高校专区
CALM-IT: 通过双角色对话动态追踪生成逼真的长形式动机访谈对话
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Northwell Health（北well健康） ； Columbia University（哥伦比亚大学）
AI总结 提出CALM-IT框架，通过显式建模客户与咨询师状态的演变来生成和评估长形式动机访谈对话，在8,232个合成对话语料上优于基线方法，尤其在MITI 4.2全局评分和客户接受率上表现最佳。
Comments 53 pages, in submission to EMNLP
Camellia: 亚洲语言中LLMs文化偏见的基准测试
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Samsung R&D Institute Philippines（三星菲律宾研发院） ； Sungkyunkwan University（成均馆大学） ； Tohoku University（东北大学） ； National University of Singapore（新加坡国立大学） ； University of Copenhagen（哥本哈根大学） ； University of Michigan（密歇根大学） ； Indian Institute of Technology Delhi（印度理工学院德里） ； Institute of Science Tokyo（东京科学研究院）
AI总结 提出Camellia基准，通过三个任务评估九种亚洲语言中多语言大模型对亚洲与西方文化实体的偏见，发现模型存在文化适应困难、情感关联差异及实体提取性能差距。
模仿与微调模型预测控制实现鲁棒且对称的四足运动
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出模仿与微调模型预测控制（IFM）框架，结合模型预测控制与模仿学习及强化学习，提升四足机器人在复杂地形上的运动性能、对称性和能效。
Journal ref IEEE Robotics and Automation Letters ( Volume: 8, Issue: 11, November 2023
通过潜在迭代细化的符号回归
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出潜在方程嵌入（LEE）框架，通过迭代推断在功能基础化的潜在空间中缩小符号回归的推断差距，生成更简单且准确的表达式。
Comments Preprint. 21 pages, 11 figures
离散扩散中随机性的纠错效应
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文系统研究离散扩散模型中马尔可夫转移随机性程度对采样效率与质量的权衡，提出离散搅动与重启采样（DCRS）算法，通过交替正向和反向扩散过程注入受控随机性，在低函数评估次数下改善速度-质量权衡。
半群一致性作为学习型物理模拟器的诊断工具
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出归一化半群误差作为评估学习型物理模拟器时间组合和长程推演一致性的诊断指标，在热传导和Burgers动力学实验中验证其与推演退化正相关。
Comments 10 pages, 3 figures, 3 tables. Accepted to the AI4Physics Workshop at the 43rd International Conference on Machine Learning
自主AI代理在供应链管理中的可靠性与有效性
机构 * Harvard University（哈佛大学） ； MIT/Purdue（麻省理工学院/普渡大学） ； MIT（麻省理工学院） ； Harvard University/Kempner Institute（哈佛大学/凯普勒研究所） ； Georgia Tech（佐治亚理工学院）
AI总结 本文通过MIT啤酒游戏研究多级供应链中的自主生成式AI代理，发现模型能力是性能主导因素，但平均性能掩盖可靠性风险，并引入代理牛鞭效应，提出基于GRPO的后训练框架以提高可靠性。
立场：具有可验证奖励的强化学习的隐藏成本与测量缺口
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； The University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所AIP） ； Waseda University（早稻田大学） ； Georgia Tech（佐治亚理工学院） ； Northwestern University（西北大学） ； UCLA（加州大学洛杉矶分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Yale University（耶鲁大学） ； University of Waterloo（滑铁卢大学） ； Independent Researcher（独立研究者） ； CUHK（香港中文大学） ； UT Southwestern Medical Center（西南医学中心） ； National University of Singapore（新加坡国立大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Amazon AWS AI（亚马逊AWS人工智能）
AI总结 本文指出，具有可验证奖励的强化学习（RLVR）在提升大语言模型性能时，常因预算不匹配、尝试膨胀和基准数据污染等混淆因素导致收益被高估，并提出了预算匹配饱和曲线、校准跟踪、法官鲁棒性测试和污染筛查等最低标准。
使用数据自适应能量距离的高维数据鲁棒分类
机构 * Indian Statistical Institute , Kolkata, India（印度统计研究所，加尔各答，印度） ； School of Industrial and Systems Engineering, Georgia Institute of Technology , Atlanta, USA（工业与系统工程学院，佐治亚理工学院，美国亚特兰大） ； Computer, Electrical and Mathematical Sciences and Engineering Division, King Abdullah University of Science and Technology , Saudi Arabia（计算机、电子和数学科学与工程系，国王阿卜杜勒·阿齐兹大学科学与技术学院，沙特阿拉伯） ； Applied Statistics Unit, Indian Statistical Institute , Kolkata, India（应用统计部，印度统计研究所，加尔各答，印度） ； Department of Mathematics and Statistics, Indian Institute of Technology Kanpur , India（数学与统计系，印度理工学院坎普尔分校，印度）
AI总结 针对高维低样本量数据，提出无调参、无矩条件的鲁棒分类器，在渐近条件下实现完美分类，并通过模拟和真实数据验证其优势。
Comments Published at the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD), 2023
Journal ref In: ECML PKDD 2023: Research Track. Lecture Notes in Computer Science, vol 14173. Springer, Cham (2023)
