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

Identifying and Mitigating Gender Cues in Academic Recommendation Letters: An Interpretability Case Study

识别和缓解学术推荐信中的性别线索：一个可解释性案例研究

Charlotte S. Alexander, Shane Storks, Souradip Pal, Sayak Chakrabarty, Arushi Sharma, Mlen-Too Wesley, Bailey Russo

机构 * Scheller College of Business（施谢尔商学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Weinberg Institute for Cognitive Science（认知科学研究所） ； University of Michigan - Ann Arbor（密歇根大学安娜堡分校） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Purdue University（普渡大学） ； Department of Computer Science（计算机科学系） ； Northwestern University（西北大学） ； Iowa State University（爱荷华州立大学） ； College of Computing（计算学院） 纠错

AI总结 本研究探讨Transformer编码器模型和大语言模型在去除姓名和代词后，能否从匿名推荐信中推断出申请人的性别，发现存在显著的性别泄露，并通过移除隐含性别线索降低模型准确性，但性别预测仍优于随机猜测。

Comments 17 pages, 3 figures

Long-Horizon Plan Execution in Large Tool Spaces through Entropy-Guided Branching

在大规模工具空间中通过熵引导分支实现长周期计划执行

Rongzhe Wei, Ge Shi, Min Cheng, Na Zhang, Pan Li, Sarthak Ghosh, Vaibhav Gorde, Leman Akoglu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon（亚马逊） 纠错

AI总结 本文提出熵引导分支算法，解决大规模工具库中长周期任务执行的挑战，通过动态扩展高预测熵的决策分支，提升任务成功率和计算效率。

Comments This work was completed during an internship at Amazon

The Long-Horizon Task Mirage? Diagnosing Where and Why Agentic Systems Break

长远任务的幻觉？诊断代理系统何时及为何失效

Xinyu Jessica Wang, Haoyue Bai, Yiyou Sun, Haorui Wang, Shuibai Zhang, Wenjie Hu, Mya Schroder, Bilge Mutlu, Dawn Song, Robert D Nowak

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文通过HORIZON基准测试分析LLM代理在长周期任务中的失效模式，提出轨迹驱动的评估方法，并通过人类标注验证其有效性，为构建更可靠的代理系统提供指导。

Stochastic Auto-conditioned Fast Gradient Methods with Optimal Rates

随机自适应快速梯度方法与最优速率

Yao Ji, Guanghui Lan

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, 225 North Ave, Atlanta, GA 30332, USA（希尔-米利-斯图尔特工业与系统工程学院，佐治亚理工学院，225北大道，亚特兰大，GA 30332，USA） 纠错

AI总结 本文提出随机自适应快速梯度方法，实现无参数优化的最优迭代和样本复杂度，无需线搜索或先验知识。

Enhancing Text-to-Image Diffusion Transformer via Split-Text Conditioning

通过分段文本条件化增强文本到图像扩散变换器

Yu Zhang, Jialei Zhou, Xinchen Li, Qi Zhang, Zhongwei Wan, Tianyu Wang, Duoqian Miao, Changwei Wang, Longbing Cao

机构 * Tongji University（同济大学） ； The Ohio State University（俄亥俄州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Shandong Academy of Sciences（山东省科学院） ； Macquarie University（麦考瑞大学） 纠错

AI总结 本文提出DiT-ST框架，通过分段文本条件化提升扩散变换器对完整文本描述的理解能力，通过分层递进的方式注入不同语义基本类型，增强特定语义基本类型的表示学习。

Comments NeurIPS 2025

On the Geometry of Receiver Operating Characteristic and Precision-Recall Curves

关于接收操作特性与精确率-召回曲线的几何学

Reza Sameni

机构 * Department of Biomedical Engineering, Georgia Institute of Technology and Emory University（佐治亚理工学院生物医学工程系和埃默里大学） 纠错

AI总结 本文研究二分类问题中ROC和PR曲线的几何特性，揭示常用评估指标与几何结构的关系，提供客观工具优化分类器性能。