高校专区
CoreFlow：低秩矩阵生成模型
机构 * 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 CoreFlow通过学习矩阵分布的共享行/列子空间，采用连续归一化流在低维核心上训练，提升高维小样本下的矩阵生成质量与效率。
流形数据的扩散模型：分数分解、曲率与统计复杂性
机构 * Georgia Tech（佐治亚理工学院） ； Princeton University（普林斯顿大学） ； Northwestern University（西北大学）
AI总结 本文研究扩散模型如何学习流形数据，通过分析分数函数的分解和曲率影响，提出高效的神经网络近似方法，并推导出基于数据内在维度和曲率的统计学习率。
人工智能心理健康应用的责任评估
机构 * Technische Universität Darmstadt（德累斯顿技术大学） ； Vanderbilt University（范德比尔特大学） ； Trier University（特里尔大学） ； Bar-Ilan University（巴伊兰大学） ； Trinity College Dublin（都柏林三一学院） ； University of Washington（华盛顿大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Phillips-Universität Marburg（马尔堡菲利普大学） ； LIACS, Leiden University（莱顿大学LIACS研究中心） ； Bocconi University（博科尼大学） ； Queen Mary University London（伦敦玛丽女王大学） ； Alan Turing Institute（艾伦·图灵研究所）
AI总结 本文提出跨学科框架，整合临床有效性、社会背景和公平性，解决现有AI心理健康工具评估碎片化问题，并通过案例研究展示AI心理健康支持类型的分类方法。
Journal ref ACL 2026
基于强化学习的可持续土地利用分配：马拉维盆地
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于深度强化学习的框架，用于优化马拉维盆地的土地利用分配以最大化生态系统服务价值，通过空间奖励塑造引导生态友好的土地利用模式。
Comments 9 pages, 11 figures; added baseline comparison under "Result" section; revised limitation and discussion
基于最小-最大标准的函数响应贝叶斯优化
机构 * School of Industrial and Systems Engineering（工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； School of Electrical and Computer Engineering（电气与计算机工程学院）
AI总结 本文提出MM-FBO框架，通过函数主成分分析和高斯过程代理，直接最小化函数域的最大误差，理论保证离散化界限和一致性，实验验证在电磁散射和蒸汽渗透中优于现有方法。
Comments 25 pages, 6 figures
人类能检测出AI吗？在不同审视条件下挖掘AI辅助写作的文本信号
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究探讨AI检测威胁如何影响人类写作方式及他人能否区分AI与人类写作，实验显示受警示组在文本评估中更常被判定为人类写作，但文本特征无差异。
Comments 25 pages, 12 figures
AI安全训练可能造成临床伤害
机构 * College of Information Sciences and Technology, Penn State University（宾夕法尼亚州立大学信息科学与技术学院） ； Department of Psychiatry and Behavioral Sciences, Emory University（埃默里大学精神病学与行为科学系） ； School of Interactive Computing, Georgia Tech（佐治亚理工学院交互计算学院） ； School of Psychology, Georgia Tech（佐治亚理工学院心理学学院）
AI总结 研究评估了四种生成模型在认知行为疗法场景中的表现，发现其在高严重性情况下治疗适当性显著下降，提出需通过多轴评估框架确保AI心理健康系统的安全性。
Comments 26 pages, 5 figures, 10 tables
非线性非高斯密度操控与输入和噪声通道不匹配：具有记忆的Sinkhorn方法用于求解控制-仿射Schrödinger桥问题
机构 * Department of Applied Mathematics, University of California Santa Cruz（加州大学圣克鲁兹分校应用数学系） ； Department of Aerospace Engineering, Iowa State University（爱荷华州立大学航空航天工程系） ； School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院）
AI总结 本文提出一种具有记忆的Sinkhorn递归方法，用于解决控制-仿射Schrödinger桥问题中的输入和噪声通道不匹配问题，通过非线性PDEs结构证明了算法的局部稳定性。
具有物理信息的AI加速铁电垂直NAND的保留分析：从日尺度TCAD到秒尺度代理模型
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Samsung Electronics Co., Ltd（三星电子） ； NVIDIA
AI总结 本文提出基于物理信息神经算子的AI代理模型，用于高效预测铁电垂直NAND的阈值电压偏移和保留行为，实现比传统TCAD工具快10000倍的计算速度，同时保持物理准确性。
Comments 4 pages, 6 figures, to be published in ICMC (International Compact Modeling Conference)
编码代理在价值冲突下的非对称目标漂移
机构 * Columbia University（哥伦比亚大学） ； Independent（独立） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（加州大学圣地亚哥分校） ； MATS ； SPAR
AI总结 研究编码代理在价值冲突中如何平衡系统提示与实际任务，发现其目标漂移受价值对齐、对抗压力和累积上下文影响，且环境压力可 override 显式约束。
Comments 5 pages, 4 figures, Published as a workshop paper in Lifelong Agents @ ICLR 2026
