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

Impact of Multimodal and Conversational AI on Learning Outcomes and Experience

多模态和对话式AI对学习成果和体验的影响

Karan Taneja, Anjali Singh, Ashok K. Goel

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本研究比较了三种生物学学习方法，发现多模态对话式AI在学习成果和体验上表现最佳，但文本仅对话式AI虽易用但效果最差，揭示了认知负荷理论下的学习效果与感知之间的差异。

Comments 16 pages, 3 figures, Accepted to AIED 2026 (Seoul, South Korea)

Does Your Optimizer Care How You Normalize? Normalization-Optimizer Coupling in LLM Training

你的优化器是否在意你如何归一化？LLM训练中的归一化-优化器耦合

Abdelrahman Abouzeid

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

AI总结 研究发现归一化层与优化器在LLM训练中存在交互影响，动态Erf在Muon优化器下表现下降，通过调整参数可恢复性能，揭示归一化方法对优化器的敏感性。

Comments 16 pages, 8 figures. Preprint. Under review

A Role-Based LLM Framework for Structured Information Extraction from Healthy Food Policies

基于角色的LLM框架用于从健康食品政策中提取结构化信息

Congjing Zhang, Ruoxuan Bao, Jingyu Li, Yoav Ackerman, Shuai Huang, Yanfang Su

机构 * University of Washington（华盛顿大学） ； Shanghai University（上海大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出基于角色的LLM框架，通过分配专门角色提升健康食品政策信息提取的准确性与透明度，对比零样本、少样本和推理链基线，展现更优的复杂推理能力。

A Self-Improving Architecture for Dynamic Safety in Large Language Models

为大语言模型动态安全设计的自改进架构

Tyler Slater

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

AI总结 本文提出自改进安全框架SISF，通过反馈循环实现LLM系统在运行时自动检测安全故障并生成防御策略，实验显示其能有效降低攻击成功率，提升系统鲁棒性。

Comments Under review at the journal Information and Software Technology (Special Issue on Software Architecture for AI-Driven Systems)

Power-scaled Bayesian Inference with Score-based Generative Models

基于分数缩放的贝叶斯推断与分数基于生成模型

Huseyin Tuna Erdinc, Yunlin Zeng, Abhinav Prakash Gahlot, Felix J. Herrmann

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分数缩放的生成算法，用于在贝叶斯推断框架中从先验和似然的分数缩放中采样。该算法允许灵活控制先验-似然的影响，而无需重新训练。通过实验评估了不同设置下功率参数变化的影响，证明了增加似然功率可提高后验样本与条件数据的一致性。

Comments 8 pages, 4 figures

Journal ref Fifth International Meeting for Applied Geoscience & Energy, 44, 21-25 (2025)