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

Are Stochastic Multi-objective Bandits Harder than Single-objective Bandits?

多目标老虎机是否比单目标老虎机更难？

Changkun Guan, Mengfan Xu

机构 * H. Milton Stewart School of Industrial and Systems Engineering（赫尔曼·米利顿·斯图尔特工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Mechanical and Industrial Engineering University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特机械与工业工程学院） 纠错

AI总结 本文探讨多目标老虎机的Pareto后悔与单目标老虎机的关系，提出一种新方法证明多目标问题在Pareto后悔上并不更难，且与单目标问题具有相同最优性。

Comments 21 pages

Towards AI-assisted Neutrino Flavor Theory Design

迈向AI辅助中微子味理论设计

Jason Benjamin Baretz, Max Fieg, Vijay Ganesh, Aishik Ghosh, V. Knapp-Perez, Jake Rudolph, Daniel Whiteson

机构 * Department of Physics and Astronomy, University of California, Irvine（加州大学 Irvine 分校物理与天文学系） ； Particle Theory Department, Fermilab（费米实验室粒子理论部门） ； Georgia Institute of Technology（佐治亚理工学院） ； Physics Division, Lawrence Berkeley National Laboratory（伯克利国家实验室物理部） 纠错

AI总结 本文提出AMBer框架，利用强化学习在物理软件管道中高效搜索模型空间，减少自由参数，验证了其在中微子味理论中的有效性。

Comments 28 pages, 12 Figures

Beyond Steering Vector: Flow-based Activation Steering for Inference-Time Intervention

超越转向向量：基于流的激活转向用于推理时间干预

Zehao Jin, Ruixuan Deng, Junran Wang, Xinjie Shen, Chao Zhang

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

AI总结 本文提出FLAS，一种基于流的激活转向方法，通过学习通用概念条件化的速度场来运输未转向的激活到转向的激活，从而在AxBench上超越了提示方法。

Estimating the Black-box LLM Uncertainty with Distribution-Aligned Adversarial Distillation

通过分布对齐对抗蒸馏估计黑盒大语言模型的不确定性

Huizi Cui, Huan Ma, Qilin Wang, Yuhang Gao, Changqing Zhang

机构 * School of Computer Science and Technology, Tianjin University, China（天津大学计算机科学与技术学院） ； School of Future Technology, Tianjin University, China（天津大学未来技术学院） ； Georgia Tech Shenzhen Institute, Tianjin University, China（Georgia Tech深圳研究院） ； School of Artificial Intelligence, Tianjin University, China（天津大学人工智能学院） 纠错

AI总结 本文提出DisAAD方法，通过生成-判别架构引导轻量级代理模型学习黑盒LLM的输出分布高质量区域，从而有效估计其不确定性。实验表明，即使代理模型仅占目标LLM大小的1%，也能实现可靠的不确定性量化。

Comments Accepted to ACL 2026

Anatomy of a Query: W5H Dimensions and FAR Patterns for Text-to-SQL Evaluation

查询的解剖学：用于文本到SQL评估的W5H维度和FAR模式

Vicki Stover Hertzberg, Eduardo Valverde, Joyce C. Ho

机构 * Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出QUEST框架，通过FAR结构不变性和W5H维度分析文本到SQL查询，发现医疗查询在时间维度和人本维度占比高，而因果和机制推理表现低。

Comments 13 pages

Safety-Critical Camera Reliability Monitoring for ADAS via Degradation-Aware Uncertainty Pattern Analysis

面向ADAS的安全关键摄像头可靠性监控：通过退化感知不确定性模式分析

Shiva Aher

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

AI总结 本文提出一种主动摄像头可靠性监控框架，通过退化诱导的不确定性模式分析预估感知风险，引入全局传感器健康指数GSHI，利用风险感知的乘法公式聚合退化严重性，实验显示GSHI在严重性增加时单调下降，且在YOLOv8检测故障前提供积极预警。

ViTok-v2: Scaling Native Resolution Auto-Encoders to 5 Billion Parameters

ViTok-v2：将原生分辨率自编码器扩展到50亿参数

Philippe Hansen-Estruch, Jiahui Chen, Vivek Ramanujan, Orr Zohar, Yan Ping, Animesh Sinha, Markos Georgopoulos, Edgar Schoenfeld, Ji Hou, Felix Juefei-Xu, Sriram Vishwanath, Ali Thabet

机构 * University of Texas, Austin（德克萨斯大学奥斯汀分校） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Spellbrush ； Meta Superintelligence Labs（Meta超智能实验室） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 ViTok-v2通过NaFlex实现跨分辨率和宽高比泛化，引入新的DINOv3感知损失，提升重建性能并稳定训练，达到当前最佳水平。

Memento: Towards Proactive Visualization of Everyday Memories with Personal Wearable AR Assistant

Memento：面向日常记忆主动可视化的人体可穿戴AR助手

Yoonsang Kim, Yalong Yang, Arie E. Kaufman

机构 * Stony Brook University（石溪大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 Memento通过捕捉用户语音查询及时空活动上下文，主动关联兴趣与情境，利用AR实现日常记忆的持续可视化，提升沉浸式应用体验。

Comments 8 pages, 5 figures. This is the author's version of the article that appeared at the IEEE Conference on Virtual Reality and 3D User Interfaces Abstracts and Workshops (IEEE VRW) 2026