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

Asymmetric Goal Drift in Coding Agents Under Value Conflict

编码代理在价值冲突下的非对称目标漂移

Magnus Saebo, Spencer Gibson, Tyler Crosse, Achyutha Menon, Eyon Jang, Diogo Cruz

机构 * Columbia University（哥伦比亚大学） ； Independent（独立） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（加州大学圣地亚哥分校） ； MATS ； SPAR 纠错

AI总结 研究编码代理在价值冲突中如何平衡系统提示与实际任务，发现其目标漂移受价值对齐、对抗压力和累积上下文影响，且环境压力可 override 显式约束。

Comments 5 pages, 4 figures, Published as a workshop paper in Lifelong Agents @ ICLR 2026

Incentivizing Neuro-symbolic Language-based Reasoning in VLMs via Reinforcement Learning

通过强化学习激励基于神经符号语言的视觉语言推理

Karthic Palaniappan

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

AI总结 本文基于Qwen3-VL-2B-Instruct模型，通过强化学习提升视觉语言模型的神经符号语言推理能力，在数学、科学和常识问题上准确率提升3.33%，推理令牌减少75%。

Gaussians on a Diet: High-Quality Memory-Bounded 3D Gaussian Splatting Training

饮食中的高斯：高质量内存受限的3D高斯喷射训练

Yangming Zhang, Jian Xu, Chaojian Li, Kunxiong Zhu, Wei Niu, Gagan Agrawal, Yang Katie Zhao, Jian Wang, Yingyan Celine Lin, Miao Yin

机构 * Dept. of Computer Science University of Texas at Arlington（计算机科学系德克萨斯理工大学阿灵顿分校） ； School of Computer Science Georgia Institute of Technology（计算机科学学院佐治亚理工学院） ； School of Computing University of Georgia（计算学院佐治亚大学） ； Department of ECE University of Minnesota - Twin Cities（电子与计算机工程系明尼苏达大学-双城分校） ； Snap Inc.（Snap公司） 纠错

AI总结 本文提出一种内存受限的3D高斯喷射训练框架，通过动态优化高斯体实现低内存消耗，显著提升渲染质量，实现在NVIDIA Jetson AGX Xavier上的高效训练。

Report for NSF Workshop on AI for Electronic Design Automation

NSF关于人工智能在电子设计自动化领域的研讨会报告

Deming Chen, Vijay Ganesh, Weikai Li, Yingyan Celine Lin, Yong Liu, Subhasish Mitra, David Z. Pan, Ruchir Puri, Jason Cong, Yizhou Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California at Los Angeles（加州大学洛杉矶分校） ； Cadence Design Systems, Inc.（Cadence设计系统公司） ； Stanford University（斯坦福大学） ； University of Texas at Austin（得克萨斯大学奥斯汀分校） ； IBM 纠错

AI总结 报告总结了NSF人工智能在电子设计自动化领域研讨会的讨论和建议，探讨了AI技术如何加速EDA设计流程，提出加强AI与EDA合作、投资基础AI研究等核心贡献。

Comments Accepted by IEEE Circuits and Systems Magazine (2026). This is the accepted version. The published version is available at https://ieeexplore.ieee.org/document/11466406

Journal ref IEEE Circuits and Systems Magazine, vol. 26, no. 1, First Quarter 2026

Are Video Models Emerging as Zero-Shot Learners and Reasoners in Medical Imaging?

视频模型是否在医学影像中成为零样本学习者和推理者？

Yuxiang Lai, Jike Zhong, Ming Li, Yuheng Li, Xiaofeng Yang

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Computer Science, University of Maryland（马里兰大学计算机科学系） ； Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） ； Department of Radiation Oncology and Winship Cancer Institute, Emory University（埃默里大学放射肿瘤学系和Winship癌症研究所） 纠错

AI总结 本文探讨了自回归视频建模原理在医学影像任务中的零样本应用，发现大视觉模型在无需医学数据训练的情况下，能有效完成器官分割、去噪、超分辨率和运动预测等任务，尤其在放疗运动预测中表现出色。

MultiTok: Variable-Length Tokenization for Efficient LLMs Adapted from LZW Compression

MultiTok: 可变长度分词用于高效大语言模型，源自LZW压缩

Noel Elias, Homa Esfahanizadeh, Kaan Kale, Sriram Vishwanath, Muriel Medard

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Nokia Bell Labs（诺基亚贝尔实验室） ； Boğaziçi University（博雅大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT）） 纠错

AI总结 本文提出基于LZW压缩的MultiTok分词方法，通过压缩重复短语提升LLM训练效率，实现更高效训练与相似准确率。

Harmful Fine-tuning Attacks and Defenses for Large Language Models: A Survey

大型语言模型有害微调攻击与防御：综述

Tiansheng Huang, Sihao Hu, Fatih Ilhan, Selim Furkan Tekin, Ling Liu

机构 * School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机科学系） 纠错

AI总结 本文综述了大型语言模型中有害微调攻击的威胁模型、防御设计及评估方法，分析了现有攻击与防御机制，并提出了未来研究方向。

Comments Accepted by ACM Computing Survey (CSUR). The authors will continuously update the arXiv version. Please reach out to the authors if you find uncovered papers on relevant topics