深度ReLU和深度算子网络的神经缩放定律：一项理论研究
机构 * Department of Mathematics, Hong Kong Baptist University（香港 Baptist 大学数学系） ； Department of ACMS, University of Notre Dame（Notre Dame 大学ACMS系） ； School of Mathematics, Georgia Institute of Technology（佐治亚理工学院数学系） ； Department of Mathematics, UCLA（加州大学洛杉矶分校数学系）
AI总结 本文通过分析深度算子网络的逼近误差和泛化误差，建立了量化神经缩放定律的理论框架，揭示了网络模型大小和训练数据大小与误差之间的关系，并推广到深度ReLU网络。
用于偏好学习的主动查询合成
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Gauss Labs（Gauss实验室）
AI总结 针对偏好学习中的查询反馈可靠性问题和池评估计算瓶颈，提出基于互信息最大化的连续空间主动查询合成框架Info-Synth，并扩展出两种有限池查询策略，在合成数据、文本摘要和机器人控制任务上验证了有效性。
Comments 27 pages, 12 figures
学习路由语言以实现多语言策略优化
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Sony Group Corporation（索尼集团）
AI总结 提出语言路由策略优化（LRPO）框架，将语言作为可选变量，通过在线策略优化和可训练的语言路由器（多臂老虎机）自适应地选择语言，在固定预算下提升多语言训练信号的多样性和信息量，从而显著提高多语言性能。
Comments Accepted at ICML 2026
NEST: 面向分布式深度学习的网络与内存感知设备放置
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Washington（华盛顿大学）
AI总结 提出NEST框架，通过结构化动态规划统一模型并行、拓扑建模和内存可行性，在多种硬件和网络上实现高达2.43倍的吞吐量提升。
Comments Accepted to MLSys 2026
Hermite-NGP：用于学习PDE的梯度增强哈希编码
机构 * Georgia Institute of Technology, Atlanta, GA, USA（佐治亚理工学院，亚特兰大，GA，美国）
AI总结 提出Hermite-NGP，一种梯度增强的多分辨率哈希编码，通过显式存储哈希网格顶点处的函数值和混合偏导数并利用Hermite插值实现解析梯度计算，从而快速准确地计算神经PDE求解器的空间导数，并引入多分辨率课程训练策略，在2D和3D PDE基准上实现高达约20倍误差降低和2-10倍收敛时间减少。
Comments Accepted by ICML 2026.Project page: https://jinjinhe2001.github.io/hermite-ngp/
用于多轮LLM微调的合成轨迹的双层优化
机构 * Harvard University（哈佛大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出BOOST双层优化框架，通过内层加权训练和外层轻量级重加权头学习，解决合成轨迹质量异质性导致的LLM多轮交互性能下降问题。
可达性的强化学习：保证渐近最优性
机构 * Institute of Science and Technology, Austria（奥地利科学与技术研究所） ； Georgia Institute of Technology, USA（美国佐治亚理工学院） ； Dartmouth College, USA（美国达特茅斯学院）
AI总结 针对可达性规格的强化学习，提出一种基于PAC学习的迭代方法，在无需已知MDP内部参数的情况下实现渐近最优策略，并通过实验验证收敛动态。
Comments Main text and appendix of work accepted in ICML 2026
GeMPO：在线扩散强化学习的广义度量匹配
机构 * Harvard University（哈佛大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出GeMPO框架，通过将扩散RL中的重加权从softmax推广到一般单调函数，并引入负重加权机制，以解决过贪策略和负样本利用不足的问题。
Comments 22 pages, 6 figures
通过分位数贝叶斯风险MDP演化在线强化学习中的鲁棒性-探索权衡
机构 * School of Industrial and Systems Engineering（工业与系统工程系） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一种基于分位数贝叶斯风险MDP的自适应算法，通过动态调整分位数水平来平衡早期鲁棒性与后期探索，并证明了亚线性贝叶斯遗憾界。
地形自适应履刺轮用于最优行星探测：设计与实验研究
机构 * Aerospace Robotics Lab, Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（航空航天机器人实验室，丹尼尔·古根海姆航空航天工程学院，佐治亚理工学院）
AI总结 针对行星车在颗粒地形上的移动难题，提出一种可连续调节履刺高度的多模态轮，实验表明自适应部署可减少滑转30-58%，并提升行驶时间和能效达77.4%。
Comments Under Review
临床访谈抑郁症检测基准的多探针审计
机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） ； Georgia Tech Research Institute, Georgia Institute of Technology（佐治亚理工学院研究 institute）
AI总结 通过四个互补探针审计临床访谈抑郁症检测基准，发现评估协议缺陷、排行榜不可靠、跨域泛化弱以及文本与音频模态对症状密度的敏感性差异。
AgentArk：将多智能体智能蒸馏到单个LLM智能体中
机构 * Carnegie Mellon University（卡内基梅隆大学） ； William & Mary（威廉与玛丽学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Amazon（亚马逊） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 提出AgentArk框架，通过三种分层蒸馏策略将多智能体系统的交互动态蒸馏到单个模型权重中，使单个智能体具备多智能体的推理和自校正能力，同时保持计算效率。
诊断不同PDE族中神经算子的失败模式
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一个标准化压力测试框架，通过在不同PDE族上测试FNO、DeepONet和CNO三种架构，发现分布内准确率不能可靠预测鲁棒性，且失败模式依赖于架构和PDE族的组合。
Comments Published in Transactions on Machine Learning Research. 17 pages, 7 figures, 1 table
PathWise：通过世界模型规划实现基于自进化LLM的自动启发式设计
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出PathWise多智能体推理框架，将启发式生成建模为基于蕴含图的序列决策过程，通过策略智能体、世界模型智能体和评论智能体的协作实现状态感知规划，在组合优化问题上收敛更快、泛化更强。
