高校专区
学习行动的同时学习观察：机器人模仿中的主动感知扩散模型
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Autodesk Research（欧特克研究院） ； NVIDIA（英伟达）
AI总结 提出See2Act模仿学习方法，通过耦合动作去噪与视角优化，在测试时基于主动推断的视角序列预测动作，解决遮挡下的部分可观测问题，在Ravens和RLBench任务上性能提升达34%。
Comments Project website: see2act.github.io
HERCULES：面向异构多机器人SLAM、协同感知与探索的开源仿真框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Georgia Tech Research Institute（佐治亚理工学院研究所）
AI总结 提出基于UE5的开源仿真框架HERCULES，支持异构无人机-无人车协同，解决架构限制，提供共享导航栈、红外相机和动态环境，验证了多机器人SLAM与探索的有效性。
Comments 19 pages, 14 figures, and 12 tables
超越辛普森悖论：AI 智能体拉取请求合著中的级联混杂因素
机构 * Independent Researcher（独立研究者） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究通过分层分析和多级控制，揭示了AI编码智能体拉取请求合著与合并率之间的关联主要由智能体组成、仓库选择和PR结构等混杂因素驱动，而非因果关系。
Comments 5 pages. Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)
概念约束的提示学习用于少样本CLIP适应
机构 * University of California, San Diego（加州大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Independent Researcher（独立研究员）
AI总结 提出概念约束提示学习（CCPL），通过轻量级正则化框架将可学习类提示锚定到冻结的概念级文本原型，提升少样本CLIP的基类到新类泛化能力。
机器中的CASPER：LLM生成故事中角色多样性的洞察
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Michigan（密歇根大学）
AI总结 本文借用叙事学定义，从八个维度分析LLM与人类创作故事中角色的刻画，发现两者在角色类型和多样性上既有相似也有差异。
Comments Proceedings of ACL, 2026
利用人类偏好奖励改进文本到音乐生成
机构 * Georgia Tech（佐治亚理工学院） ； KAIST（韩国科学技术院） ； Peking University（北京大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出结合人类偏好奖励（TuneJury）的文本到音乐生成方法，通过训练时奖励条件化、专家迭代、偏好微调等五项工程决策，在ATTM挑战中提升FAD-CLAP和CLAP分数。
Comments ICME 2026 Grand Challenge on Academic Text-to-Music Generation
基于能量的组合扩散规划
机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 提出能量基组合扩散器（ECD），将全局轨迹建模为局部桥势之和的最小化，通过保守修正场和边界反应项改进启发式拼接，实现线性时间复杂度的马尔可夫分数近似，在OGBench任务中达到最优成功率。
Comments ICML 2026
VQActFlow: 用于多任务机器人操作的矢量量化动作模式引导
机构 * Institute for Robotics and Intelligent Machines (IRIM), Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所（IRIM））
AI总结 提出VQActFlow，通过矢量量化动作标记和变分流匹配生成离散代码序列，显式区分动作模式，并利用推理时引导（语言条件无分类器引导和代码本评论家）实现模式承诺，在LIBERO、Unitree G1和ALOHA平台上优于连续和离散基线。
Comments 8 pages, 9 figures, 5 tables
一种验证门控机制的自杀检测在LLMs中的解释
机构 * Intelligent Neuromorphic and Quantum Understanding for Innovative Research and Engineering (INQUIRE) Lab（智能神经形态与量子理解创新研究与工程实验室） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； University of Oklahoma（俄克拉荷马大学） ； School of Psychology（心理学学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出验证门控框架，通过因果分析发现Llama-3.1-8B-Instruct在自杀检测中依赖语义特征而非关键词，且该特征在多个模型和数据集中一致出现。
异构策略网络用于复合机器人团队的通信与协调
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Sandia National Laboratories（桑迪亚国家实验室）
AI总结 提出异构策略网络（HetNet），利用异构图注意力网络学习异构机器人团队的高效协作与通信策略，实现端到端训练的二值化消息传递，在多个领域性能提升5.84%至707.65%，通信带宽降低200倍。
Comments IEEE Transactions on Robotics (T-RO)
