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

Performance-Driven Environment Abstraction with Multi-Timescale Learning

性能驱动的多时间尺度学习环境抽象

Yue Guan, Dipankar Maity, Panagiotis Tsiotras

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） 纠错

AI总结 针对大规模马尔可夫决策过程，提出一种性能驱动的环境抽象方法，通过多时间尺度强化学习联合优化策略和树结构抽象，平衡性能与复杂度，实现状态压缩和样本效率提升。

Examining the Limits of Word2Vec with Toki Pona

用 Toki Pona 检验 Word2Vec 的极限

Daniel Zhenhan Huang, Hongchen Wu

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

AI总结 本文使用仅有约130个单词的人造语言 Toki Pona 训练 Word2Vec，探究词汇量极小时嵌入质量，并分析非核心噪声词的影响。

Comments 10 pages, 4 figures, 3 tables. Accepted to the Society for Computation in Linguistics (SCiL) 2026

ANEForge: Python for direct computation on the Apple Neural Engine

ANEForge: 用于直接在Apple Neural Engine上进行计算的Python工具

Spencer H. Bryngelson

机构 * School of Computational Science \& Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA -0.35cm ； Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA -0.35cm ； George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA 纠错

AI总结 ANEForge是一个Python包，通过编译惰性张量图直接编程Apple Neural Engine，无需CoreML，支持推理和训练，性能接近引擎硬件极限。

Comments 8 pages

Generalization Guarantees for Multi-Input Neural Operator Learning in Sobolev Spaces

多输入神经算子学习在Sobolev空间中的泛化保证

Yahong Yang, Zecheng Zhang, Wei Zhu, Wenjing Liao, Hao Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Notre Dame（圣母大学） ； Hong Kong Baptist University（香港浸会大学） 纠错

AI总结 针对多输入神经算子，在Sobolev范数下建立逼近和泛化误差估计，量化各输入空间对误差界的贡献，并揭示平衡状态下输入维度、正则性和Sobolev阶的相互作用。