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

Phantom Gains: Auditing Self-Improvement Against a Measured Null

幻影增益：针对可测量零假设的自我改进审计

Cheng Xu, Nan Yan, Liming Chen, M-Tahar Kechadi

机构 * University College Dublin（都柏林大学学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Dalian University of Technology（大连理工大学） 纠错

AI总结 该研究针对Qwen3-8B的LoRA自训练开展审计，发现测量伪影会反转改进结论，提出用逐问题精确检验替代自然阈值修复，还揭示外部蒸馏与自训练的不同效果及自训练的破坏作用。

Comments Code and evaluation artifacts are available at this https URL (https://github.com/chengxuphd/phantom-gains)

Bringing analytic rigor to agentic AI for science: The Brain Researcher platform for neuroimaging data analysis

为面向科学的智能体AI赋予分析严谨性：用于神经影像数据分析的Brain Researcher平台

Zijiao Chen, Nicholas Lu, Xinhui Li, Jocelyn A. Ricard, Ce Ju, Huan H. Wang, Christian Kindermann, Jeanette A. Mumford, Steven Dillmann, James Kent, Alejandro de la Vega, Sanmi Koyejo, Vince D. Calhoun, Joshua W. Buckholtz, Juan Helen Zhou, Steffen Bollmann, Russell A. Poldrack

机构 * Stanford University（斯坦福大学） ； Tri-institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（三机构神经成像与数据科学转化研究中心（TReNDS）） ； Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Inria（法国国家信息与自动化研究所） ； CEA（法国原子能和替代能源委员会） ； Université（大学） 纠错

AI总结 该研究推出Brain Researcher智能体研究平台，用于神经影像数据分析，其遵循分析规则等要求，提升了工具选择准确率与可验证依据，嵌入方法判断以增强智能体AI的分析严谨性。

Comments 103 pages, 19 figures; Supplementary Information included

Scale-Separated Conditioning for Style-Encoder-Free Diffusion Stylization

用于无风格编码器的扩散风格化的尺度分离条件设置

Jingtao Zhang, Haorui Gao, Youqing Liang, Zeming Liu

机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院） ； Courant Institute of Mathematical Sciences, New York University（纽约大学柯朗数学科学研究所） ； Department of Computer Science, Brown University（布朗大学计算机科学系） 纠错

AI总结 本研究提出无风格编码器的扩散风格化框架SEFS，通过单张图像低分辨率裁剪形成风格令牌，在未配对单张图像上训练，提升艺术风格化的内容一致性等性能，代码将公开。

Rationally Enriched Chebyshev Trunk Bases for DeepONet Surrogates of High Péclet Entrance Transport

用于高佩克莱特入口输运问题DeepONet代理模型的理性富集切比雪夫主干基

Mingeun Choi, Satish Kumar

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

AI总结 本研究提出理性富集切比雪夫主干的DeepONet代理模型，用于高佩克莱特入口输运问题，可降低剖面误差并抑制近壁振荡，在特定摄动参数下优势显著。

Comments 39 pages, 9 figures