高校专区
LaSEr-Edit：基于能量定位的局部跨度级错误编辑
机构 * Graduate School of Data Science（数据科学研究生院） ； Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究针对大语言模型满足约束问题，提出LaSEr-Edit方法。利用轻量级特定任务的基于能量的模型进行错误定位，提出LaSEr-LLM Edit和LaSEr-EBM Edit两种文本修订方法，实验表明该方法能有效控制文本，多约束下也表现良好。
Comments 38 pages, 7 figures
LP-SFT：通过多模态熵结构进行局部保持监督微调
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院）
AI总结 研究监督微调中存在的问题，利用香农和雷尼熵分析揭示预训练模型的多模态熵结构，提出LP-SFT目标，在多领域实验中提升性能，平衡准确率和k准确率。
Comments 20 pages, 3 figures. Code is available at https://github.com/Wakaka161/LP-SFT
FormGym：用智能体完成文书工作
机构 * Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 FormGym提出一个表格填写基准测试，通过FieldFinder工具提升智能体在表格定位和填写任务中的性能
RAG 能知道检索错误吗？知识冲突下的上下文合规性诊断
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 提出上下文驱动分解（CDD）方法，在推理时探测并干预检索增强生成中的上下文与参数知识冲突，揭示上下文合规性模式并提升鲁棒性。
Comments Preprint. 3 figures, 3 tables. Diagnostic study of context compliance in RAG under knowledge conflict; closed-API evaluations (Gemini-2.5-Flash and Claude family)
用于长期规划的带引导搜索的组合扩散
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究针对组合生成模型在局部分布多模态时的模式平均问题，提出带引导搜索的组合扩散方法（CDGS），通过特定采样、过滤和重采样解决问题，在机器人操作任务上表现出色且跨领域通用。
Comments 38 pages, 18 figures, ICLR 2026 ORAL
通过在线学习预处理器实现瞬态偏微分方程求解器的一次性加速
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Seoul National University（首尔国立大学） ； Princeton University（普林斯顿大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究针对瞬态偏微分方程数值模拟，提出用强盗算法利用线性求解器反馈在线学习预处理器配置的PCGBandit方法，直接在OpenFOAM上实现，可一次性加速模拟，在流体和MHD问题上验证了有效性。
Comments code available at https://github.com/mkhodak/PCGBandit
Journal ref Computer Physics Communications 327 (2026) 110304
DSBench：用于评估外部和车内风险的综合基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiaomi EV（小米电动车） ； Fudan University（复旦大学） ； Xidian University（西安电子科技大学） ； South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学）
AI总结 针对视觉语言模型在安全关键场景适用性未充分探索的问题，引入DSBench综合基准测试，涵盖外部与车内风险，分多类别。评估发现模型在复杂情况下降，构建数据集微调可提升性能，推动自动驾驶技术发展，相关资源将公开。
用于地形自适应运动的物理可行反应式合成
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Cornell University（康奈尔大学）
AI总结 针对四足动物在动态变化地形的运动规划问题，提出综合规划框架，结合反应式合成与混合整数凸规划，采用符号修复机制，经实验验证该框架能识别缺失技能并在关键环境有效响应。
BrainPilot：通过智能研究实现大脑发现自动化
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qizhi Institute（上海期智研究院） ； Business School, Renmin University of China（中国人民大学商学院） ； School of Physics, Beihang University（北京航空航天大学物理学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Behavioral and Cognitive Neuroscience Center, Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学脑科学与智能技术研究院行为与认知神经科学中心） ； College of Engineering, Georgia Institute of Technology（佐治亚理工学院工程学院） ； School of Life Sciences & IDG/McGovern Institute for Brain Research, Tsinghua University（清华大学生命科学学院&清华-IDG/麦戈文脑科学研究院） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； Weixian College, Tsinghua University（清华大学未央学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系）
AI总结 研究针对脑科学研究整合证据难、人工智能代理有缺陷的问题，提出完全开源的多智能体系统BrainPilot，它有可追溯日志和验证结果，含知识库与技能库，经实验评估，其开源模型以低成本达先进框架性能。
