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

Domain-Adapted Power Curve for Cross-Farm Applications

用于跨农场应用的域适应功率曲线

Ahmadreza Chokhachian, V. Roshan Joseph, Yu Ding

机构 * H. Milton Stewart School of Industrial and Systems Engineering（H. Milton Stewart工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究如何将基于运营风电场数据训练的功率曲线模型转移到新农场，提出基于域适应的迁移学习方法，实验表明该方法在跨农场功率预测上显著优于其他方法。

Comments Submitted to Renewable Energy

Lightweight Person-Place Relation Extraction from Historical Newspapers with Dependency Graphs and Proximity Features

利用依存图和邻近特征从历史报纸中进行轻量级人物-地点关系提取

Mlen-Too Wesley

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

AI总结 研究从历史报纸中提取人物-地点关系，构建文档级图，提取实体对特征，用小型模型分类。在官方评估中取得一定成绩，发现最小字符距离重要，且文档分组交叉验证对避免数据泄漏、保证结果可靠至关重要。

Comments 19 pages, 4 figures. Accepted at CLEF 2026 HIPE Shared Task. To appear in CEUR Workshop Proceedings (CEUR-WS.org)

Morphing MILR: Design and control of a cable-driven limbless robot with rolling joints for maneuvering in complex environments

变形MILR：一种用于复杂环境中操纵的具有滚动关节的电缆驱动无肢体机器人的设计与控制

Donoven Dortilus, Tianyu Wang, Galen Tunnicliffe, Matthew Fernandez, Daniel I. Goldman

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

AI总结 研究旨在解决单一无肢体机器人如何在保持柔顺运动稳健性的同时实现通用运动的问题。核心方法是结合可编程弯曲柔顺性和形态控制，设计了含滚动关节的电缆驱动机器人。主要贡献是实现多种运动模式，通过实验验证了其在复杂环境导航中的有效性。

A Unified Variational Framework for Deep Weakly Supervised Image Segmentation

用于深度弱监督图像分割的统一变分框架

Yin King Chu, Lingfeng Li, Sung Ha Kang, Jianping Zhang, Xue-Cheng Tai

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Hetao Institute of Mathematics and Interdisciplinary Sciences（河套数学与交叉科学研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiangtan University（湘潭大学） ； Norwegian Research Center（挪威研究中心） 纠错

AI总结 提出用于稀疏像素级监督图像分割的统一变分框架，基于特定模型产生能量泛函作训练损失，利用RKHS构建模糊隶属函数纳入稀疏标签，实验显示该方法比基线更优，无需真实分割图像即可有可比性能。

End-to-End Differential Privacy in Training Deep Neural Network Classifiers

深度神经网络分类器训练中的端到端差分隐私

Huaiyuan Rao, Calvin Hawkins, Alexander Benvenuti, Matthew Hale

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） 纠错

AI总结 研究在深度神经网络分类器训练中实现端到端差分隐私，提出对训练输入私有化、标签公开的框架，并利用狄利克雷机制和雷尼差分隐私概念，实验表明在多个数据集上达到新最优精度，显著优于先前工作。

Comments 32 pages, 10 tables, 3 figures

LaSEr-Edit: Localized Span-level Error Editing with Energy-based Localization

LaSEr-Edit：基于能量定位的局部跨度级错误编辑

Hye Ryung Son, Saehee Eom, Mooho Song, Jay-Yoon Lee

机构 * Graduate School of Data Science（数据科学研究生院） ； Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究针对大语言模型满足约束问题，提出LaSEr-Edit方法。利用轻量级特定任务的基于能量的模型进行错误定位，提出LaSEr-LLM Edit和LaSEr-EBM Edit两种文本修订方法，实验表明该方法能有效控制文本，多约束下也表现良好。

Comments 38 pages, 7 figures