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

Online Algorithms via Minimax and Posterior Matching

基于极小极大与后验匹配的在线算法

Thomas Kesselheim, Marco Molinaro, Kalen Patton, Sahil Singla

机构 * University of Bonn（波恩大学） ； Institute of Computer Science, University of Bonn（波恩大学计算机科学学院） ； Microsoft Research（微软研究院） ； PUC-Rio（里约热内卢天主教大学） ； Georgia Tech（佐治亚理工学院） ； School of Mathematics, Georgia Tech（佐治亚理工学院数学学院） ； School of Computer Science, Georgia Tech（佐治亚理工学院计算机科学学院） 纠错

AI总结 该研究基于极小极大视角提出后验匹配原理，将在线算法竞争分析简化为贝叶斯在线设计，为多类在线问题提供最优或接近最优保证，构建了可复用的理论框架。

Comments To appear at FOCS 2026

Retrieval Augmented Biomedical Question Answering with Weak Question Recovery and Neural Reranking for BioASQ Task 14b

面向BioASQ第14b任务的结合弱问题恢复与神经重排序的检索增强生物医学问答

Xueying Zhao, Lee Mai, Balaji Anandganesh

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

AI总结 该研究针对BioASQ第14b任务，构建了结合多源查询扩展等技术的生物医学问答系统，通过弱问题恢复与检索后剪枝提升检索性能，经实验验证可显著优化MAP@10指标。

Action Chunk Scheduling for Batched Robot Policy Serving

用于批量机器人策略服务的动作块调度

Rohan Bansal, David He, Nadun Ranawaka Arachchige, Zhenyang Chen, Soobum Kim, Kexin Rong, Danfei Xu

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

AI总结 本文提出从远程GPU向多机器人提供策略服务的调度问题，构建Armory系统，提出考虑机器人异构性的调度算法，使真实场景系统吞吐量最高提升18%。

DS@GT ARC at MEDIQA-CORE-Task-1 2026: Trimodal Model Fusion with Task-Specific Gates for Brain Tumor Subtype Classification

DS@GT ARC团队参与2026 MEDIQA-CORE-Task-1：采用带任务特定门控的三模态模型融合进行脑肿瘤亚型分类

Hoang Thanh Thanh Truong, Charles R. Clark

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Florida（佛罗里达大学） 纠错

AI总结 DS@GT ARC团队针对2026 MEDIQA-CORE-Task-1，提出带任务特定门控的三模态模型融合方法，结合多类嵌入与报告，获全多模态下0.801宏F1，排名第二。

Comments CLEF 2026 Working Notes, 21 - 24 September 2026, Jena, Germany

Generic Vision and Cross-Attention for Reaction Yield Prediction

用于反应产率预测的通用视觉与交叉注意力机制

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 该研究针对传统反应产率预测缺乏空间信息的问题，提出双模态视觉交叉注意力架构，结合通用视觉骨干网络与残差连接，实现了优于传统方法的预测精度，为物理化学研究提供了可扩展的深度视觉学习方案。

Comments 12 pages, 4 figures