高校专区
个性化差分隐私预算的极限
机构 * CNRS, LAMSADE, Dauphine-PSL（法国国家科学研究中心、拉马萨德研究所、巴黎-萨特大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了个性化差分隐私预算的局限性，指出在均值估计中，选择合适的有效隐私预算比完全个性化更重要，通过阈值操作可实现改进，且在混合私有和公开数据集及多级隐私要求中量化了改进效果。
扩散模型的泛化能力可以通过数据依赖的ridge流形的归纳偏差来表征
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文研究扩散模型泛化能力的几何机制，通过引入时间依赖的log-density ridge流形，揭示生成样本在流形附近的运动规律，并通过实验验证了其在多模态数据和MNIST中的有效性。
AuraMask：一种可扩展的开发美观反面部识别图像滤镜的管道
机构 * Franklin and Marshall College（弗兰克林与马歇尔学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出AuraMask，一种生成有效且美观的反面部识别图像滤镜的方法，通过40个仿Instagram滤镜的实例，验证其在对抗有效性与用户接受度上的优势。
Comments 21 pages, 10 figures
重新审视LLM代理时代的DAgger
机构 * Georgia Institute of Technology（佐治亚理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出通过DAgger算法改进长周期LLM代理，通过学生与教师策略的回合级插值收集轨迹，并利用教师提供的监督标签训练学生，有效缓解协变量偏移并提升性能。
低自由度机器人的情绪表达：通过Reachy Mini评估感知
机构 * Robotic Musicianship Lab（机器人音乐性实验室） ； Georgia Institute of Technology（佐治亚理工学院） ； School of Computing and Communications（计算与通讯学院） ； Ben-Gurion University of the Negev（贝内尔盖翁大学（内盖夫分校）） ； School of Brain Sciences and Cognition（脑科学与认知学院） ； The Azrieli National Center for Autism and Neurodevelopment Research（阿兹里尔国家自闭症与神经发育研究中心）
AI总结 研究探讨了低自由度机器人Reachy Mini在表达不同情绪时，人们如何感知和评估其情绪，发现尽管识别准确度不高，但整体情绪影响社交评价，为低自由度机器人情感交流研究提供了基准。
通过反思增强的自我蒸馏实现稀有成功但丰富的反馈学习
机构 * UC San Diego（UC圣地亚哥大学） ； Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出反思增强的自我蒸馏框架，通过将失败反馈转化为主动监督信号，提升在稀有成功场景下的持续学习能力，实验表明其在多个连续学习任务中优于传统方法。
Comments Work in progress
通过跨层转编码器进行蛋白质电路追踪
机构 * School of Electrical ； Computer Engineering, Georgia Institute of Technology, Atltanta, GA
AI总结 本文提出ProtoMech框架，利用跨层转编码器发现蛋白质语言模型中的计算电路，实现高精度蛋白质设计。
Comments Accepted into ICML 2026. 32 pages, 17 figures
实用好奇心：通过主动推断实现混合学习与优化的统一框架
机构 * Department of Aeronautics and Astronautics（航空与航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； 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Pragmatic Curiosity框架，通过主动推断统一处理混合学习与优化问题，减少决策风险，提升关键结果区域覆盖率，并联合学习预测与偏好结构。
思维约束：一种在语言模型引导搜索中进行约束推理的框架
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Const-o-T框架，通过约束推理提升语言模型在多步骤任务中的规划效率和决策可靠性，适用于风险游戏、CAD代码生成和算术推理等复杂领域。
小区域疫情增长率估计以实现及时的新冠爆发检测
机构 * Singapore Management University（新加坡管理学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院）
AI总结 本文提出TLRF框架，通过随机森林的自适应加权机制，有效平衡准确率与速度，提升小样本区域的疫情增长率估计精度，并在科罗拉多州案例中验证其在爆发检测中的优越性。
Comments Equal contributions by co-first authors Zhaowei She, Zilong Wang (in alphabetical order)
大语言模型代理能否模拟动态网络？基于钓鱼合成的邮件网络案例研究
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Rutgers University（罗格斯大学）
AI总结 本文探讨了大语言模型多代理系统在模拟动态网络中的能力，提出两种扩展方法以提升网络仿真精度，通过钓鱼合成案例验证了其在建模信息传播和网络安全威胁中的有效性。
大语言模型作为约束双目标凸优化的 amortized 帕累托前沿生成器
机构 * University of Shanghai for Science and Technology（上海科技大学） ； Nanyang Technological University（南洋理工大学） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Michigan（密歇根大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 本文提出DIPS框架，利用大语言模型生成约束双目标凸优化的帕累托前沿，通过紧凑离散化方案和三阶段课程优化，实现高效连续优化。
Comments 31 pages
自持续语言模型：从上下文持续整合知识
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出自持续语言模型（SCoL），通过在训练后框架中利用上下文生成更新指令，实现持续知识整合，优于多种基线方法。
Comments 9 pages
一念之差：多轮对话中针对隐藏恶意意图的响应感知防御
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） ； UCSD（加州大学圣地亚哥分校） ； National Taiwan University（台湾大学） ； IBM Research（IBM研究院） ； Virtue AI
AI总结 本文提出TurnGate，通过检测最早使交互达到有害行为阈值的轮次，提升多轮对话中恶意意图检测效果，同时保持低拒绝率。
Comments Project Website: https://turn-gate.github.io/
通过平滑误差可达管实现认证的基于梯度的接触密集 manipulation
