高校专区
通过稀疏学习加速混合整数规划求解器的分支过程
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院 H. Milton Stewart 工业与系统工程系） ； School of Chemical & Biomolecular Engineering, Georgia Institute of Technology（佐治亚理工学院化学与生物分子工程学院）
AI总结 本文通过稀疏学习方法开发简单有效的可解释模型，用于近似强分支评分，从而提升混合整数规划求解器效率，实验表明其在低资源环境下具有优势。
Comments 21 pages, 2 figures
一个面板并不适用于所有情况：面向临床预测的案例自适应多智能体协商
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学）
AI总结 本文提出CAMP框架，通过动态组建专家团队应对临床预测中的案例异质性，采用三值投票机制和混合路由策略，实现更精确的诊断预测和住院疗程生成，优于现有方法。
面向在线多模态社交交互理解
机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） ； 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 本文提出在线多模态社交交互理解问题，通过历史信息实现多模态社交交互理解，采用多模态大语言模型框架，引入多对话者预测和社交感知视觉提示，实现三个任务的最优性能。
Comments Accepted to Transactions on Machine Learning Research (TMLR). Project page: https://sampson-lee.github.io/online-mmsi-project-page
图神经网络加速的综述：算法、系统与定制化硬件
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文综述了图神经网络加速的算法、系统及硬件方法，分析了现有技术并提出未来研究方向，旨在统一视角解决相关复杂性问题。
通过多尺度自适应图注意力学习结构-功能脑表示以获得认知洞察
机构 * 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） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（三机构神经影像与数据科学转化研究中心 (TReNDS)）
AI总结 本文提出MAGNet框架，通过多尺度自适应图注意力机制融合结构和功能脑网络，提升认知功能理解。
Comments Preprint version of the paper accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026). This is the author's accepted manuscript. The final published version will appear in IEEE Xplore
基于信息论的分类理性分析
机构 * School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； Department of Computer Science, Northwestern University（西北大学计算机科学系） ； Georgia Tech Research Institute, Georgia Institute of Technology（佐治亚理工学院研究所） ； Institute for the Study of Learning and Expertise（学习与专长研究所）
AI总结 本文提出基于信息论的分类新理论，通过经典分类实验验证其解释人类分类行为的能力，优于现有多种分类模型。
Comments 6 pages, 5 figures, 2 tables
SNEAK：评估大语言模型中的战略沟通与信息泄露
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 SNEAK通过模拟盟友和间谍两种角色，评估语言模型在信息共享与保密之间的平衡能力，发现当前系统在非对称信息下的战略沟通仍存在挑战，人类表现显著优于模型。
从计算机架构角度看多智能体记忆：愿景与未来挑战
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文从计算机架构角度探讨多智能体系统内存问题，提出三层内存层次结构并指出缓存共享和结构化内存访问控制两大关键协议缺口，强调多智能体内存一致性是当前最紧迫的挑战。
基于成本匹配的模型预测控制用于人形机器人高效强化学习
机构 * New York University Abu Dhabi (NYUAD)（纽约大学阿布扎比分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Norwegian University of Science and Technology (NTNU)（挪威科技大学）
AI总结 本文提出一种基于模型预测控制的强化学习框架中的成本匹配方法，通过参数化MPC和中心动力学来近似高保真闭环数据获得的动作价值函数，提升人形机器人运动性能和鲁棒性。
使用迭代运动模仿实现自行车机器人翻转特技
机构 * RAI Institute（RAI研究所） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文通过强化学习实现自行车机器人前翻转，提出迭代运动模仿（IMI）方法，通过迭代模仿生成轨迹训练出可行敏捷行为，在UMV上实现地面到地面和地面到桌子的翻转，优于单次动作模仿，首次实现无辅助空中翻转。
Comments 8 Pages, Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026
SAGE：面向sink的 grounded 解码用于多模态幻觉缓解
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 SAGE通过动态调节自注意力机制，实时监控 grounding 可靠性，有效缓解多模态幻觉问题，实验显示在MSCOCO和AMBER基准上取得显著提升。
Comments 25 pages, 6 figures, 7 tables
迈向可靠的LLM基于金融多智能体系统评估：分类学、协调优先性与成本意识
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Adobe Inc.（Adobe公司）
AI总结 本文提出一种四维分类法，探讨多智能体系统中协调优先性对交易决策质量的影响，并识别五种评估失效现象，提出协调平衡收益指标以评估多智能体协调的真实价值。
Comments Accepted at the DMO-FinTech Workshop, PAKDD 2026, Hong Kong
Kempe Swap K-Means：一种适用于半监督聚类的可扩展近优解方法
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出Kempe Swap K-Means算法，通过双重迭代过程在约束空间中优化聚类，结合可控扰动提升全局搜索能力，实现高效且可扩展的半监督聚类解决方案。
Comments 42 pages
ProofBridge: 通过联合嵌入实现自然语言证明的自动形式化（Lean）
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Bogazici University（博阿齐奇大学）
AI总结 ProofBridge通过联合嵌入模型实现自然语言定理和证明到Lean 4的自动形式化，结合检索增强微调和迭代证明修复，提升语义和类型正确性。
Comments Published as a conference paper at the 14th International Conference on Learning Representations (ICLR 2026), Rio de Janeiro, Brazil, April 23-27, 2026
肺超声模型对气胸相关征象的外部基准测试：基于表现的多源研究
机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院）
AI总结 本文提出基于表现的多源基准，用于评估肺超声模型对气胸相关征象的外部基准，发现二元肺滑动分类无法准确反映气胸推理，需考虑盲区和模糊状态。
