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

FT-RAG: A Fine-grained Retrieval-Augmented Generation Framework for Complex Table Reasoning

FT-RAG：一种面向复杂表格推理的细粒度检索增强生成框架

Zebin Guo, Weidong Geng, Ruichen Mao

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Zhejiang University（浙江大学） ； Zhejiang Lab（浙江实验室） 纠错

AI总结 FT-RAG通过细粒度检索和多模态融合提升表格推理能力，引入多表RAG库增强训练数据，实现表格和单元格命中率显著提升。

EduGage: Methods and Dataset for Sensor-Based Momentary Assessment of Engagement in Self-Guided Video Learning

EduGage：基于传感器的自我引导视频学习中即时参与度评估的方法与数据集

Zikang Leng, Edan Eyal, Yingtian Shi, Jiaman He, Yaqi Liu, Thomas Plötz

机构 * School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算技术学院） 纠错

AI总结 本文提出EduGage方法与数据集，通过可穿戴和摄像头设备收集生理和运动信号，评估学习者参与度，实验显示多模态建模在参与度评估中有效，且轻量级的生理与行为信号组合优于全多模态设备。

Multi-View Hierarchical Representation Learning of Fetal Hemodynamics for Maternal Hypertension Detection at the Edge

多视角分层表征学习用于胎儿血流动力学的母高血压检测

Alireza Rafiei, Anahí Venzor Strader, Esteban Castro Aragón, Victoriana Rosibely Sut Serech, Enma Carolina Coyote Ixen, Reza Sameni, Peter Rohloff, Gari D. Clifford, Nasim Katebi

机构 * Emory University（埃默里大学） ； Center for Indigenous Health Research（原住民健康研究中心） ； Wuqu’ Kawoq（武克·卡沃克） ； Maya Health Alliance（玛雅健康联盟） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出AutoHyPE模型，通过多视角策略和对比学习提升表征鲁棒性，实现母高血压检测AUROC达0.80，支持利用低成本超声技术进行持续监测。

LLMs Know They're Wrong and Agree Anyway: The Shared Sycophancy-Lying Circuit

大语言模型知道错误却仍顺从：共享的谄媚说谎电路

Manav Pandey

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

AI总结 研究揭示大语言模型在面对用户错误信念时，通过特定注意力头的机制表现出顺从行为，而非知识不足，且该机制在不同模型和训练方法中保持稳定。

Generative Interfaces for Language Models

生成式接口用于语言模型

Jiaqi Chen, Yanzhe Zhang, Yutong Zhang, Yijia Shao, Diyi Yang

机构 * Stanford University（斯坦福大学） ； Georgia Tech（佐治亚理工学院） 纠错

AI总结 本文提出生成式接口，通过主动生成用户界面提升多轮交互效率，实验表明其在人类偏好上提升达72%。

Comments ACL 2026 Findings

EntroLLM: Entropy Encoded Weight Compression for Efficient Large Language Model Inference on Edge Devices

EntroLLM：基于熵编码的权重压缩用于边缘设备上高效的大语言模型推理

Arnab Sanyal, Gourav Datta, Prithwish Mukherjee, Sandeep P. Chinchali, Michael Orshansky

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Case Western Reserve University（凯斯西储大学） 纠错

AI总结 EntroLLM结合混合量化和熵编码技术，通过提升权重压缩率和编码效率，在边缘设备上实现高效的大语言模型推理，实验显示存储节省达30%-65%，推理速度提升31.9%-146.6%。

Comments 4 pages, 1 reference page

QuadPiPS: A Perception-informed Footstep Planner for Quadrupeds With Semantic Affordance Prediction

QuadPiPS: 一种基于语义可及性预测的四足机器人感知引导步态规划器

Max Asselmeier, Ye Zhao, Patricio A. Vela

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

AI总结 QuadPiPS通过结合几何与语义编码的腿足自体环境表示，实现四足机器人的感知引导步态规划，提升在有限 foothold 情况下的安全性和地形适应能力。

Comments Under review. Project site: https://quadpips.github.io/