高校专区
‘稍微’意味着‘ somewhat’吗？在LLM数值行为中测量模糊强度词
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了语言模型在必须生成数值行为时是否保留强度词的顺序意义，发现模型在数值输出中压缩了模糊强度词，其解释依赖于状态并接近操作边界时出现不连续性。
Comments 9 figures, 2 tables, 16 references
MetaDNS: 通过良好温控元动力学增强离散神经采样器的探索
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出MetaDNS，一种将良好温控元动力学整合到离散扩散或自回归采样器中的通用框架，以解决多模式和能量屏障离散分布采样中的模式崩溃问题，并实现自由能重建。
Comments Accepted at ICML 2026
EvoStruct: 通过蛋白质语言模型适应桥接进化和结构先验以进行抗体CDR设计
机构 * Georgia State University, Atlanta, USA（佐治亚州立大学，亚特兰大，美国） ； Georgia Institute of Technology, Atlanta, USA（佐治亚理工学院，亚特兰大，美国）
AI总结 本文提出EvoStruct方法，通过蛋白质语言模型适应桥接进化和结构先验，解决抗体CDR设计中的词汇崩溃问题，提升了氨基酸恢复率和降低困惑度。
TextReg: 通过正则化的文本空间优化缓解提示分布过拟合
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文研究了提示分布过拟合问题，提出TextReg框架通过正则化的文本梯度实现软惩罚目标，结合双证据梯度净化、语义编辑正则化和正则化引导的提示更新，提升模型在分布外（OOD）任务上的泛化能力。
Comments Code: https://github.com/luchengfu6/TextReg
使用可穿戴传感器预测课堂环境中与深度自闭症相关的行为问题
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Center For Discovery（发现中心） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Georgia Institute of Technology, Emory University（佐治亚理工学院与埃默里大学）
AI总结 本研究通过可穿戴传感器和机器学习方法，在真实课堂环境中预测自闭症深度患者的行为问题，展示了在教育环境中提前10分钟预测行为问题的可行性，并实现了AUC-ROC为0.78的准确率。
基于图注意力的跨客户端可解释性非线性时序动态联邦学习
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种联邦学习框架，用于在分布式非线性系统中学习跨客户端的时序依赖关系。该框架通过非线性状态空间模型将本地高维观测映射到低维潜在状态，并利用图注意力网络在通信的潜在状态上学习图结构的神经状态转移模型，通过将学习的服务器侧转移模型的雅可比矩阵与注意力系数相关联，实现了对跨客户端时序依赖关系的可解释性。
Comments Manuscript under review
一般随机逼近的集中性在重尾马尔可夫噪声下
机构 * Indian Institute of Science（印度科学研究院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Minnesota（明尼苏达大学）
AI总结 本文研究了在具有有限状态马尔可夫分量和马丁格尔差分分量的噪声下，随机逼近算法迭代项的最大集中性界。通过新的Lyapunov函数和辅助投影算法，分析了不同步长序列和随机算子性质对误差尾部行为的影响，并展示了在无界马丁格尔差分噪声情况下，误差尾部的集中性结果。
Comments 67 pages
CMC-Opt: 带角落的约束流形用于不等式约束优化
机构 * College of Computing（计算学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Atlanta, USA（美国亚特兰大）
AI总结 本文提出了一种基于流形的框架，用于解决机器人中存在等式和不等式约束的优化问题。通过引入带角落的约束流形，将原问题直接转换为无约束优化问题，从而在约束状态空间上进行优化，并在大规模动力学规划问题中验证了该框架的有效性和鲁棒性。
Distribution-Aware Reward: 用于LLM回归的预测分布强化学习
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Allen Institute for AI（人工智能研究院）
AI总结 本文提出Distribution-Aware Reward，一种基于预测分布的强化学习方法，旨在提升语言模型在回归任务中的预测分布质量，而非仅优化单个解码输出。通过连续排名概率分数评估多个解码样本的分布，并基于每个rollout对分布质量的边际贡献分配信用，从而提升预测的准确性和分散性。实验表明，该方法在多个任务中优于监督微调和点wise强化学习基线，尤其在KBSS数据集上Spearman相关性提升6点。
Comments 21 pages, 5 figures
超越语义相似性：一种用于企业信贷审批的双阶段非参数检索流程
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种双阶段非参数检索架构，旨在解决信贷审批中检索结果与决策有用性之间的差距问题，通过结合词法和密集多语言检索构建候选池，并利用LLM作为判断机制对文档进行实用性评分，从而提高检索效率和实用性。
COBALT: 通过基于云的远程操作利用智能手机进行机器人学习
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） ； New York University Abu Dhabi (NYUAD)（纽约大学阿布扎克分校） ； University of Toronto（多伦多大学） ； NVIDIA（英伟达）
AI总结 本文提出COBALT平台，通过基于云的远程操作技术，利用智能手机等设备大规模收集高质量的机器人学习数据，提高仿真实验和现实世界中的机器人学习效率。
