高校专区
自主建筑能源管理中强化学习的综述
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文综述了强化学习在自主建筑能源管理系统中的应用，总结了相关文献，并探讨了未来研究方向和挑战。
Comments 17 pages, 3 figures
ODEs的算法理论与从良好条件的logconcave密度采样
机构 * University of Washington & Microsoft Research（华盛顿大学与微软研究院） ； UT-Austin & University of Washington（德克萨斯大学奥斯汀分校与华盛顿大学） ； Georgia Tech（佐治亚理工学院）
AI总结 本文提出了一种求解多元微分方程的通用算法，其解接近已知基函数的张成，从而实现了近线性时间复杂度的HMC采样方法，适用于广泛使用的logistic回归损失函数。
多智能体系统的有限时间控制屏障证书与时序逻辑控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出利用有限时间收敛控制屏障函数和线性时序逻辑规范合成多智能体连续时间动态系统的控制器，确保系统在有限时间内收敛到目标集并保持前向不变性，解决连续时间可达性问题。
Comments To appear in the 57th IEEE Conference on Decision and Control, Miami Beach, FL, USA, 2018
AutoRally：一个用于激进自动驾驶的开放平台
机构 * Georgia Tech Autonomous Racing Facility（佐治亚理工学院自动驾驶赛车中心）
AI总结 本文介绍了一个1:5比例的机器人测试平台AutoRally，旨在提供稳健、易用和可重复的自动驾驶研究环境，使非专业人员也能收集真实世界的数据。
在PDE框架中的加速优化：微分流形上的形式化方法
机构 * KAUST (King Abdullah University of Science and Technology)（卡斯特大学（国王阿卜杜勒-阿齐兹大学）） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种适用于微分流形上优化问题的新方法，通过将Nesterov加速优化推广到无限维流形，推导出连续演化方程并将其与流体力学原理联系起来，同时与最优运输问题建立联系。
一种参数MPC方法用于平衡抽象成本的差分驱动移动机器人
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种参数MPC方法，用于优化差分驱动移动机器人的抽象成本，通过分析精度和机动性成本，改进了单积分器模型的控制策略。
Comments ICRA 2018
可弯曲立方体机器人路径规划与碰撞避免使用广义L_p范数
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于广义L_p范数的立方体机器人路径规划方法，通过隐式表面近似和双重优化问题解决碰撞避免问题，验证了方法的有效性。
Comments 12 pages, 6 figures
在PDE框架中实现加速优化：活动轮廓情况的公式化
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电子工程学院，佐治亚理工学院） ； Electrical Engineering, King Abdullah University of Science and Technology（电气工程，国王阿卜杜勒-阿齐兹大学）
AI总结 本文探讨了在PDE框架中利用加速优化方法提升参数估计性能，通过变分框架和Bregman散度推导连续极限ODE，并扩展至无限维流形，引入共进化质量模型连接最优质量传输的流体力学公式化。
SPARTan：适用于大规模稀疏数据的可扩展PARAFAC2
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Riverside（加州大学河滨分校）
AI总结 本文提出SPARTan方法，用于高效处理大规模稀疏数据的PARAFAC2分解，实现速度和内存效率的提升，并在真实医学数据中验证了其有效性。
无线网络质量可控性研究：基于移动机器人中继节点
机构 * Department of Electrical and Computer Engineering, Georgia Institute of Technology（电子与计算机工程系，佐治亚理工学院）
AI总结 本文研究通过移动机器人中继节点的部署与移动控制，优化无线网络通信质量，提出集中式和分布式两种优化算法，通过仿真实验验证其性能。
基于增量采样的信息论随机最优控制
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Daniel Guggenheim School of Aerospace Engineering（航空航天工程丹尼尔·古根海姆学校） ； Institute of Robotics and Intelligent Machines（机器人与智能机器研究所） ； Control Systems Laboratory（控制系统实验室） ； Autonomous Control and Decision Systems Laboratory（自主控制与决策系统实验室）
AI总结 本文提出基于增量采样的算法，将RRT与信息论随机最优控制相结合，解决大系统中非线性随机微分方程的最优控制问题。
Comments 18 pages
QUBRIC：为超越可验证奖励的强化学习协同设计查询与评分标准