通过强化学习激励基于神经符号语言的视觉语言推理
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文基于Qwen3-VL-2B-Instruct模型，通过强化学习提升视觉语言模型的神经符号语言推理能力，在数学、科学和常识问题上准确率提升3.33%，推理令牌减少75%。
饮食中的高斯：高质量内存受限的3D高斯喷射训练
机构 * Dept. of Computer Science University of Texas at Arlington（计算机科学系德克萨斯理工大学阿灵顿分校） ； School of Computer Science Georgia Institute of Technology（计算机科学学院佐治亚理工学院） ； School of Computing University of Georgia（计算学院佐治亚大学） ； Department of ECE University of Minnesota - Twin Cities（电子与计算机工程系明尼苏达大学-双城分校） ； Snap Inc.（Snap公司）
AI总结 本文提出一种内存受限的3D高斯喷射训练框架，通过动态优化高斯体实现低内存消耗，显著提升渲染质量，实现在NVIDIA Jetson AGX Xavier上的高效训练。
NSF关于人工智能在电子设计自动化领域的研讨会报告
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） ； University of California at Los Angeles（加州大学洛杉矶分校） ； Cadence Design Systems, Inc.（Cadence设计系统公司） ； Stanford University（斯坦福大学） ； University of Texas at Austin（得克萨斯大学奥斯汀分校） ； IBM
AI总结 报告总结了NSF人工智能在电子设计自动化领域研讨会的讨论和建议，探讨了AI技术如何加速EDA设计流程，提出加强AI与EDA合作、投资基础AI研究等核心贡献。
Comments Accepted by IEEE Circuits and Systems Magazine (2026). This is the accepted version. The published version is available at https://ieeexplore.ieee.org/document/11466406
Journal ref IEEE Circuits and Systems Magazine, vol. 26, no. 1, First Quarter 2026
视频模型是否在医学影像中成为零样本学习者和推理者？
机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Computer Science, University of Maryland（马里兰大学计算机科学系） ； Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） ； Department of Radiation Oncology and Winship Cancer Institute, Emory University（埃默里大学放射肿瘤学系和Winship癌症研究所）
AI总结 本文探讨了自回归视频建模原理在医学影像任务中的零样本应用，发现大视觉模型在无需医学数据训练的情况下，能有效完成器官分割、去噪、超分辨率和运动预测等任务，尤其在放疗运动预测中表现出色。
MultiTok: 可变长度分词用于高效大语言模型，源自LZW压缩
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Nokia Bell Labs（诺基亚贝尔实验室） ； Boğaziçi University（博雅大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT））
AI总结 本文提出基于LZW压缩的MultiTok分词方法，通过压缩重复短语提升LLM训练效率，实现更高效训练与相似准确率。
大型语言模型有害微调攻击与防御：综述
机构 * School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机科学系）
AI总结 本文综述了大型语言模型中有害微调攻击的威胁模型、防御设计及评估方法，分析了现有攻击与防御机制，并提出了未来研究方向。
Comments Accepted by ACM Computing Survey (CSUR). The authors will continuously update the arXiv version. Please reach out to the authors if you find uncovered papers on relevant topics
具有结构意识的变分学习一类广义扩散过程
机构 * School of Mathematics, South China University of Technology（华南理工大学数学学院） ； Department of Applied Mathematics, Illinois Institute of Technology（伊利诺伊理工学院应用数学系） ； School of Computational Science and Engineering, Georgia Institute of Technology（佐治亚理工学院计算科学与工程学院）
AI总结 本文提出基于能量的变分学习框架，通过能量耗散原理从部分和噪声观测中学习随机梯度系统的潜在能量函数，提升对观测时间、噪声水平和数据多样性的鲁棒性。
扩散语言模型在编码基准中的量化鲁棒性研究
机构 * College of Computing（计算机学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了扩散语言模型在量化后的鲁棒性，发现CoDA在低比特宽度下比Qwen3-1.7B更稳健，且混合精度配置在精度、延迟和内存间提供平衡。
基于动态定价的LLM增强货运谈判中的锚定与恢复让步
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一种双指标锚定与恢复框架，解决动态定价下传统让步框架的局限性，通过实时价差推导β参数并保证非递减报价，实验证明其在不同价差情况下均能提升谈判效率与收益。
基于扩散模型的实时无重建异常检测与分割
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） ； Department of Mechanical Engineering（机械工程系） ； Polytechnic University of Milan（米兰理工学院）
AI总结 本文提出RADAR方法，通过注意力机制的扩散模型直接生成异常图，提升检测精度和效率，实验证明在MVTec-AD和3D打印材料数据集上均优于现有方法。
