高校专区
SIFT: 利用注意力不变性实现RAG预填充快速计算的索引选择
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软）
AI总结 针对RAG查询中文档重复导致预填充计算冗余和TTFT增加的问题，提出SIFT方法，通过离线提取文档高注意力分数位置并利用注意力不变性，在预填充时仅计算标记位置，将TTFT提升1.71倍且精度损失在1%以内。
Video2Sim2Real：从单个人类视频实现全栈自主灵巧技能获取
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Toyota Research Institute（丰田研究所） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出Video2Sim2Real框架，从单个人类操作视频中重建数字孪生并提取运动先验，通过物体关键帧优化机器人配置，结合残差强化学习与碰撞感知规划，实现从仿真到真实世界的灵巧技能迁移。
Comments Website: https://video2sim2real.github.io/
通过训练感知的条件扩散模型改进贝叶斯优化
机构 * National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出利用条件扩散模型高效近似最优解分布，并开发贝叶斯优化固有的训练策略和基于扩散的模态搜索采集函数，理论保证次优性，实验优于标准基线。
无前向过程的扩散语言模型
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出FReDA，一种无需人工设计前向过程的扩散语言模型，通过递归分布细化利用模型生成草稿作为隐式中间状态，在推理和编码任务上超越更大模型，并实现1.5-1.8倍加速。
QueryWeaver: 基于LLM图生成的可靠多工具查询执行规划
机构 * School of Computational Science and Engineering, Georgia Institute of Technology, Atlanta, GA, USA（计算科学与工程学院，佐治亚理工学院，亚特兰大，GA，美国）
AI总结 提出将自然语言查询转换为结构化图并通过确定性规划器执行的系统，利用深度优先搜索解决跨工具依赖，实现高可靠性查询。
动力膝踝假肢的端到端控制：迈向统一、免调参的辅助
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Woodruff School of Mechanical Engineering（伍德拉夫机械工程学院） ； Institute for Robotics and Intelligent Machines（机器人与智能机器研究所）
AI总结 本文提出一种端到端假肢控制器，利用时序卷积网络从机载传感器估计连续执行器信号，无需意图分类器和个体调参，在多种地形和步态模式下实现统一、模式自适应的假肢辅助。
Comments 7 pages, 6 figures
SWE-Marathon: 智能体能否自主完成超长时程软件工作？
机构 * Abundant ； Zenity ； Harvard University（哈佛大学） ； University of Waterloo（滑铁卢大学） ； Gujarat Technological University（古吉拉特技术大学） ； Warping ； Stanford University（斯坦福大学） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Independent（独立） ； Refresh ； Soleda AI ； Near AI ； Georgia Tech（佐治亚理工学院） ； Comenius University in Bratislava（布拉迪斯拉发Comenius大学） ； UC San Diego（圣地亚哥大学） ； BenchFlow ； UC Santa Barbara（圣巴巴拉大学）
AI总结 提出SWE-Marathon基准，包含20个超长时程任务，平均消耗2720万token，评估智能体在规划、长上下文理解和记忆方面的能力，当前前沿编码智能体解决率低于30%。
大语言模型的序贯统计推断：表示、有效性与监控
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院工业与系统工程系）
AI总结 本文提出将序贯统计推断应用于大语言模型可信赖性，围绕表示、有效性和监控三个任务展开，将LLM交互视为依赖随机过程，提供不确定性保证并检测行为变化。
Comments This article was prepared for a invited discussion in The American Statistician
PulseBench-Tab：基于图评估的多语言表格提取基准
机构 * Pulse AI ； Georgia Institute of Technology（佐治亚理工学院） ； S&P Global, Enterprise Data Organization（S&P全球企业数据部门）
AI总结 提出包含9种语言、1820个标注表格的多语言基准PulseBench-Tab，并设计基于单元格邻接有向图的新评估指标T-LAG，通过最优二分匹配统一衡量结构和内容保真度。
Comments 14 pages, 5 figures, 8 tables. Dataset: https://huggingface.co/datasets/pulse-ai/PulseBench-Tab Code: https://github.com/Pulse-Software-Corp/PulseBench-Tab
通过微调语言模型中的语义偏移检测社区特定俚语和实体
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出无监督方法，通过测量词在微调前后的语义偏移幅度，从在线社区文本中自动识别俚语、独特实体和民俗用语。
Comments 6 pages, 6 figures, 2 tables
评估领域自适应大语言模型中的幻觉现象
机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院）
AI总结 本研究通过微调Llama-2模型，测试其记忆、回忆和推理能力，发现领域自适应大语言模型在生成新领域特定信息时存在幻觉问题，表明仅靠微调难以有效缓解幻觉。
Comments 13 pages, 2 figures, 3 tables
误导比纠正更容易：LLM 从众中的有害与有益修正
机构 * Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院） ； Illinois Institute of Technology（伊利诺伊理工学院）
AI总结 通过控制实验，研究大语言模型在多智能体系统中面对同伴答案时的从众行为，发现同伴一致意见更容易误导原本正确的模型，而权威标签使模型更倾向于选择被认可的答案，且通用推理干预无法可靠地减少有害修正。
从单视角视频中基于3D无标记运动学的罗达和格雷厄姆步态分类量化
机构 * Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系） ； Shriners Children’s（夏皮罗儿童医院） ； 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沃克·H·库勒生物医学工程系）
AI总结 本文提出了一种基于单视角视频的无标记步态分析方法，用于量化罗达和格雷厄姆步态分类中的膝踝z分数，从而在资源有限的临床环境中实现可扩展的客观步态评估。
Comments 29 pages, 8 figures, 9 tables (including 1 supplementary table); manuscript prepared in PLOS ONE format
CHIMERA-Bench：一种针对表位特异性抗体设计的基准数据集
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Engineering and Technology（工程与技术大学） ； Lahore University of Management Sciences（拉合尔管理科学大学）
AI总结 本文提出CHIMERA-Bench，一个统一的抗体设计基准，包含2922个抗原-抗体复合物数据，测试泛化能力，并评估多种生成方法的通用性。
基于大语言模型的游戏智能体综述
机构 * Georgia Institute of Technology USA（佐治亚理工学院美国分校） ； Cisco Research USA（思科研究美国分公司）
AI总结 综述基于大语言模型的游戏智能体，提出统一参考架构，从单智能体（记忆、推理、感知-行动接口）和多智能体（通信协议、组织模型）层面总结研究，并建立挑战导向的分类法连接六种游戏类型与智能体需求。
Comments ACM Computing Surveys, 2026
AMix-1: 迈向测试时可扩展的蛋白质基础模型
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Generative Symbolic Intelligence Lab (GenSI), Tsinghua University（生成符号智能实验室（GenSI），清华大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Tianjin University（天津大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学）
AI总结 提出基于贝叶斯流网络的蛋白质基础模型AMix-1，通过预训练缩放律、涌现能力分析、上下文学习机制和测试时缩放算法，实现1.7B参数模型，并设计出活性提高50倍的AmeR变体。
通过核稳定流匹配从稀疏观测中建模随机条件动力学
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Sandia National Laboratories（桑地亚国家实验室）
AI总结 提出条件变量流匹配（CVFM）框架，通过联合采样状态和条件变量流，利用条件不匹配核和Wasserstein距离重加权目标，从稀疏非配对数据中学习条件分布的时间演化，在材料结构建模中表现更优。
Comments Accepted to Transactions on Machine Learning Research (2026); OpenReview: https://openreview.net/forum?id=3A6oAS2TWo
Journal ref Transactions on Machine Learning Research, 2026
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