accelerators with Device and Circuit-level Non-idealities

NeuroSim V1.5：用于评估计算在内存加速器的改进软件基础架构

James Read, Ming-Yen Lee, Wei-Hsing Huang, Yuan-Chun Luo, Anni Lu, Shimeng Yu

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电子工程学院，佐治亚理工学院） 纠错

AI总结 NeuroSim V1.5通过整合TensorRT量化流程、灵活噪声注入方法、扩展设备支持和优化仿真速度，提升了计算在内存加速器的设计与验证能力。

Comments 15 pages, 9 figures, 6 tables