WorldParticle：通过Transformer实现拉格朗日粒子动力学的统一世界模拟
机构 * University of British Columbia（不列颠哥伦比亚大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Georgia Institute of Technology（佐治亚理工学院） ； Inria（法国国家信息与自动化技术研究院） ； Meta ； Independent Researcher（独立研究者） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Utah（犹他大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Hong Kong（香港大学）
AI总结 本文提出基于Transformer架构的粒子模拟器，能够统一模拟布料、弹性固体、牛顿流体、非牛顿流体、颗粒材料和分子动力学等不同物理现象，通过预测-校正设计和粒子表示，实现高效的模拟与泛化。
WestWorld: 一种知识编码的可扩展轨迹世界模型用于多样化机器人系统
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出WestWorld，一种知识编码的可扩展轨迹世界模型，用于多样化机器人系统，通过引入系统感知的混合专家（Sys-MoE）和结构嵌入来提升可扩展性和零样本泛化能力，实现了在多种机器人环境中的高效轨迹预测和控制。
Comments ICML 2026 spotlight
一个运算符统治一切？关于神经PDE求解器中边界索引运算符家族的探讨
机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） ； Department of Mathematics and Systems Engineering, Florida Institute of Technology（佛罗里达理工学院数学与系统工程系）
AI总结 本文探讨了神经PDE求解器中边界索引运算符家族的核心问题，指出传统方法在边界条件变化时存在非识别性问题，并通过实验验证了在不同边界条件下求解器的局限性。
Comments Published in the ICLR 2026 Workshop on AI & PDEs. 10 pages, 5 figures
OpenSeisML: 开放式大规模真实地震和井历数据集用于生成式AI
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Osokey Ltd（Osokey公司）
AI总结 本文提出OpenSeisML，一个开放的大型真实地震和井历数据集，用于支持生成式AI在地震反演中的应用，通过自动化数据整理流程提供可重复的地震数据准备，以训练生成模型捕捉地下属性的统计分布，从而生成多个统计上一致的现实实现用于不确定性量化。
Comments 5 pages, 8 figures
基于表示空间扩散模型的Tippett最小融合多编码器异常检测
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种多编码器融合的表示空间扩散模型，通过统计分析每个编码器对特定分布偏移类型的敏感性，引入EncMin2L门控机制，无需使用OOD标签即可在较低参数成本下提升异常检测性能，同时在四种分布偏移类型上均达到0.94以上的AUROC。
Comments 14 pages
conformal selective acting: any-time-valid risk control for rlvr-trained llms
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究提出了一种 conformal selective acting 方法，用于在 rlvr 训练的 llms 部署中实现 anytime-valid 的风险控制，通过在部署要求下强制一个空单元，利用 e-process 和 bonferroni 网格来维护 pathwise 有效性，同时在多个基准测试中证明了其有效性。
捕捉移动子空间：超越平稳性的低秩老虎机
机构 * H. Milton Stewart School of Industrial and Systems Engineering（H. Milton Stewart工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了在子空间漂移的情况下，低秩线性上下文老虎机的问题，提出了一种新的算法SPSC，在保持子空间变化的同时，实现了基于秩的动态遗憾率。
CopT: 在连续空间中利用对比学习进行通用和代理推理的在线策略思考
机构 * Georgia Tech（佐治亚理工学院） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Microsoft（微软公司）
AI总结 本文提出CopT，一种改进的推理流程，通过反转传统思考和回答的顺序，首先生成草稿答案，再基于该答案进行在线策略思考以进行反思和修正。CopT利用连续嵌入作为推理时的对比验证器，通过对比离散令牌输入和连续嵌入输入下模型对相同生成令牌的支持，得到一个序列级的反KL估计器来评估答案的可靠性。在数学、编程和代理推理任务中，CopT在保持同等或更高准确性的情况下，将峰值准确率提高了高达23%，并将令牌使用量减少了高达57%。
Comments Code: https://github.com/sdc17/CopT, Website: https://copt-web.github.io/
跨视图泼溅：基于地理参考图像的馈送视图合成
机构 * Aalto University（阿alto大学） ； Georgia Tech（佐治亚理工学院） ； Niantic Spatial（Niantic空间） ； University of Oulu（奥卢大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； UCL（伦敦大学学院）
AI总结 本文提出了一种基于地理参考图像的馈送视图合成方法，通过融合正交校正的卫星图像与GPS标记的地面照片，预测统一3D坐标框架中的高斯泼溅，从而提升场景覆盖和新视角合成效果。
