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

ALLUDE: A Unified Evaluation System for Configurable Attacks in Differentiable Environments

ALLUDE：可微环境中可配置攻击的统一评估系统

Mansi Phute, Alexander Greenhalgh, Matthew Hull, Haoran Wang, Alec Helbling, ShengYun Peng, Elliott Faa, Willian Lunardi, Martin Andreoni, Wenke Lee, Duen Horng Chau

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Technological Innovation Institute（技术创新研究所） 纠错

AI总结 针对视觉模型对抗攻击评估条件有限的问题，ALLUDE提供统一评估系统，通过拉丁超立方抽样和压力测试现有攻击展示评估广度，利用端到端可微渲染针对实际部署优化攻击，且跨平台代码开源。

DS@GT ARC at eRisk 2026: Hybrid Multi-Agent LLM System with Structured Algorithmic Guidance for Conversational Depression Screening

DS@GT在eRisk 2026的ARC：用于对话式抑郁症筛查的具有结构化算法指导的混合多智能体大语言模型系统

Victor Gong, David Guecha

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

AI总结 介绍DS@GT参加eRisk 2026对话式抑郁症筛查挑战赛，其系统历经三个阶段，最终采用混合配置并添加算法组件。提交三次运行结果，混合运行3表现出色，以低成本超付费基线，验证较弱开源模型经算法监督可与专有模型竞争。

Comments Conference and Labs of the Evaluation Forum (CLEF), 19 pages, 5 figures

HARP: Harmonic-Aware Residual Partitioning for Neural Audio Codecs

HARP：用于神经音频编解码器的谐波感知残差划分

Qiaoyu Yang, Lixing He, Binyue Deng, Weifeng Zhao

机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent Music Entertainment（腾讯音乐娱乐集团） 纠错

AI总结 研究针对神经音频编解码器中码本频谱纠缠等问题，提出HARP训练策略，将RVQ阶段分组，在解码器能访问低频时各小组细化目标频带，重建泛音保留连贯性，该策略无需架构改变，性能优于标准RVQ和并行分解。

Comments Accepted to Interspeech 2026

DS@GT ARC at AnimalCLEF 2026: Species-Aware Graph Construction for Multi-Species Animal Re-Identification

DS@GT ARC参加2026年动物CLEF：用于多物种动物重新识别的物种感知图构建

Evan Sinclair Smith, Anthony Miyaguchi, Snigdha Palamari, Danté Evangelista

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

AI总结 该研究针对多物种动物重新识别问题，提出将其作为物种感知图构建，通过整合预处理、检索、验证、评分、边缘接纳和社区检测等流程，提升识别效果，所选提交在230个团队中排名第五，凸显视觉表示与多种约束校准整合的重要性。

Comments 18 pages, 8 figures. Accepted to the CLEF 2026 Working Notes. Code: https://github.com/dsgt-arc/animalclef-2026

Scaling Limits of Constant-Stepsize SGD at Flat Minima

常步长随机梯度下降在平坦极小值处的缩放极限

Jingyi Zhang, Cheng Mao, Debankur Mukherjee

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

AI总结 研究常步长随机梯度下降在平坦极小值处的缩放极限，通过分析由压缩驱动链生成马尔可夫噪声的SGD，证明其在特定距离下的收敛性，给出不同平坦指数下的收缩因子及小步长缩放极限，揭示了与强凸情况不同的行为。

Comments 52 pages, 3 figures, 1 table

ChemFusion: A Multimodal Cross-Attention Network for Reaction Yield Prediction

ChemFusion：用于反应产率预测的多模态交叉注意力网络

Qiwei Han, Chi Zhou

机构 * Duke University（杜克大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究过渡金属催化反应产率预测难题，提出ChemFusion多模态交叉注意力网络，融合电子特征与3D原子坐标，用交叉注意力机制，在交叉偶联库基准测试中性能出色，还能自主学习识别和惩罚空间位阻，提供物理可解释性。