机构 * Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 针对基于评分标准的强化学习中查询分布固定导致的评分标准质量瓶颈，提出QUBRIC框架，通过协同设计查询与评分标准，利用教师关键点、对比生成和可学习性过滤，在ArenaHard上取得+5.5点提升，并泛化到法律、道德和叙事推理任务。
通过幻觉拒绝采样构建可靠的长文本生成
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； DeepMind（深度思维）
AI总结 提出分段幻觉拒绝采样框架SHARS，利用任意幻觉检测器在生成过程中拒绝并重采样幻觉片段，以缓解长文本生成中的幻觉累积问题，提升事实一致性。
Comments accepted by ICML 2026
SeeTraceAct: 跨具身演示视频中的可见性感知潜在规划
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Allen Institute for AI（Allen人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学）
AI总结 提出SeeTraceAct框架，通过可见性感知的未来末端执行器轨迹预测增强空间定位，实现基于单次跨具身演示视频的机器人策略泛化，在模拟和真实场景中取得最优成功率。
规划、验证与填充：扩散语言模型的结构化并行解码方法
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学）
AI总结 提出Plan-Verify-Fill (PVF)方法，通过定量验证进行分层骨架规划，并采用验证协议实现结构化停止，在保持准确性的同时将函数评估次数减少高达65%。
ClinEnv：面向智能体的交互式多阶段长时程电子健康记录环境
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） ； University of Texas Southwestern Medical Center（德克萨斯西南医学中心） ； Tsinghua University（清华大学）
AI总结 提出ClinEnv，一个基于真实住院患者数据的交互式基准，通过多阶段决策序列评估大语言模型在不确定性下逐步收集信息并做出不可逆决策的能力，发现模型决策质量与过程质量严重脱节。
Comments 20 pages, 6 figures, 12 tables
调查和缓解大语言模型交互中的危害放大
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出HarmAmp基准和TrajSafe监控器，用于评估和缓解多轮对话中大语言模型对危害的放大效应。
温度前后：创造性LLM生成的分布视角
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Indian Institute of Technology, Kharagpur（印度理工学院克哈格布尔分校） ； Delhi Technological University（德里技术大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Rutgers University（罗格斯大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 通过分析采样温度重塑token分布的特征，提出一种无需参考的创造力评估方法，在Llama-3.1-8B-Instruct上达到Spearman ρ=0.918（LLM评判）和ρ=0.870（人类多数评判），显著优于现有基线。
Comments Submitted to NGEN-AI 2026
BRo-JEPA：在潜空间中学习模算术
机构 * Georgia Institute of Technology（佐治亚理工学院） ； NYU Langone Health（纽约大学Langone医疗中心）
AI总结 本文提出BRo-JEPA模型，通过在潜空间中施加模10算术的循环结构，实现零样本泛化，解决了标准模型无法外推未见操作的问题。
Comments 10 pages, 14 figures
面向决策的在线策略学习用于部分反馈下的上下文线性优化
机构 * Department of Industrial Engineering and Operations Research, University of California, Berkeley（工业工程与运筹学系，加州大学伯克利分校） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（H.米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院）
AI总结 提出一种混合梯度估计方法，用于部分反馈下顺序上下文线性优化的在线策略学习，实现决策质量驱动的预测模型训练，并在多个基准上优于上下文多臂赌博机基线。
DSL-LLaDA: 将连续去噪扩展到8B掩码扩散语言模型
机构 * University of California, Riverside（加州大学河滨分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软）
AI总结 通过离散随机定位（DSL）将预训练掩码扩散语言模型（LLaDA-8B-Instruct）轻量适配为支持连续嵌入空间去噪，在低步数下实现高质量摘要生成并避免长度-质量权衡。
Comments 8 pages, 4 figures, 28 tables
通过交错运动规划使您的VLA更鲁棒而无需更多数据