Comments Submitted to CVPR 2026. 8 figures, 3 tables. Project page: https://nianticspatial.github.io/cross-view-splatter/
基于单张图像的个性化面部隐私保护
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出FaceCloak系统，通过单张图像生成个性化面部隐私掩码，有效防止面部识别，经实验验证其在多个数据集上优于其他方法。
重新思考扩散模型强化学习的设计空间：超越损失设计的似然估计的重要性
机构 * Georgia Institute of Technology（佐治亚理工学院） ； National University of Singapore（新加坡国立大学） ； Nanjing university（南京大学）
AI总结 本文研究了扩散模型强化学习设计空间中的关键问题，通过分解策略梯度目标、似然估计器和回放采样方案三个因素，发现基于证据下界（ELBO）的模型似然估计器是实现有效、高效和稳定强化学习优化的主要因素，优于特定策略梯度损失函数的影响。
Comments 23 pages, 11 figures
基于上下文的在线骚扰检测与以受害者为中心的回应生成：私人信息交流中的在线骚扰
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Pittsburgh（匹兹堡大学）
AI总结 本文研究了大型语言模型如何支持私人信息交流中的在线骚扰检测与回应，通过构建一个包含80,053条Instagram私信的标注数据集，开发了上下文感知的级联分类流水线，并提出了一种以受害者为中心的回应框架，生成心理上合理的AI回应，经评估发现其在情感支持和缓和冲突方面显著优于原始回应。
Comments 16 pages, 2 figures
人群智慧：利用集成和机器学习实现电力系统中网络攻击和故障的高保真分类
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA, USA（电气与计算机工程学院，佐治亚理工学院，美国亚特兰大，GA）
AI总结 本文提出了一种高保真评估框架，利用电磁暂态仿真与数字变电站仿真在4.8kHz下评估基于机器学习的网络攻击和物理故障分类方法，通过训练12种机器学习模型并在实时流环境中评估，展示了在流式环境中MLP的鲁棒覆盖性和集成模型的异常精度。
近端扩散神经采样器
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种名为近端扩散神经采样器（PDNS）的框架，通过在路径测度空间上应用近端点方法，解决神经采样器在训练过程中遇到的多模式目标分布和模式崩溃问题，通过分阶段的简单子问题逐步逼近目标分布，促进模式的全面探索。
Comments Accepted at ICLR 2026 (https://openreview.net/forum?id=XTHQqS7ObC)
归一化常数估计的复杂性分析：从Jarzynski等式到退火重要性采样及其进一步发展
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了归一化常数估计问题，提出了一种非渐近分析方法，推导了退火重要性采样估计归一化常数的复杂度，并提出了一种新的算法以处理多模态问题。
Comments Accepted at ICLR 2026 (https://openreview.net/forum?id=96fJALwotm)
Lynx：通过动态批量感知专家选择实现高效的MoE推理
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Lynx系统，通过利用MoE训练中的负载平衡损失特性，减少专家调用总数，从而在不依赖工作负载的情况下实现高效的MoE推理，提升了吞吐量并保持了低的精度损失。
有限粒子率的正则化Stein变分梯度下降
机构 * Department of Mathematics, Georgia Institute of Technology（佐治亚理工学院数学系） ； Department of Statistics, University of California, Davis（加州大学戴维斯分校统计系） ； Department of Statistics and Operations Research, University of North Carolina, Chapel Hill（北卡罗来纳大学夏洛特分校统计与运筹学系） ； Department of Statistics, University of Chicago（芝加哥大学统计系）
AI总结 本文研究了正则化Stein变分梯度下降算法的有限粒子率，通过应用树脂型预条件器来校正SVGD的常数阶偏差，推导了时间平均经验测度的非渐近界，并在目标满足W₁I条件下，证明了对于光滑核函数的大类，W₁收敛。
正态分布不可区分光谱及其在隐私保护机器学习中的应用
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Victoria（维多利亚大学） ； Rensselaer Polytechnic Institute（拉特格斯理工学院）
AI总结 本文研究了任何输出具有高斯分布的算法的隐私性，提出了一种名为正态分布不可区分光谱（NDIS）的通用引理，用于计算任意两个多元高斯分布之间的hockey-stick散度，并将其应用于随机投影等算法的隐私证明，从而实现更高效的隐私保护机制。
基于C++在Metal和CUDA上的轻量级高斯过程推断
机构 * Department of Information Management, National Taiwan University（国立台湾大学信息管理系） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程学院）
AI总结 本文提出LightGP，一个无需依赖的C++17库，用于高斯过程回归，支持Apple Metal和NVIDIA CUDA后端，以及通过Apple Accelerate和OpenBLAS优化的CPU路径。LightGP提供了四种推断路径，覆盖从N=100到N=500,000的问题规模，并在不同硬件上实现了显著的性能提升。
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