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出通过平滑动力学并量化补偿误差，实现接触密集 manipulation 的安全性和任务完成的认证，采用凸优化生成鲁棒反馈策略。
Comments Robotics: Science & Systems (RSS) 2026
进化任务发现：通过技能组合与复杂性缩放推进推理前沿
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出EvoTD框架，通过结构化进化算子在算法技能与复杂性属性的双轴流形上进行数据合成，提升模型推理能力，并在不同架构和规模上实现稳定泛化。
多智能体系统识别与非线性sheaf扩散
机构 * Department of Computer Science, Georgia Tech（佐治亚理工学院计算机科学系） ； Department of Electrical & Computer Engineering, Georgia Tech（佐治亚理工学院电气与计算机工程系）
AI总结 本文研究多智能体系统中非线性sheaf扩散的识别问题，指出拓扑学中的sheaf上同调是恢复交互规律的关键因素，通过实验验证了在有限维参数化类中恢复的可行性。
HS-FNO：用于非马尔可夫偏微分方程的历史-空间傅里叶神经算子
机构 * College of Computing, Georgia Institute of Technology（计算学院，佐治亚理工学院）
AI总结 本文提出HS-FNO，一种针对具有延迟和记忆驱动的偏微分方程的历史-空间傅里叶神经算子，通过分解历史状态更新为预测器和精确转移，减少学习维度并提升非马尔可夫动态的模拟效果。
Comments 15 pages, 4 figures, 1 table. Code at https://github.com/lennonshikhman/hs-fno/
面向不确定性感知的联邦格兰杰因果学习
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一种面向不确定性的联邦格兰杰因果学习方法，通过分析不确定性在框架中的传播，建立闭式协方差递推公式，并在稳态条件下证明不确定性仅依赖客户端数据统计，从而构建后训练假设检验流程，提升跨客户端交互识别的可靠性。
Comments Manuscript under review
关于随机克隆和延迟状态滤波的评论
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文探讨了延迟状态滤波器与随机克隆在处理延迟状态测量时的等效性，证明了延迟状态卡尔曼滤波无需状态扩展即可实现相同结果。
AstroSplat：基于物理的高斯散射用于小天体的渲染与重建
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出AstroSplat，一种基于物理的高斯散射框架，利用行星反射模型提升小天体表面的自主重建和光谱特性分析，通过NASA Dawn任务的真实图像验证了其在渲染性能和表面重建精度上的优势。
Comments 10 pages, 6 figures, conference
基于大语言模型的时间序列事件建模中的时间标记策略
机构 * Capital One ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了大语言模型中时间序列事件建模的时间标记策略，通过对比不同编码方法发现，标记器需与数据统计特性匹配才能提升预测性能。
EconWebArena：在现实网络环境中评估自主代理在经济任务上的基准测试
机构 * Capital One ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出EconWebArena基准，通过360个精心挑选的任务测试自主代理在经济任务中的能力，强调权威数据源和基于网络的经济推理，评估多种多模态LLM的表现，揭示性能差距和挑战。
连续潜在上下文使Transformer实现高效的在线学习
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） ； Columbia University（哥伦比亚大学）
AI总结 本文研究连续潜在上下文是否能提升Transformer的在线学习能力，通过构造常深Transformer实现加权多数算法和Q学习，并在合成数据上优于大模型。
Comments 37 pages, 15 figures, 3 tables
基于探索的优化用于测试时大语言模型推理
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出EDO框架，通过扩展奖励偏差探索目标到迭代后训练，提升大语言模型推理中的探索与利用平衡，实验表明ED-iDPO和ED-GRPO在推理能力和多样性上优于基线模型。
Comments Accepted by TMLR 2026
DRIVE-C：面向自动驾驶的受控干扰数据集
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 DRIVE-C数据集通过受控的视觉干扰评估自动驾驶系统感知鲁棒性，包含10个干净视频片段和600个受干扰片段，支持鲁棒性基准测试、降质感知建模和传感器健康监测。
SWIFT: 用于高效交互长视频生成的提示自适应内存
机构 * University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 SWIFT提出一种无需训练的多提示长视频生成框架，通过轻量级语义注入缓存和自适应动态窗口实现高效语义切换，保持时间一致性，达到22.6 FPS的高效生成速度。
Comments Code is available at https://github.com/ShanwenTan/SWIFT
通过均值场采样学习合作多智能体强化学习中的近似纳什均衡
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学）
AI总结 本文研究了在通信受限条件下，通过均值场采样方法学习合作多智能体强化学习中的近似纳什均衡，证明了该方法能收敛到近似纳什均衡，并在多机器人控制中进行了验证。
Comments 57 pages, 10 figures, 4 tables
SAGE：可解释且临床可转化的计算病理学生物标志物发现代理框架
机构 * Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（NVIDIA公司） ； University of Arkansas at Little Rock（阿拉伯州立大学）
AI总结 SAGE通过生物证据引导生物标志物发现，结合多代理系统生成和评估假设，实现结构化、可追溯的病理学研究方法。
生成对抗式后训练缓解实时人机音乐交互中的奖励黑客
机构 * Mila, Quebec Artificial Intelligence Institute, Université de Montréal（蒙特利尔大学人工智能研究所，魁北克机器学习研究院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Massachusetts Institute of Technology（麻省理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Washington（华盛顿大学） ； McGill University（麦吉尔大学） ； Independent Researcher（独立研究者）
AI总结 本文提出一种对抗训练方法，通过政策生成轨迹缓解生成序列模型后训练中的奖励黑客问题，提升音乐伴奏的多样性与和谐性。
Comments v3: fix the Figure numbering bugs
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