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

RAVEN: Radar Adaptive Vision Encoders for Efficient Chirp-wise Object Detection and Segmentation

RAVEN：用于高效脉冲波束成像的雷达自适应视觉编码器

Anuvab Sen, Mir Sayeed Mohammad, Saibal Mukhopadhyay

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

AI总结 RAVEN通过高效处理雷达数据实现目标检测和分割，采用自适应编码和早退出机制提升效率，减少计算量和延迟。

Comments CVPR submission / conference paper

Journal ref Computer Vision and Pattern Recognition Conference 2026

Primal-Dual Methods for Nonsmooth Nonconvex Optimization with Orthogonality Constraints

非光滑非凸优化中正交约束的对偶方法

Linglingzhi Zhu, Wentao Ding, Shangyuan Liu, Anthony Man-Cho So

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程系） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong（香港中文大学系统工程与工程管理系） 纠错

AI总结 本文提出一种无退化对偶方法，用于解决具有正交约束的非光滑非凸优化问题，方法单循环且无需求解子问题，具有O(ε^{-3})的迭代复杂度，并通过数值实验验证其高效性。

Learning Sampled-data Control for Swarms via MeanFlow

通过MeanFlow学习采样数据控制群体

Anqi Dong, Yongxin Chen, Karl H. Johansson, Johan Karlsson

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出基于MeanFlow的采样数据学习框架，用于大规模群体控制，通过有限时间系数和局部桥接监督信号实现高效学习，保证控制器符合线性时不变动力学。

CATNet: A geometric deep learning approach for CAT bond spread prediction in the primary market

CATNet：一种用于初级市场CAT债券溢价预测的几何深度学习方法

Dixon Domfeh, Saeid Safarveisi

机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院） ； Actuarial Research Group, AFI, Faculty of Economics and Business, KU Leuven（鲁汶大学经济与商业学院AFI精算研究组） 纠错

AI总结 CATNet通过几何深度学习方法，利用图结构建模CAT债券市场，提升预测性能并揭示网络特性对价格的影响。

Leveraging ASIC AI Chips for Homomorphic Encryption

利用ASIC AI芯片进行同态加密

Jianming Tong, Tianhao Huang, Jingtian Dang, Leo de Castro, Anirudh Itagi, Anupam Golder, Asra Ali, Jeremy Kun, Jevin Jiang, Arvind, G. Edward Suh, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google（谷歌） ； NVIDIA（英伟达） ； Cornell University（康奈尔大学） 纠错

AI总结 本文探讨利用现有AI加速器如Google的TPU，通过CROSS编译器框架实现同态加密的高效能，解决GPU架构与同态加密算法的不匹配问题，提升能效。

Comments IEEE International Symposium on High-Performance Computer Architecture (HPCA) 2026; 18 pages, 16 figures, 5 algorithms, 10 tables. Leveraging Google TPUs for Homomorphic Encryption

Journal ref 2026 IEEE Symposium on High-Performance Computer Architecture

AdaptFuse: Training-Free Sequential Preference Learning via Externalized Bayesian Inference

AdaptFuse：通过外部化贝叶斯推断实现无需训练的序列偏好学习

Fangzhou Lin, Peiran Li, Shuo Xing, Siyuan Yang, Qianwen Ge, Kazunori Yamada, Ziming Zhang, Haichong Zhang, Zhengzhong Tu

机构 * Texas A&M University（德克萨斯农工大学） ； Worcester Polytechnic Institute（伍斯特理工学院） ； Tohoku University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 AdaptFuse通过外部化贝叶斯推断实现无需训练的序列偏好学习，利用符号模块和冻结LLM结合熵自适应融合，提升推荐系统性能，无需敏感用户数据训练。

Comments 20 pages, 4 figures, 5 tables

Explainable Model Routing for Agentic Workflows

可解释的模型路由用于代理工作流

Mika Okamoto, Ansel Kaplan Erol, Mark Riedl

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

AI总结 本文提出Topaz框架，通过引入可审计性提升代理路由的可解释性，解决模型选择中的成本与性能权衡问题。

Comments ACM CHI 2026 Human-Centered Explainable AI (HCXAI) Workshop (Spotlight)

The Geometry of Robustness: Optimizing Loss Landscape Curvature and Feature Manifold Alignment for Robust Finetuning of Vision-Language Models

鲁棒性几何：优化损失景观曲率和特征流形对齐以增强视觉-语言模型的鲁棒微调

Shivang Chopra, Shaunak Halbe, Chengyue Huang, Brisa Maneechotesuwan, Zsolt Kira

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

AI总结 本文提出GRACE框架，通过联合调节参数空间曲率和特征空间不变性，提升视觉-语言模型在分布内准确率、分布外泛化和对抗鲁棒性之间的平衡，实验显示在ImageNet微调中ID准确率提升10.8%，对抗准确率提升13.5%。

KindSleep: Knowledge-Informed Diagnosis of Obstructive Sleep Apnea from Oximetry

KindSleep：基于血氧数据的阻塞性睡眠呼吸暂停诊断

Micky C Nnamdi, Wenqi Shi, Cheng Wan, J. Ben Tamo, Benjamin M Smith, Chad A Purnell, May D Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； UT Southwestern Medical Center（德克萨斯大学西南医学中心） 纠错

AI总结 KindSleep利用深度学习整合临床知识与单通道血氧数据，实现精准的阻塞性睡眠呼吸暂停诊断，其在不同人群中均优于现有方法。

Distributed Event-Triggered Distance-Based Formation Control for Multi-Agent Systems

分布式事件触发的距离基形成控制多智能体系统

Evangelos Psomiadis, Panagiotis Tsiotras

机构 * D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院古根海姆航空航天工程学院） 纠错

AI总结 本文提出一种分布式事件触发的非线性形成控制器，通过距离测量实现多智能体系统的协同形成控制，减少控制更新并保证碰撞避免。

Comments 6 pages, 5 figures