高校专区
ClinEnv：面向智能体的交互式多阶段长时程电子健康记录环境
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） ； University of Texas Southwestern Medical Center（德克萨斯西南医学中心） ； Tsinghua University（清华大学）
AI总结 提出ClinEnv，一个基于真实住院患者数据的交互式基准，通过多阶段决策序列评估大语言模型在不确定性下逐步收集信息并做出不可逆决策的能力，发现模型决策质量与过程质量严重脱节。
Comments 20 pages, 6 figures, 12 tables
调查和缓解大语言模型交互中的危害放大
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出HarmAmp基准和TrajSafe监控器，用于评估和缓解多轮对话中大语言模型对危害的放大效应。
温度前后：创造性LLM生成的分布视角
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Indian Institute of Technology, Kharagpur（印度理工学院克哈格布尔分校） ； Delhi Technological University（德里技术大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Rutgers University（罗格斯大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 通过分析采样温度重塑token分布的特征，提出一种无需参考的创造力评估方法，在Llama-3.1-8B-Instruct上达到Spearman ρ=0.918（LLM评判）和ρ=0.870（人类多数评判），显著优于现有基线。
Comments Submitted to NGEN-AI 2026
面向决策的在线策略学习用于部分反馈下的上下文线性优化
机构 * Department of Industrial Engineering and Operations Research, University of California, Berkeley（工业工程与运筹学系，加州大学伯克利分校） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（H.米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院）
AI总结 提出一种混合梯度估计方法，用于部分反馈下顺序上下文线性优化的在线策略学习，实现决策质量驱动的预测模型训练，并在多个基准上优于上下文多臂赌博机基线。
DSL-LLaDA: 将连续去噪扩展到8B掩码扩散语言模型
机构 * University of California, Riverside（加州大学河滨分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软）
AI总结 通过离散随机定位（DSL）将预训练掩码扩散语言模型（LLaDA-8B-Instruct）轻量适配为支持连续嵌入空间去噪，在低步数下实现高质量摘要生成并避免长度-质量权衡。
Comments 8 pages, 4 figures, 28 tables
通过交错运动规划使您的VLA更鲁棒而无需更多数据
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出MPVI框架，将基于模型的运动规划与视觉-语言-动作模型交错结合，通过VLM完成检查和本体感受触发实现可靠切换，无需额外训练即可提升长时域移动操作任务的鲁棒性，在BEHAVIOR-1K基准上任务进度提升113%。
细胞层神经算子用于约束PDE的结构保持代理建模
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Franklin & Marshall University（弗兰克林与马歇尔大学）
AI总结 提出细胞层神经算子，通过面向细胞复形的消息传递和Hodge拉普拉斯算子，在代理模型中保持PDE的几何约束和物理结构，在湍流MHD和聚变平衡任务中提升了结构敏感诊断指标。
Comments 41 pages, 5 figures, 3 tables
CV-Arena: 面向教学计算机视觉问题求解的开放基准与人类-AI协作偏好
机构 * Texas A&M University（德克萨斯A&M大学） ； Worcester Polytechnic Institute（沃斯特理工大学） ； Tohoku University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（英伟达） ； UCSB（加州大学圣塔芭芭拉分校） ； UC Merced（加州大学默塞德分校）
AI总结 提出CV-Arena基准，包含12K高分辨率真实图像指令对，覆盖16种任务类型，并采用Active Elo协议结合人类与AI偏好评估21个系统，揭示指令遵循、物理推理等方面的差距，同时开发CV-Agent代理模型展示闭环推理的潜力。
Comments 26 pages, 7 figures, 11 tables
GABI: 用于航天器分割的几何感知边界集成
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出一种轻量级边界感知多任务分割架构GABI，通过辅助距离场预测头增强卷积骨干网络，在保持低模型复杂度的同时提升航天器分割精度，在SPARK基准上平均精度提升5%，跨域泛化提升50%。
Comments Accepted to AI4Space at CVPR 2026
证书引导的强化学习泛化评估
机构 * School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机科学学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学 computing and information systems 学院）
AI总结 提出一个逻辑驱动框架，通过神经证书函数验证强化学习算法在未见任务上的泛化能力，并证明证书违规率与测试任务成功率负相关。
解耦行为克隆实现基于规范的强化学习中的可扩展归纳泛化
机构 * School of Computer Science, Georgia Institute of Technology, USA（美国佐治亚理工学院计算机科学学院） ； Department of Computer Science and Engineering, Indian Institute of Technology Kanpur, India（印度理工学院坎浦尔分校计算机科学与工程系）
AI总结 提出DIBS方法，通过解耦任务特定策略学习与演化函数学习，利用行为克隆替代噪声奖励聚合，提升训练稳定性和零样本泛化能力。