基于文本业务输入的大语言模型引导的交通枢纽容量规划
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究提出用大语言模型代理依自然语言业务描述迭代提出枢纽容量决策的框架，核心机制是思维链推理协议，经反馈回路验证决策，在实际货运网络中表现优于传统模型。
连续概率空间中基于迭代算法的分布鲁棒优化
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 研究连续概率空间中分布鲁棒优化的计算挑战，利用布雷尼尔定理提出迭代算法框架，建立收敛保证和复杂度界，基于神经网络传输映射的数值结果显示该方法可实现鲁棒分类器稳定训练及有效最坏情况推理。
稳健性的错觉：聚合准确率掩盖了与任务无关的上下文下的预测翻转
机构 * Georgia Tech（佐治亚理工学院） ； Stanford University（斯坦福大学）
AI总结 研究大语言模型在含无关上下文环境中的表现，发现聚合准确率掩盖了单个示例预测的不稳定性，如随机伪词会改变部分预测，且此不稳定性受多种因素调节，揭示了尾部风险，推动对模型进行单个示例可靠性评估。
Comments Preprint
具有极小极大最优遗憾值的强盗主成分分析
机构 * Georgia Tech（佐治亚理工学院） ； UIC（伊利诺伊大学芝加哥分校）
AI总结 研究强盗反馈版本的在线主成分分析，改进了遗憾值的上下界，弥合差距至\(r\sqrt{dT}\)。上界通过新算法实现，结合在线镜像下降与多尺度探索；下界通过构造自适应对手，将遗憾值下界估计转化为子空间估计问题，并讨论其与量子断层扫描联系。
视觉语言模型中的自我中心偏差
机构 * Cognitive Science Program, University of California, Berkeley（加州大学伯克利分校认知科学项目） ； Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电气与计算机工程系） ； School of Computer Science, Georgia Institute of Technology & Emory University（佐治亚理工学院计算机科学学院及埃默里大学） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Cognitive Science, University of California San Diego（加州大学圣地亚哥分校认知科学系） ； Equal Advising Department of Computer Science & Wilmer Eye Institute, Johns Hopkins University（约翰霍普金斯大学计算机科学系及威尔默眼科研究所） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Weinberg Institute for Cognitive Science, University of Michigan（密歇根大学韦恩伯格认知科学研究所）
AI总结 本文提出FlipSet基准，揭示视觉语言模型在第二级视觉视角推理中存在系统性自我中心偏差，表明模型在整合社会认知与空间操作方面存在根本性不足。
Comments Accepted at CogSci 2026 (Best Undergraduate Student Paper)
KVEraser: 学习操控KV缓存以实现高效的局部上下文擦除
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Meta
AI总结 提出KVEraser方法，通过学习操控KV缓存实现局部上下文擦除，避免全局重计算，在长上下文任务中接近全重算性能且延迟仅增加24%。
Comments Oral at the ICML 2026 Workshop on the Impact of Memorization on Trustworthy Foundation Models; Code available at https://github.com/Graph-COM/KVEraser
通过Stein变分推断进行分布鲁棒控制的接触丰富操作
机构 * Department of Mechanical Engineering, Yale University（耶鲁大学机械工程系） ； Department of Electromechanical, Systems and Metal Engineering, Ghent University（根特大学机电系统与金属工程系） ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； Department of Electrical Engineering, University of Sydney（悉尼大学电子工程系）
AI总结 本文提出了一种基于Stein变分推断的分布鲁棒控制方法，用于提升接触丰富操作中的不确定性建模能力，通过更灵活的不确定性建模在保持性能的同时精确适应不确定性，实验结果表明在广泛参数不确定性下，鲁棒性提高了3倍。
Comments In Proceedings of Robotics: Science and Systems, Sydney, Australia, July 2026
MetaState: 持久工作记忆增强离散扩散语言模型的推理能力
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Harvard University（哈佛大学）
AI总结 MetaState通过引入轻量级循环增强模块，为冻结的离散扩散语言模型提供持久固定大小的工作记忆，提升推理性能，平均提升4.5%。
通过分布匹配策略优化增强扩散大语言模型的推理能力
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出DMPO方法，通过分布匹配优化提升扩散大语言模型的推理能力，实现显著的准确率提升。
ReinforceGen：具有自动数据生成和强化学习的混合技能策略
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Research（NVIDIA研究）
AI总结 针对机器人长期操纵挑战，ReinforceGen系统结合任务分解、数据生成、模仿学习与运动规划形成初始方案，经强化学习微调，在Robosuite数据集基准测试中成功率达80%，消融研究显示微调使性能平均提升89%，实际评估也有显著改进。
Ruby：通过机器学习揭示剥离二进制文件中的不安全Rust
