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

The Role of Causality in Algorithmic Recourse

因果关系在算法追索中的作用

Srikanth Avasarala, Varun Gupta, Shahin Jabbari, Saber Salehkaleybar, Juba Ziani

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Vector Institute（向量研究院） ； Drexel University（德雷塞尔大学） ； Leiden University（莱顿大学） 纠错

AI总结 本研究针对算法追索仅关注翻转模型预测的缺陷，提出因果表演框架建模追索行动的因果传播，实验显示其优于标准方法并减少模型重训需求。

How Benchmarks Mis-Score Computer-Use Agents

基准测试如何错误评估计算机使用智能体

Zihan Dong, Zhiyuan Ma, Zekun Wang, Yunqing Li, Zirou Liu, Ruixuan Deng, Qishi Zhan, Rui Qian

机构 * Georgia Institute of Technology（佐治亚理工学院） ； North Carolina State University（北卡罗来纳州立大学） ； Lenovo AI Technology Center（联想人工智能技术中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Marquette University（马凯特大学） ； Fudan University（复旦大学） 纠错

AI总结 该研究指出计算机使用智能体的基准测试分数存在可靠性问题，审计150条轨迹发现15.3%的“失败”判定错误，进而推导了CUA评估各阶段的设计规则。

Static In, Dynamic Out: Counterfactual Action Augmentation for Moving Object Manipulation

静态输入，动态输出：面向运动物体操作的反事实动作增强方法

Woo Chul Shin, Zhenyang Chen, Alfred Cueva, Nadun Ranawaka Arachchige, Yingyan Celine Lin, Benjamin Joffe, Shreyas Kousik, Danfei Xu

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

AI总结 该研究针对视觉运动策略无法适应运动物体操作的问题，提出SIDO反事实动作增强方法，经模拟和真实任务验证，其在提升运动物体操作成功率的同时保留了静态物体操作性能。

DS@GT ARC at ImageCLEFmedical 2026: Architectural Diversity for Concept Detection and Foundation-Model Scaling for Caption Prediction in Medical Image Analysis

DS@GT ARC参与2026年ImageCLEFmedical任务：医学图像分析中用于概念检测的架构多样性与用于字幕预测的基础模型缩放

Bowen Wang, Youwen Zhang, Ritesh Mehta

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

AI总结 该研究介绍DS@GT团队参与2026年ImageCLEFmedical医学图像分析任务，提交不同模型完成概念检测与字幕预测，其中集成模型在概念检测赛道获第一，各模型覆盖不同规模与成本。

Comments 21 pages, 9 figures

Hidden APIs in Language Models: Discovering Reusable Causal Interfaces from Forked Futures

语言模型中的隐藏API：从分叉未来中发现可复用的因果接口

SiYuan Ma, Yiqin Luo, Zhangji, Canran Xiao, Albert Gao, Wei-Hsing Huang, Wei Wang, Qiwei Wu, Xinran Li, Jinfeng Wei, Qixin Zhang

机构 * Nanyang Technological University（南洋理工大学） ； Southern University of Science and Technology（南方科技大学） ； Tianjin University（天津大学） ； Sun Yat-sen University（中山大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本研究从分叉未来采样后续操作以比较语言模型隐藏状态，发现共享接口在多模型评估中表现最优，支持测试操作库中存在可复用因果接口。

Failure Detection for Surgical Robot Imitation Policies via Flow-Matching World Modeling

基于流匹配世界建模的外科机器人模仿策略故障检测

Zhefeng Huang, Yilin Cai, Ankit Patel, Mohammad Hajiha, Brendan Browne, Yue Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） 纠错

AI总结 该研究针对外科机器人模仿策略的故障检测难题，提出FoMo-FD方法，利用流匹配世界模型实现无故障演示的视觉-动作不一致性窗口级检测，在dVRK的模拟与真实实验中表现优于基线方法。

Comments 9 pages, 6 figures. Submitted to IEEE Robotics and Automation Letters (RA-L)

Tight Bounds for Learning Polyhedra with a Margin

具有边距的多面体学习的紧界

Shyamal Patel, Santosh Vempala

机构 * Columbia University（哥伦比亚大学） ； Georgia Tech（佐治亚理工学院） 纠错

AI总结 本文提出了一种在误差ε内学习k个半空间交集的算法，时间复杂度为多项式乘以指数项，改进了以往工作并匹配了密码学和统计查询下界。

A Tale of LLMs and Induced Small Proxies: Scalable Small Language Models for Knowledge Mining

小型语言模型代理实现高效高质量的知识挖掘

Sipeng Zhang, Longfei Yun, Zilong Wang, Letian Peng, Jingbo Shang

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

AI总结 提出Falconer框架，结合大语言模型的代理推理与轻量级代理模型，通过规划与标注实现可扩展的知识挖掘，在保持指令遵循精度的同时降低90%推理成本并加速20倍以上。

Comments Code available: https://github.com/LongfeiYun17/falconer