粗到细的组合扩散用于长时域规划
机构 * KAIST（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Coarse-to-Fine Compositional Diffusion (CoFi)方法，通过先形成全局骨架再细化局部细节，在长时域机器人规划、全景图像生成和长视频生成中提升全局一致性和局部质量，同时减少2-8倍去噪评估次数。
Comments Project page: https://cofi-diffusion.github.io
超越纯采样：非凸模型预测控制的混合优化机制
机构 * School of Aerospace Engineering, Georgia Institute of Technology, Atlanta, GA, USA（航空航天工程学院，佐治亚理工学院，美国亚特兰大，GA州） ； Development Division, Komatsu Ltd., Tokyo, Japan（Komatsu Ltd.开发部门，日本东京） ； Department of Electrical and Computer Engineering, Inha University, Incheon, Republic of Korea（电气与计算机工程系，inha大学，韩国仁川，大韩民国）
AI总结 本文提出一种结合梯度下降与基于逆Hessian采样的双步优化机制，用于非凸模型预测控制，在多种机器人导航任务中相比纯采样方法（如MPPI）具有更高成功率和稳定性。
Comments 28 pages, 13 figures
ViBE: 针对MoE服务的工作负载偏斜与硬件变异性协同优化
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Advanced Micro Devices, Inc.（先进微器件公司）
AI总结 提出ViBE框架，通过感知硬件的专家放置方法，结合GPU性能建模与专家激活分析，最小化分布式MoE推理中的执行时间不平衡，显著提升SLO达标率并降低P90 TTFT。
一种可解释的基于层次自注意力的时域震颤检测方法
机构 * Department of Biomedical Informatics, School of Medicine, Emory University（埃默里大学生物医学信息学系） ； Jean and Paul Amos Parkinson’s Disease and Movement Disorders Program, Department of Neurology, School of Medicine, Emory University（埃默里大学帕金森病和运动障碍计划，神经学系） ； Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院沃尔什·H·库勒生物医学工程系）
AI总结 提出一种可解释的两阶段层次框架，直接从3D运动学时间序列数据学习震颤模式，实现时域震颤检测，并利用注意力权重和Grad-CAM提供后验可解释性。
Comments Submitted to PLOS Digital Health
当安全技能碰撞：衡量智能体技能生态系统中的组合风险
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Glasgow（格拉斯哥大学） ； Independent Researcher（独立研究员） ； Corespeed Inc.（Corespeed公司）
AI总结 本文提出SkillReact框架，通过静态组合基准、双评分者LLM辅助人工审核和基于动作的可利用性测试，研究LLM智能体中个体安全的技能组合后可能产生的不安全行为，发现约18.2%的候选组合存在真实风险，且主机模型决定是否利用这些组合能力。
ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建
机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院）
AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。
Comments 8 pages
工业视觉模拟到现实中的先验可用性：CAD引导与CAD不可用机制的综述
机构 * George W. Woodruff School of Mechanical Engineering（乔治·W·伍德鲁夫机械工程学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文通过先验可用性视角重新组织工业视觉模拟到现实问题，区分CAD可用、CAD不可用和边界先验三种机制，并基于T-LESS/BOP、MVTec AD和VisA数据集进行实证分析，揭示了源分布设计、检测器容量和真实校准的重要性，以及CAD在测试时提供的独特验证通道。
Comments Review article; 103 references; 9 main figures; empirical anchors on T-LESS/BOP, MVTec AD, and VisA
LLM生成的自闭症交流中的算法脆弱性与人格偏见
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Cornell University（康奈尔大学） ； Cardiff University（卡迪夫大学）
AI总结 通过双人格改写范式，发现LLM在生成自闭症人格文本时存在词汇与情感偏离、输出坍塌等系统性失败，且对齐策略而非参数规模主导这些失败，表明当前对齐训练导致深层表征鸿沟。
Comments main paper: 9 pages; total: 19 pages; 2 figures; 5 tables
BlockBatch: 面向高效扩散语言模型推理的多尺度共识解码
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出BlockBatch框架，通过多分支并行解码和置信度门控合并，在不训练的情况下加速扩散语言模型推理，平均减少26.6%的去噪步数并实现1.33倍端到端加速。
Comments 23 pages, including references and appendices
Herculean: 面向金融智能的智能体基准测试