Comments 10 pages, 4 figures, 2 tables

Bundle Adjustment in the Eager Mode

急切模式下的捆绑调整

Zitong Zhan, Huan Xu, Zihang Fang, Xinpeng Wei, Yaoyu Hu, Chen Wang

机构 * Spatial AI & Robotics (SAIR) Lab, University at Buffalo（空间人工智能与机器人实验室，布法罗大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Purdue University（普渡大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出了一种与PyTorch无缝集成的高效急切模式捆绑调整库，通过稀疏感知的自动微分设计和GPU加速的稀疏运算，提升了在机器人应用中捆绑调整的运行效率和性能。

Journal ref IEEE Transactions on Robotics (T-RO), 2026

Does RAG Know When Retrieval Is Wrong? Diagnosing Context Compliance under Knowledge Conflict

RAG 能知道检索错误吗？知识冲突下的上下文合规性诊断

Yihang Chen, Pin Qian, Su Wang, Sipeng Zhang, Huan Xu, Shuhuai Lin, Xinpeng Wei

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 提出上下文驱动分解（CDD）方法，在推理时探测并干预检索增强生成中的上下文与参数知识冲突，揭示上下文合规性模式并提升鲁棒性。

Comments Preprint. 3 figures, 3 tables. Diagnostic study of context compliance in RAG under knowledge conflict; closed-API evaluations (Gemini-2.5-Flash and Claude family)

Compositional Diffusion with Guided Search for Long-Horizon Planning

用于长期规划的带引导搜索的组合扩散

Utkarsh A Mishra, David He, Yongxin Chen, Danfei Xu

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

AI总结 研究针对组合生成模型在局部分布多模态时的模式平均问题，提出带引导搜索的组合扩散方法（CDGS），通过特定采样、过滤和重采样解决问题，在机器人操作任务上表现出色且跨领域通用。

Comments 38 pages, 18 figures, ICLR 2026 ORAL

One-shot acceleration of transient PDE solvers via online-learned preconditioners

通过在线学习预处理器实现瞬态偏微分方程求解器的一次性加速

Mikhail Khodak, Min Ki Jung, Brian Wynne, Edmond Chow, Egemen Kolemen

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Seoul National University（首尔国立大学） ； Princeton University（普林斯顿大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究针对瞬态偏微分方程数值模拟，提出用强盗算法利用线性求解器反馈在线学习预处理器配置的PCGBandit方法，直接在OpenFOAM上实现，可一次性加速模拟，在流体和MHD问题上验证了有效性。

Comments code available at https://github.com/mkhodak/PCGBandit

Journal ref Computer Physics Communications 327 (2026) 110304

DSBench: A Comprehensive Benchmark for Evaluating External and In-Cabin Risks

DSBench：用于评估外部和车内风险的综合基准测试

Xianhui Meng, Yuchen Zhang, Zhijian Huang, Zheng Lu, Ziling Ji, Yandan Lin, Yaoyao Yin, Hongyuan Zhang, Wei Zhou, Guangfeng Jiang, Li Zhang, Long Chen, Hangjun Ye, Jun Liu, Xiaoshuai Hao

机构 * University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiaomi EV（小米电动车） ； Fudan University（复旦大学） ； Xidian University（西安电子科技大学） ； South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 针对视觉语言模型在安全关键场景适用性未充分探索的问题，引入DSBench综合基准测试，涵盖外部与车内风险，分多类别。评估发现模型在复杂情况下降，构建数据集微调可提升性能，推动自动驾驶技术发展，相关资源将公开。

Physically-Feasible Reactive Synthesis for Terrain-Adaptive Locomotion

用于地形自适应运动的物理可行反应式合成

Ziyi Zhou, Qian Meng, Hadas Kress-Gazit, Ye Zhao

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Cornell University（康奈尔大学） 纠错

AI总结 针对四足动物在动态变化地形的运动规划问题，提出综合规划框架，结合反应式合成与混合整数凸规划，采用符号修复机制，经实验验证该框架能识别缺失技能并在关键环境有效响应。