Comments Accepted to ICML 2026
CultivAgents：培育以关系为中心的多智能体系统以实现个性化园艺
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出 CultivAgents，一个基于关怀伦理、协调经验、环境和民族植物学三个专业智能体的多智能体系统，为社区园丁提供个性化、社会文化背景化的园艺支持，并通过混合方法研究验证其有效性。
Comments Preprint, 9 pages. Website: https://hello-diana.github.io/CultivAgents/
Flow Mismatching: 通过流匹配模型中的速度差异进行无监督异常检测
机构 * Arizona State University（亚利桑那州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Flow Mismatching方法，利用正常数据训练的流匹配模型在测试图像路径上的预测速度与几何速度的差异进行无监督异常检测，无需重建、测试时优化或额外校准。
HawkesLLM：智能体文本模拟中的语义不确定性传播
机构 * Department of Industrial and Systems Engineering, University of Minnesota（工业与系统工程系，明尼苏达大学） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（H. Milton Stewart工业与系统工程学院，佐治亚理工学院）
AI总结 提出HawkesLLM框架，通过多变量Hawkes过程建模时间影响与文本生成分离，解决智能体文本模拟中语义不确定性路径依赖问题，在GDELT新闻级联案例中提升后期语义对齐。
Comments 10 pages, 4 figures, Accepted at the ICML 2026 Workshop on Statistical Frameworks for Uncertainty in Agentic Systems
从解剖到疾病表型的通用CT表示：通过聚合预训练
机构 * Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology and Emory University（沃森·H·库勒生物医学工程系，佐治亚理工学院和埃默里大学） ； Department of Radiation Oncology and Winship Cancer Institute, Emory University（放射肿瘤学系和Winship癌症研究所，埃默里大学） ； Department of Electrical and Computer Engineering, Duke University（电气与计算机工程系，杜克大学） ； Department of Computer Science and Informatics, Emory University（计算机科学与信息学系，埃默里大学） ； Department of Materials Science & Engineering, Nuclear Engineering Program, University of Florida（材料科学与工程系、核工程项目，佛罗里达大学）
AI总结 提出FlexiCT系列CT基础模型，通过三阶段聚合连续预训练（二维轴向、三维解剖、报告引导语义对齐）统一CT分析，在分割、分类、配准、视觉语言理解和临床检索等任务上达到或超越专用模型，并捕获与肿瘤分期相关的影像特征。
面向临床的大脑MRI基础模型：来自FOMO25挑战赛的发现
机构 * organization= Department of Computer Science, University of Copenhagen , city= Copenhagen , country= Denmark ； organization= Pioneer Centre for AI , city= Copenhagen , country= Denmark ； organization= Copenhagen Research Centre for Biological ； Precision Psychiatry, Mental Health Centre Copenhagen, Copenhagen University Hospital , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital ； Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； Artificial Intelligence Laboratory, Massachusetts Institute of Technology , city= Boston , state= Massachusetts , country= USA ； organization= Johns Hopkins University , city= Baltimore , state= Maryland , country= USA ； organization= Radiological AI Testcenter (RAIT) , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Copenhagen University Hospital, Rigshospitalet , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Copenhagen University Hospital, Bispebjerg \& Frederiksberg Hospital , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Department of Clinical Medicine, Faculty of Health ； Medical Sciences, University of Copenhagen , city= Copenhagen , country= Denmark ； organization= Division of Medical Image Computing, German Cancer Research Center (DKFZ) , city= Heidelberg , country= Germany ； organization= University of British Columbia , city= Vancouver , state= British Columbia , country= Canada ； organization= Hawkes Institute, Department of Computer Science, University College London , city= London , country= United Kingdom ； Lung Institute, Faculty of Medicine, Imperial College London , city= London , country= United Kingdom ； organization= Department of Applied Mathematics, Technical Medical Centre, University of Twente , city= Enschede , country= Netherlands ； organization= IISLAB, Technical University of Košice , city= Košice , country= Slovakia ； organization= 2nd Department of Internal Medicine, Pavol Jozef Safarik University ； L Pasteur University Hospital , city= Košice , country= Slovakia ； organization= Fudan University , city= Shanghai , country= China ； organization= Shenzhen Technology University , city= Shenzhen , country= China ； organization= Department of Radiology, Lausanne University Hospital ； University of Lausanne , city= Lausanne , country= Switzerland ； organization= Louvain Neuroinflammation Imaging Lab (NIL), Université Catholique de Louvain , city= Brussels , country= Belgium ； organization= University of Applied Sciences ； organization= CIBM Center for Biomedical Imaging , city= Lausanne , country= Switzerland ； organization= Department of Radiation Oncology (Maastro), GROW Research Institute for Oncology ； Reproduction, Maastricht University Medical Centre+ , city= Maastricht , country= The Netherlands ； organization= Department of Biomedical Engineering, Medical Image Analysis, Eindhoven University of Technology , city= Eindhoven , country= The Netherlands ； organization= Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences , city= Shenzhen , country= China ； organization= McGill University ； Mila - Quebec AI Institute , city= Montreal , country= Canada ； organization= Hotchkiss Brain Institute ； Department of Radiology, University of Calgary , city= Calgary , state= Alberta , country= Canada ； organization= Department of Radiology, University of Calgary , city= Calgary , state= Alberta , country= Canada ； organization= Alberta Children's Hospital Research Institute, Department of Clinical Neuroscience, University of Calgary , city= Calgary , state= Alberta , country= Canada ； organization= The Wallace H. Coulter Department of Biomedical Engineering, Georgia Tech ； Emory University , city= Atlanta , state= Georgia , country= USA ； organization= SGGS College of Engineering ； organization= Seoul National University , city= Seoul , country= South Korea ； organization= The D-Lab, Department of Precision Medicine, GROW Research Institute for Oncology ； Reproduction, Maastricht University , city= Maastricht , country= The Netherlands ； organization= Artificial Intelligence in Medicine (AIM) Program, Mass General Brigham, Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； Nuclear Medicine, CARIM \& GROW, Maastricht University , city= Maastricht , country= The Netherlands ； organization= Department of Radiation Oncology, Dana-Farber Cancer Institute, Brigham ； Women’s Hospital, Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； Learning Group, Heidelberg University Hospital , city= Heidelberg , country= Germany
AI总结 针对临床脑MRI数据异质且标注成本高的问题，FOMO25挑战赛通过自监督预训练（FOMO60K数据集）评估了16个团队的基础模型，发现自监督预训练能提升域迁移泛化性，但不同任务需不同预训练目标，且模型规模扩展收益有限。
RMA：一个面向研究级数学问题的智能体系统
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Research Math Agents (RMA)框架，通过多角色多轮协作的智能体工作流，在First Proof基准上解决80%的研究级数学问题，优于GPT-5.2R等基线。
UniSD：面向大语言模型的统一自蒸馏框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Carnegie Mellon University（卡内基梅隆大学） ； William & Mary（威廉与玛丽大学）
AI总结 本文提出UniSD框架，系统研究自蒸馏方法，通过整合多种机制提升监督可靠性、表征对齐和训练稳定性，从而在多个基准和模型上验证自蒸馏的有效性，并构建出性能最优的UniSDfull流水线。
Comments Website: https://unifiedsd.github.io/ Code: https://github.com/Ahren09/UniSD
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