融合后门、机器学习与优化的大规模参数化混合整数规划
机构 * Department of Operations and Decision Systems, Université Laval（Université Laval 运营与决策系统系） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（Georgia Institute of Technology 工业与系统工程H. Milton Stewart学校）
AI总结 提出BIPC框架，通过识别后门变量并利用监督学习预测其值，将大规模混合整数规划简化为子问题，显著加速求解，同时保持解质量。
单纯形约束的稀疏装袋：集成学习中从均匀先验到稀疏后验的转变
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出SCSB框架，通过最小化袋外损失在概率单纯形上联合优化集成剪枝与校准，引入凹二次惩罚解决L1单纯形悖论，实现高达96%的压缩并提升校准性能。
Comments 6 pages, 3 tables
CSI-4CAST：一种用于CSI预测的混合深度学习模型，具有全面的鲁棒性和泛化性测试
机构 * H. Milton Stewart School of Industrial and Systems Engineering, NSF AI Institute for Advances in Optimization (AI4OPT), Georgia Institute of Technology（H.米尔顿·斯图尔特工业与系统工程学院，国家科学基金会人工智能优化先进研究所（AI4OPT），佐治亚理工学院）
AI总结 本文提出CSI-4CAST模型，结合卷积神经网络残差、自适应校正层、ShuffleNet块和Transformer，提升CSI预测的鲁棒性和泛化能力，并通过大规模数据集验证其高效性与准确性。
Nemotron-CLIMB: 基于聚类的迭代数据混合自助法用于语言模型预训练
机构 * NVIDIA ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Nemotron-CLIMB方法，通过聚类和迭代优化提升预训练数据混合效果，实验显示其在预训练性能上优于现有模型，同时提供了一个大规模数据集用于研究。
Comments Accepted to NeurIPS 2025
稀疏网络发现的渐进容量增长
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Cyprus Institute（塞浦路斯研究所）
AI总结 提出渐进容量增长（GCG）框架，通过路径增长规则在训练中逐步分配网络容量，无需预训练或预设稀疏度，以较低成本发现接近稠密性能的稀疏网络。
Comments Accepted at ICANN 2026
局部流匹配生成模型
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（哈里·米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； Department of Mathematics, Duke University（杜克大学数学系）
AI总结 提出局部流匹配（LFM）方法，通过逐步学习一系列流匹配子模型，每个子模型匹配扩散过程的一个时间步，实现更高效训练，并基于χ²散度提供理论生成保证，在表格、图像和机器人策略生成中表现竞争性。
仍未完全到位！评估大型语言模型用于共病心理健康诊断
机构 * University of Southern California（美国南加州大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Sion Hospital（Sion医院） ； Clinical Psychotherapist（临床心理治疗师） ； Sophia College for Women（Sophia女子学院） ； Indian Institute of Technology Bombay（印度班加罗尔理工学院）
AI总结 本文提出ANGLES基准，用于从社交媒体帖子中分类抑郁症和焦虑共病，通过多标签分类提升诊断准确性，评估了从Mental-BERT到GPT-4等多种模型的性能，发现GPT-4表现最佳但F1分数仍低于72%。
Comments 24 Pages
基于天气信息的概率预报与情景生成在电力系统中的应用
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（工业与系统工程系，佐治亚理工学院） ； AI Institute for Advances in Optimization（优化前沿人工智能研究所）
AI总结 本文提出结合概率预报与高斯Copula的方法，用于高维环境下负荷、风能和太阳能的日提前预测与情景生成，通过整合天气协变量恢复时空相关性，提升可再生能源的概率预报可靠性。
光子纳米结构的知识发现与智能反向设计中的流形学习：突破几何复杂性
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电子与计算机工程学院，佐治亚理工学院）
AI总结 本文提出基于流形学习的光子纳米结构知识发现与智能反向设计方法，通过研究不同设计复杂度的纳米结构响应子流形，在潜在空间中获取设备操作物理机制的洞察，指导更智能的设计。
Comments 10 pages, 6 figures, 2 tables
深度学习揭示纳米光子器件中光-物质相互作用的内在物理机制
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电气与计算机工程学院，佐治亚理工学院）
AI总结 本文提出一种基于深度学习的算法，通过降维技术揭示电磁波-物质相互作用的特性，为复杂电磁设备的设计优化提供工具。
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