机构 * The Fin AI ； Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； NVIDIA（英伟达） ； New York University（纽约大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Florida（佛罗里达大学） ； MBZUAI ； Université de Montréal（蒙特利尔大学） ； University of Minnesota（明尼苏达大学） ； University of Massachusetts Boston（马萨诸塞大学波士顿分校） ； National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院） ； University of Liverpool（利物浦大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； National University of Singapore（新加坡国立大学） ； Halmstad University（哈尔姆斯塔德大学） ； University of Manchester（曼彻斯特大学） ； Cardiff University（卡迪夫大学） ； McGill University（麦吉尔大学） ； Mila – Quebec AI Institute（魁北克人工智能研究所）
AI总结 本文提出Herculean，首个覆盖交易、对冲、市场洞察和审计四个代表性工作流的智能体金融智能基准测试，通过标准化MCP技能环境评估异构智能体系统，发现智能体在交易和市场洞察上表现较好，但在对冲和审计等需要长期协调、状态一致性和结构化验证的任务上存在显著不足。
AIGaitor: 面向所有人的隐私保护与无云端运动分析——基于边缘计算
机构 * Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系） ； Department of Rehabilitation Medicine, Emory University（埃默里大学康复医学系） ； The Wallace H. Coulter Department of Biomedical Engineering, Emory University and Georgia Institute of Technology（埃默里大学和佐治亚理工学院的Wallace H. Coulter生物医学工程系）
AI总结 提出AIGaitor系统，在智能手机上利用边缘计算实现无标记单目运动捕捉与深度学习分析，解决成本、隐私和易用性问题。
Comments 18 pages 3 figures, 2 tables
LISTEN 你的偏好：面向多目标选择的LLM框架
机构 * Cornell University（康奈尔大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出LISTEN框架，利用LLM作为决策代理，通过迭代优化内部偏好模型（LISTEN-U参数法或LISTEN-T非参数法）从自然语言中学习用户隐含偏好，实现多目标选择。
Comments Accepted at IJCAI-ECAI 2026 (the 35th International Joint Conference on Artificial Intelligence)
TRANS：面向社交互动下四足机器人敏捷导航的地形感知强化学习
机构 * Department of Robotics, Graduate School of Engineering, Tohoku University（东邦大学机器人学系） ； Laboratory for Intelligent Decision and Autonomous Robots, Woodruff School of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院智能决策与自主机器人实验室）
AI总结 提出一个名为TRANS的两阶段深度强化学习框架，通过三个DRL流水线（TRANS-Loco、TRANS-Nav和统一TRANS）实现四足机器人在非结构化地形上的社交导航，克服了传统方法中运动规划与运动控制分离、缺乏地形感知以及假设静态环境等局限。
MASCOT: 迈向多智能体社会协作伴侣系统
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 针对多智能体系统中的人格崩溃和社会谄媚问题，提出MASCOT框架，通过双层优化策略（人格感知行为对齐与协作对话优化）提升角色一致性和对话贡献。
Comments 15 pages, 9 figures. https://hello-diana.github.io/MASCOT/
通过压缩感知推进图上的局部聚类：半监督和无监督方法
机构 * School of Mathematics, Georgia Institute of Technology（数学系，佐治亚理工学院）
AI总结 提出基于压缩感知的半监督和无监督局部聚类方法，通过随机采样、扩散和重叠分析实现稀疏解，并证明其正确性，在低标签率下达到最优性能。
FedCF: 公平联邦共形预测
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Ohio State University（俄亥俄州立大学）
AI总结 提出FedCF框架，将共形公平性扩展到联邦学习，通过分析不同人口统计组的公平性差距来审计模型公平性，并在多个数据集上验证。
Comments Preprint
主特征向量估计的自适应传感的全局收敛性
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA, USA（电子与计算机工程学院，佐治亚理工学院，亚特兰大，GA，USA）
AI总结 本文分析Oja算法的一种压缩变体，利用每样本两个自适应测量估计协方差矩阵的主特征向量，证明了期望正弦平方误差的收敛速率并给出信息论下界，揭示了压缩带来的维度代价。
Comments Accepted at ICML 2026. 34 pages (9 main text + appendices), 4 figures, 2 tables. v2 (camera-ready) adds a matching information-theoretic lower bound and a non-adaptive lower-bound separation across three powers of d; substantially revised from v1
利用拉普拉斯特征向量实现稳定且全局表达性的图表示
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Department of EECS, Massachusetts Institute of Technology（麻省理工学院电子工程与计算机科学系） ； School of ECE, Georgia Institute of Technology（佐治亚理工学院电子与计算机工程系）
AI总结 提出一种利用可学习的O(p)-不变表示和平滑处理数值接近特征值的方法，以增强图神经网络中拉普拉斯特征向量的稳定性和全局表达性。
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