部分模仿学习用于通过腿部操作器学习推车操作
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一种部分模仿学习方法，通过将运动风格从运动任务转移到推车运动中，实现稳定的运动与精确操作的结合，实验显示其在IsaacLab和MuJoCo中的有效性。
Comments 8 pages, 5 figures
通过基于学习的动态自适应6自由度多材料切割实现自动化去骨
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Georgia Tech Research Institute（佐治亚理工学院研究所）
AI总结 本文提出基于学习的动态自适应6自由度多材料切割方法，通过自适应轨迹和力反馈控制，实现鸡肩去骨，提升成功率和骨避开性能。
Comments Accepted by ICRA 2026
谱相干指数：一种无模型的蛋白质结构集合质量评估指标
机构 * Tri-institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（三机构神经影像与数据科学转化研究中心（TReNDS），佐治亚州立大学，佐治亚理工学院，埃默里大学） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Departments of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院）
AI总结 本文提出谱相干指数（SCI）作为无模型指标，用于评估蛋白质结构集合的质量。通过分析NMR结构集合，SCI能有效区分实验集合与合成不相干对照，展现出高鉴别能力。
GATech at AbjadMed: 双向编码器与因果解码器：来自82类阿拉伯语医学分类的见解
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了阿拉伯语医学文本在82类分类中的表现，对比了双向编码器与因果解码器，发现前者在捕捉细粒度语义边界方面更优。
Comments 5 pages, 2 figures, EACL26, AbjadNLP
佐治亚理工学院参加AbjadGenEval共享任务：阿拉伯语机器生成文本的多语言嵌入
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种多语言E5-large编码器进行二分类，并探索了多种池化策略，发现简单均值池化在测试集上达到F1值0.75，表明复杂池化方法可能不如简单方法有效。
Comments 5 pages, 1 figure, EACL26, AbjadNLP
LLM-to-Speech: 一种用于训练方言文本到语音模型的合成数据管道
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Nile University（尼罗大学）
AI总结 本文提出NileTTS数据集，通过LLM生成埃及阿拉伯语内容并合成语音，用于训练多语言TTS模型，填补了埃及阿拉伯语语音合成的研究空白。
Comments 8 pages, 2 figures, EACL26
通过证据蒸馏和写回丰富训练知识库
机构 * Peking University（北京大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Tsinghua University（清华大学）
AI总结 本文提出WriteBack-RAG框架，通过标注示例识别检索成功区域，提取相关文档并蒸馏为紧凑知识单元，提升RAG系统性能，平均提升2.14%。
Comments 15 pages
SoftMimicGen：一种用于可变形物体操作规模化机器人学习的数据生成系统
机构 * NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出SoftMimicGen，一种自动化数据生成流水线，用于可变形物体操作任务，涵盖多种真实物体和行为，通过高保真模拟环境生成数据并训练高性能策略。
作为可检验的有限尺寸转变的Grokking
机构 * Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS Center)（三机构神经影像与数据科学转化研究中心） ； Beijing Institute of Technology（北京理工大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文通过有限尺寸输入验证了Grokking的相变语言，利用群阶p和频谱头尾对比作为参数，揭示了有限尺寸边界，并通过AIC值否定平滑临界解释。
ByteLoom: 通过渐进课程学习编织几何一致的人-物体交互
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； ByteDance（字节跳动） ； Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出ByteLoom框架，通过简化的人类条件和3D物体输入生成几何一致的人-物体交互视频，解决多视角信息注入和手部网格标注依赖的问题。
命令干扰：社会语体影响大语言模型中的指令拓扑
机构 * the University of British Columbia（不列颠哥伦比亚大学） ； the Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究探讨了社会语体如何影响大语言模型中指令拓扑，通过多语言实验发现指令拓扑反转由社会语体调解，改写指令可减少跨语言差异。
通过施罗德inger桥改进生成模型展开
机构 * Physics Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室物理部） ； Autonomous Control and Decision Systems Laboratory, Georgia Institute of Technology（佐治亚理工学院自主控制与决策系统实验室） ； National Energy Research Scientific Computing Center, Berkeley Lab（伯克利实验室国家能源研究科学计算中心） ； Berkeley Institute for Data Science, University of California, Berkeley（伯克利数据科学研究所） ； Machine Learning Research Group, NVIDIA Research（NVIDIA研究机器学习研究组）
AI总结 本文提出SBUnfold方法，结合判别与生成模型优势，通过施罗德inger桥和扩散模型实现高维展开，验证其在合成数据集上的优越性能。
Comments 9 pages, 5 figures
Journal ref Phys.Rev.D 109 (2024) 7, 076011
OSS-CRS：解放AIxCC网络推理系统以应对现实中的开源安全
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软）
AI总结 OSS-CRS提出一个可本地部署的框架，用于运行和结合CRS技术，针对真实开源项目进行安全分析，并实现预算感知的资源管理。
Comments Version 1.1 (March 2026), OSS-CRS: an open-source framework for porting, deploying, and composing AIxCC cyber reasoning systems. Project page: https://github.com/ossf/oss-crs
通过缓解概念漂移来解决时间序列预测的泛化问题
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出ShifTS框架，通过统一处理时间序列中的时间漂移和概念漂移，提升预测准确性。
Comments 17 pages, 6 figures, 4 tables
TimeRecipe: 通过基准模块层面有效性进行时间序列预测的配方
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学）
AI总结 TimeRecipe通过模块层面评估时间序列预测方法，系统性地进行超过10000次实验，揭示设计选择与预测场景的联系，并提供实用工具推荐合适模型架构。
Comments 48 pages, 1 figure, 30 tables
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