高校专区
迈向AI驱动的数字孪生用于城市洪水：一个基于条件潜在动态网络的浅水方程代理模型
机构 * School of Computational Science and Engineering, Georgia Institute of Technology（计算科学与工程学院，佐治亚理工学院） ； Environmental Science Division, Argonne National Laboratory（环境科学部，阿贡国家实验室）
AI总结 本文提出CLDNet，一种基于降雨的低维潜在神经ODE模型，结合坐标解码器，用于快速模拟城市洪水。该方法在单节点上实现大规模训练，并在不需栅格化的情况下进行精确查询，显著提升预测速度和精度。
DeepFilters: 通过学习的数字滤波器重建实现散射感知的瞳孔工程用于扩展深度场显微镜
机构 * Boston University, Department of Electrical and Computer Engineering（波士顿大学电气与计算机工程系） ； Georgia Tech Research Institute, Electro-Optical Systems Lab（佐治亚理工研究学院电光学系统实验室） ； Boston University, Department of Biology（波士顿大学生物学系） ； Harvard Medical School, Brigham and Women’s Hospital, Department of Orthopedic Surgery（哈佛医学院布里特妇女医院骨科系） ； Boston University, Neurophotonics Center（波士顿大学神经光子学中心） ； Boston University, Department of Biomedical Engineering（波士顿大学生物医学工程系）
AI总结 本文提出DeepFilters框架，通过校准的可微前向模型联合优化参数化瞳孔滤波器和基于数字滤波器的重建网络，实现无需重新训练的广泛泛化，扩展PSF至400微米以上并在生物组织中实现120微米深度的信号恢复。
Comments 38 pages (18 main text, 20 supplement), 23 Figures (7 main text, 16 supplement)
个性化差分隐私预算的极限
机构 * CNRS, LAMSADE, Dauphine-PSL（法国国家科学研究中心、拉马萨德研究所、巴黎-萨特大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了个性化差分隐私预算的局限性，指出在均值估计中，选择合适的有效隐私预算比完全个性化更重要，通过阈值操作可实现改进，且在混合私有和公开数据集及多级隐私要求中量化了改进效果。
扩散模型的泛化能力可以通过数据依赖的ridge流形的归纳偏差来表征
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文研究扩散模型泛化能力的几何机制，通过引入时间依赖的log-density ridge流形，揭示生成样本在流形附近的运动规律，并通过实验验证了其在多模态数据和MNIST中的有效性。
AuraMask：一种可扩展的开发美观反面部识别图像滤镜的管道
机构 * Franklin and Marshall College（弗兰克林与马歇尔学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出AuraMask，一种生成有效且美观的反面部识别图像滤镜的方法，通过40个仿Instagram滤镜的实例，验证其在对抗有效性与用户接受度上的优势。
Comments 21 pages, 10 figures
重新审视LLM代理时代的DAgger
机构 * Georgia Institute of Technology（佐治亚理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出通过DAgger算法改进长周期LLM代理，通过学生与教师策略的回合级插值收集轨迹，并利用教师提供的监督标签训练学生，有效缓解协变量偏移并提升性能。
低自由度机器人的情绪表达：通过Reachy Mini评估感知
机构 * Robotic Musicianship Lab（机器人音乐性实验室） ； Georgia Institute of Technology（佐治亚理工学院） ； School of Computing and Communications（计算与通讯学院） ； Ben-Gurion University of the Negev（贝内尔盖翁大学（内盖夫分校）） ； School of Brain Sciences and Cognition（脑科学与认知学院） ； The Azrieli National Center for Autism and Neurodevelopment Research（阿兹里尔国家自闭症与神经发育研究中心）
AI总结 研究探讨了低自由度机器人Reachy Mini在表达不同情绪时，人们如何感知和评估其情绪，发现尽管识别准确度不高，但整体情绪影响社交评价，为低自由度机器人情感交流研究提供了基准。
通过反思增强的自我蒸馏实现稀有成功但丰富的反馈学习
机构 * UC San Diego（UC圣地亚哥大学） ； Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出反思增强的自我蒸馏框架，通过将失败反馈转化为主动监督信号，提升在稀有成功场景下的持续学习能力，实验表明其在多个连续学习任务中优于传统方法。
Comments Work in progress
通过跨层转编码器进行蛋白质电路追踪
机构 * School of Electrical ； Computer Engineering, Georgia Institute of Technology, Atltanta, GA
AI总结 本文提出ProtoMech框架，利用跨层转编码器发现蛋白质语言模型中的计算电路，实现高精度蛋白质设计。
Comments Accepted into ICML 2026. 32 pages, 17 figures
实用好奇心：通过主动推断实现混合学习与优化的统一框架
机构 * Department of Aeronautics and Astronautics（航空与航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； School of Industrial and Systems Engineering（工业与系统工程系） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Pragmatic Curiosity框架，通过主动推断统一处理混合学习与优化问题，减少决策风险，提升关键结果区域覆盖率，并联合学习预测与偏好结构。
思维约束：一种在语言模型引导搜索中进行约束推理的框架
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Const-o-T框架，通过约束推理提升语言模型在多步骤任务中的规划效率和决策可靠性，适用于风险游戏、CAD代码生成和算术推理等复杂领域。
小区域疫情增长率估计以实现及时的新冠爆发检测
机构 * Singapore Management University（新加坡管理学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院）
AI总结 本文提出TLRF框架，通过随机森林的自适应加权机制，有效平衡准确率与速度，提升小样本区域的疫情增长率估计精度，并在科罗拉多州案例中验证其在爆发检测中的优越性。
Comments Equal contributions by co-first authors Zhaowei She, Zilong Wang (in alphabetical order)
大语言模型代理能否模拟动态网络？基于钓鱼合成的邮件网络案例研究
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Rutgers University（罗格斯大学）
AI总结 本文探讨了大语言模型多代理系统在模拟动态网络中的能力，提出两种扩展方法以提升网络仿真精度，通过钓鱼合成案例验证了其在建模信息传播和网络安全威胁中的有效性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