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Pohang University of Science and Technology（釜山科学技术大学） ； Microsoft（微软公司） ； George Mason University（乔治·梅奥大学）
AI总结 研究旨在揭示Rust二进制文件中的不安全区域，核心方法是用机器学习工具Ruby捕获二进制指令差异，主要贡献为识别大部分不安全区域且误报率低，应用于指导符号执行和模糊测试有显著速度提升并帮助修复安卓库漏洞。
Comments Accepted to DSN 2026
VTC: 基于虚拟张量的DNN编译以消除数据移动
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软）
AI总结 VTC通过引入虚拟张量概念，首次实现消除所有不必要的数据移动，提升DNN编译效率，减少内存占用。
Comments Accepted to OSDI'26
利用基础模型提升材料分类的准确性
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学） ； Waseda University（早稻田大学）
AI总结 本文提出一种利用基础模型克服数据限制并提升分类准确性的新框架，通过生成高质量数据集和融合视觉语言模型先验知识，有效提高材料分类性能。
基于吉布斯变分原理的传感器控制基本极限
机构 * Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（丹尼尔·古金海姆航空航天工程学院，佐治亚理工学院）
AI总结 通过吉布斯变分原理推导部分观测下因果反馈控制器的最小期望成本下界，提出自洽修正方法，并通过固定点方程获得可计算的数值界。
Comments Accepted by IEEE Control Systems Letters. Author's Version. 6 pages, 1 figure
EgoVerse：一个用于机器人学习的视点人类数据集
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学） ； University of California San Diego（加州大学圣地亚哥分校） ； ETH Zürich（苏黎世联邦理工学院） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Meta Reality Labs Research（Meta现实实验室） ； Mecka AI ； Scale AI
AI总结 EgoVerse通过统一的数据收集、处理和访问框架，提供丰富的人类操作行为数据，促进机器人学习，并通过大规模研究验证了人类数据与机器人学习目标的一致性对性能的影响。
LaViDa-R1：推进统一多模态扩散语言模型的推理
机构 * Adobe ； UCLA（加州大学洛杉矶分校） ； Georgia Tech（佐治亚理工学院）
AI总结 研究提出多模态通用推理dLLM LaViDa-R1，不同于现有工作，它以统一方式整合多任务，采用新颖统一训练后框架，集成监督微调与多任务强化学习，并运用多种训练技术，在多模态任务上展现强大性能。
Comments 28 pages, 11 figures
SGD 在 XOR 模型中优先学习捷径虚假特征
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（霍华德·米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； School of Electrical and Computer Engineering, Georgia Institute of Technology（电气与计算机工程学院，佐治亚理工学院）
AI总结 本文通过在线小批量 SGD 训练两层 ReLU 神经网络，首次端到端理论刻画了虚假特征学习，发现 SGD 优先且指数级快速地学习虚假特征，且优化动力学中虚假与信号特征耦合，强虚假成分抑制信号学习。
Comments v2: Fixed typos
通过熵修正掩码实现模糊场景中无干扰的3D高斯泼溅
机构 * Samsung Electronics（三星电子） ； Georgia Institute of Technology（佐治亚理工学院） ； GenGenAI ； Yonsei University（延世大学） ； Seoul National University（首尔国立大学） ； Kennesaw State University（肯纳邦州立大学） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校）
AI总结 提出RefineSplat框架，利用熵感知自适应掩码和密度控制方法，有效识别并移除模糊场景中的动态干扰物，实现无干扰的新视角合成。
Comments 28 pages, 30 figures, and 24 tables
Gavel: 智能体结合检查表评估LLM长上下文法律摘要
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Gavel框架，通过参考评估和免参考智能体评估12个前沿LLM在多文档法律摘要中的表现，发现模型易遗漏关键信息而非幻觉，且性能随案件长度增加而下降。
Comments webpage at https://yao-dou.github.io/gavel/
BrainNormalizer：通过边缘引导控制网络从肿瘤MRI进行解剖学信息伪健康脑重建
机构 * University of Pittsburgh（匹兹堡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cedars-Sinai Medical Center（西德萨斯医疗中心） ； Mayo Clinic Arizona（梅奥诊所亚利桑那分部）
AI总结 针对脑肿瘤致结构变形难区分肿瘤与解剖变异问题，提出BrainNormalizer框架，用两阶段训练学习解剖先验等，通过特定策略实现伪健康脑重建，实验表明其有优势。
UNDREAM：为端到端对抗攻击弥合可微渲染与逼真模拟的差距
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Technology Innovation Institute（技术创新研究院）
AI总结 针对自动驾驶等安全关键应用中深度学习模型对抗攻击测试问题，介绍UNDREAM框架，通过弥合逼真模拟器与可微渲染器差距，实现对3D物体对抗扰动的端到端优化，开启物理对抗攻击研究新途径。
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