Comments 9 pages, 8 figures, 1 table. Accepted to 2025 International Conference on Machine Learning and Applications (ICMLA)
Journal ref Proc. 2025 International Conference on Machine Learning and Applications (ICMLA), Boca Raton, FL, USA, 2025, pp. 663-670
大模型的局部线性性使基于模型的线性最优控制能够实现激活引导
机构 * Georgia Institute of Technology, Atlanta, GA, USA. Schools of Electrical and Computer Engineering（佐治亚理工学院，亚特兰大，GA，美国。电气与计算机工程学院）
AI总结 通过利用大模型层间动力学的局部线性特性，本文将LLM推理建模为线性时变动态系统，采用线性二次调节器计算反馈控制器，实现激活的闭环控制，具有低计算开销和无离线训练的优势，同时提供理论误差界保证控制性能。
Comments Under review
MIST：一种用于异构、多阶段LLM推理的联合设计框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Google（谷歌） ； Intel（英特尔） ； Intel Labs（英特尔实验室） ； Google DeepMind（谷歌DeepMind） ； Harvard University（哈佛大学） ； Infravana
AI总结 MIST是一种用于异构、多阶段LLM推理的联合设计框架，通过模拟不同请求阶段和复杂硬件层次，优化硬件-软件协同设计，解决LLM推理中的配置空间导航和跨厂商PD配置问题。
Comments Inference System Design for Multi-Stage AI Inference Pipelines. 11 Pages, 10 Figues, 5 Tables
CAARL：基于上下文的学习用于可解释的共演时间序列预测
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Anonymous University（匿名大学）
AI总结 本文提出CAARL方法，通过分解时间序列为自回归段并构建时序依赖图，利用LLM处理生成可解释的预测路径，实验证明其在真实数据集上的有效性。
Comments Double-columned, 8 pages, 4 figures
语义专家，单一语义路径：在混合专家模型中路由作为控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一种无参数分解方法，将MoE模型的隐藏状态分为控制信号和内容通道，发现专家路径变得单一语义，而控制信号在层间旋转，从而实现组合专业化。
LiveFact：一种动态、时间感知的LLM驱动虚假新闻检测基准
机构 * University College Dublin（都柏林大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Dalian University of Technology（大连理工大学） ； Bebxy（贝比）
AI总结 LiveFact引入动态时间感知基准，评估模型在处理演进不完整信息时的推理能力，发现传统静态基准无法检测的推理差距。
Comments ACL 2026 Main; Homepage at https://livefact.bebxy.com/
GeoRC：地理定位推理链基准测试
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出GeoRC基准，通过Champion级GeoGuessr专家生成的800条真实推理链，评估VLM生成推理链的准确性，发现大模型在生成可审计推理链上仍逊于人类专家，而小型模型表现更差。
Comments Accepted to ACL 2026
使零知识证明具备AI专用集成电路
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google（谷歌）
AI总结 MORPH框架通过重新设计零知识证明内核，利用AI专用集成电路的矩阵吞吐量和能效，提升NTT和MSM的性能，实现10倍的吞吐量提升。
Comments Design Automation Conference 2026
通过多视图信息瓶颈框架建模高阶脑相互作用用于基于fMRI的精神疾病诊断
机构 * Department of Computer Science, Vrije Universiteit Amsterdam（范德比大学计算机科学系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（神经影像与数据科学转化研究中心） ； Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Department of Physics and Technology, UiT - The Arctic University of Norway（北挪威大学物理与技术系）
AI总结 本文提出O信息度量，用于建模高阶脑相互作用，结合三阶和四阶O信息，通过多视图信息瓶颈框架提升fMRI精神疾病诊断性能，实验表明优于11种基线方法，揭示可解释的区域协同-冗余模式。
实时小提琴演奏者姿势评估与设备计算机视觉
机构 * Purdue University（普渡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Michigan（密歇根大学） ； Seoul International School（首尔国际学校）
AI总结 本文提出Cello Evaluator，通过设备端计算机视觉实现小提琴演奏者实时姿势评估，使用户能获得持续反馈，减少练习中的姿势问题。
Privatar: 通过安全卸载实现可扩展的隐私保护多用户VR
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Google（谷歌） ； Purdue University/NVIDIA（普渡大学/NVIDIA） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AMD
AI总结 Privatar通过安全卸载实现多用户VR的可扩展隐私保护，利用领域知识在本地设备保留高能量频率组件，减少信息泄露，同时采用分布感知最小扰动技术提升隐私保障与效用。
Comments Proceedings of the 7th Machine Learning and System Conference (MLSys)
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