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出MPVI框架，将基于模型的运动规划与视觉-语言-动作模型交错结合，通过VLM完成检查和本体感受触发实现可靠切换，无需额外训练即可提升长时域移动操作任务的鲁棒性，在BEHAVIOR-1K基准上任务进度提升113%。
细胞层神经算子用于约束PDE的结构保持代理建模
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Franklin & Marshall University（弗兰克林与马歇尔大学）
AI总结 提出细胞层神经算子，通过面向细胞复形的消息传递和Hodge拉普拉斯算子，在代理模型中保持PDE的几何约束和物理结构，在湍流MHD和聚变平衡任务中提升了结构敏感诊断指标。
Comments 41 pages, 5 figures, 3 tables
CV-Arena: 面向教学计算机视觉问题求解的开放基准与人类-AI协作偏好
机构 * Texas A&M University（德克萨斯A&M大学） ； Worcester Polytechnic Institute（沃斯特理工大学） ； Tohoku University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（英伟达） ； UCSB（加州大学圣塔芭芭拉分校） ； UC Merced（加州大学默塞德分校）
AI总结 提出CV-Arena基准，包含12K高分辨率真实图像指令对，覆盖16种任务类型，并采用Active Elo协议结合人类与AI偏好评估21个系统，揭示指令遵循、物理推理等方面的差距，同时开发CV-Agent代理模型展示闭环推理的潜力。
Comments 26 pages, 7 figures, 11 tables
GABI: 用于航天器分割的几何感知边界集成
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出一种轻量级边界感知多任务分割架构GABI，通过辅助距离场预测头增强卷积骨干网络，在保持低模型复杂度的同时提升航天器分割精度，在SPARK基准上平均精度提升5%，跨域泛化提升50%。
Comments Accepted to AI4Space at CVPR 2026
证书引导的强化学习泛化评估
机构 * School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机科学学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学 computing and information systems 学院）
AI总结 提出一个逻辑驱动框架，通过神经证书函数验证强化学习算法在未见任务上的泛化能力，并证明证书违规率与测试任务成功率负相关。
解耦行为克隆实现基于规范的强化学习中的可扩展归纳泛化
机构 * School of Computer Science, Georgia Institute of Technology, USA（美国佐治亚理工学院计算机科学学院） ； Department of Computer Science and Engineering, Indian Institute of Technology Kanpur, India（印度理工学院坎浦尔分校计算机科学与工程系）
AI总结 提出DIBS方法，通过解耦任务特定策略学习与演化函数学习，利用行为克隆替代噪声奖励聚合，提升训练稳定性和零样本泛化能力。
粗到细的组合扩散用于长时域规划
机构 * KAIST（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Coarse-to-Fine Compositional Diffusion (CoFi)方法，通过先形成全局骨架再细化局部细节，在长时域机器人规划、全景图像生成和长视频生成中提升全局一致性和局部质量，同时减少2-8倍去噪评估次数。
Comments Project page: https://cofi-diffusion.github.io
超越纯采样：非凸模型预测控制的混合优化机制
机构 * School of Aerospace Engineering, Georgia Institute of Technology, Atlanta, GA, USA（航空航天工程学院，佐治亚理工学院，美国亚特兰大，GA州） ； Development Division, Komatsu Ltd., Tokyo, Japan（Komatsu Ltd.开发部门，日本东京） ； Department of Electrical and Computer Engineering, Inha University, Incheon, Republic of Korea（电气与计算机工程系，inha大学，韩国仁川，大韩民国）
AI总结 本文提出一种结合梯度下降与基于逆Hessian采样的双步优化机制，用于非凸模型预测控制，在多种机器人导航任务中相比纯采样方法（如MPPI）具有更高成功率和稳定性。
Comments 28 pages, 13 figures
ViBE: 针对MoE服务的工作负载偏斜与硬件变异性协同优化
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Advanced Micro Devices, Inc.（先进微器件公司）
AI总结 提出ViBE框架，通过感知硬件的专家放置方法，结合GPU性能建模与专家激活分析，最小化分布式MoE推理中的执行时间不平衡，显著提升SLO达标率并降低P90 TTFT。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