高校专区
乘法收益近似中的定价查询复杂性
机构 * Chinese University of Hong Kong（香港中文大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Iowa（爱荷华大学）
AI总结 本文研究了在提供尺度提示的情况下，单买家收益最大化问题的定价查询复杂性，针对不同分布类型建立了紧的复杂性界限。
更多令牌是否理性？语言模型推理时的扩展作为适应性资源理性
机构 * Georgia Tech（佐治亚理工学院）
AI总结 研究通过变量归因任务探讨语言模型在推理时扩展对资源理性的影响，发现模型能根据任务复杂性调整策略，即使无显式成本奖励。
RepAir：一种用于CT扫描气道分割和不连续性校正的框架
机构 * University of Michigan（密歇根大学） ； D Medical, Inc.（4D医疗公司） ； University of Massachusetts（马萨诸塞大学） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 RepAir通过结合nnU-Net网络和解剖学指导的拓扑校正，实现了更完整且解剖学一致的3D气道分割，优于现有方法。
Comments 4 pages, 3 figures, 1 table. Oral presentation accepted to SSIAI 2026 Conference on Jan 20, 2026
通过群体扩散策略优化提升扩散语言模型的推理能力
机构 * Georgia Institute of Technology（佐治亚理工学院） ； ML Research, Morgan Stanley（摩根士丹利机器学习研究部）
AI总结 本文提出GDPO算法，通过减少ELBO估计的方差提升扩散语言模型的推理能力，实验证明其在多个基准上优于现有方法。
精确、可证明且快速的多色断层成像重建：一种变分不等式方法
机构 * Georgia Institute of Technology, School of Industrial and Systems Engineering（佐治亚理工学院工业与系统工程学院） ； University of Southern California, Department of Data Sciences and Operations（南加州大学数据科学与运营系）
AI总结 本文提出了一种基于变分不等式的EXACT算法，用于多色断层成像重建，证明了其在统计和计算性能上的优势，并展示了其在实际应用中的高效性。
Comments Accepted at SIAM Journal on Imaging Sciences
多模态高斯过程变分自编码器用于神经和行为数据
机构 * Fordham University（福特汉姆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Icahn School of Medicine at Mount Sinai（Mount Sinai医学院） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文提出多模态高斯过程变分自编码器，用于分析神经和行为数据的共享与独立潜在结构，提升数据重建和解释性。
Comments Updated version published in ICLR 2024
Journal ref In The Twelfth International Conference on Learning Representations. (2024)
记忆是否需要图？一种统一框架和长期对话记忆的实证分析
机构 * Peking University（北京大学） ； Georgia Tech（佐治亚理工学院） ； ZJU（浙江大学） ； MBZUAI（马克斯·普朗克智能系统研究所） ； UCAS（中国科学院大学）
AI总结 本文提出一种统一框架，分析长期对话记忆系统，发现性能差异主要由基础设置驱动，而非特定架构创新，并提供了稳定基线。
为何在基于深度生成模型的表格异常检测中，反直觉现象很少出现？
机构 * Department of Industrial Engineering, University of Yonsei, Republic of Korea, Seoul（延世大学工业工程系） ； H. Milton Stewart School of Industrial and Systems Engineering (ISyE), Georgia Institute of Technology, USA, GA（佐治亚理工学院H.米尔顿·斯图尔特工业与系统工程学院）
AI总结 本文探讨了基于深度生成模型的表格异常检测中反直觉现象的罕见性，通过实验表明归一化流在表格数据中具有实用且可靠的异常检测能力。
Comments 47 pages, 11 figures
非透视：针对谷歌Perspective API对抗性否定攻击的防护
机构 * Department of Computer Science（计算机科学系） ； Kennesaw State University（肯尼斯州立大学） ； School of Cybersecurity and Privacy（网络安全与隐私学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于形式推理的方法，用于防护谷歌Perspective API对抗性否定攻击，提升毒性检测的准确性和有效性。
Journal ref 2023 14th International Conference on Information, Intelligence, Systems & Applications (IISA), Volos, Greece, 2023, pp.1-8
敏捷非对称多足运动：通过几何力学和自旋模型对偶性进行接触规划
机构 * Department of Mechanical Engineering, Pennsylvania State University（宾夕法尼亚州立大学机械工程系） ； MIT Improbable AI Lab, Maschusetts Institute of Technology（麻省理工学院Improbable AI实验室） ； Department of Physics, Georgia Institute of Technology（佐治亚理工学院物理系） ； Department of Physics, Tsinghua University（清华大学物理系）
AI总结 本研究提出了一种基于几何力学和自旋模型对偶性的原理性框架，用于发现多足运动中的新控制结构，实现了六足机器人非对称运动策略，使前进速度提高50%。
Comments 10 pages, 7 figures. arXiv admin note: text overlap with arXiv:2302.03019
映射绿色度驱动因素：MODIS植被指数的时空变量选择
机构 * Department of Mathematical and Statistical Sciences, Marquette University（数学与统计学系，马歇尔大学） ； Department of Computer Science, Georgia Institute of Technology（计算机科学系，佐治亚理工学院） ； Department of Applied Mathematics and Statistics, Stony Brook University（应用数学与统计学系，石溪大学） ； Department of Statistics, Texas A&M University（统计学系，德克萨斯阿姆大学）
AI总结 本文提出了一种空间变化系数模型，通过张量积B样条基函数和贝叶斯组lasso先验，用于MODIS植被指数研究中的时空变量选择，以识别重要预测变量并提高解释性。
预训练张量团网络促进使用变分量子电路的机器学习
机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Research（NVIDIA研究） ； IBM Research（IBM研究） ； Hon Hai (Foxconn) Quantum Computing Research Center（鸿海（富士康）量子计算研究中心）
AI总结 预训练张量团网络通过降低量子机器学习中的数据编码复杂度，提升变分量子电路分类任务的效率与性能。
Comments The paper has been accepted by ICASSP 2026
StretchTime: 通过辛注意力实现自适应时间序列预测
机构 * Georgia Institute of Technology, Atlanta, GA, USA（佐治亚理工学院）
AI总结 StretchTime通过辛注意力机制实现自适应时间序列预测，解决了时间扭曲问题，提升了非平稳动态数据的鲁棒性。
离散伴随薛定谔桥采样器
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； FAIR at Meta（Meta的FAIR）
AI总结 本文提出discrete ASBS，通过将伴随匹配方法扩展到离散空间，解决离散神经采样器的梯度缺失问题，提升训练效率和可扩展性。
矩阵向量乘法的结构复杂性
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究通过结构化矩阵的VC维分析，提出矩阵向量乘法的高效预处理和查询方法，解决了理论与实践间的效率差距。
Comments 32 pages. 2 figures. Accepted at NeurIPS 2025
互信息与任务相关的潜在维度
机构 * Department of Physics, Initiative for Theory and Modeling of Living Systems, Emory University（物理系、生命系统理论与建模倡议、埃默里大学） ； School of Physics, School of Psychology, Georgia Institute of Technology（物理学院、心理学学院、佐治亚理工学院） ； Department of Biology, Emory University（生物学系、埃默里大学）
AI总结 该研究通过信息瓶颈理论提出了一种基于互信息的潜在维度估计方法，利用混合批评者结构有效压缩数据并保留潜在几何，适用于任务相关和内在维度估计。
向理解DP-GD的泛化能力：在训练两层CNN中的案例研究
机构 * School of Mathematics, Georgia Institute of Technology（佐治亚理工学院数学系） ； The University of Hong Kong（香港大学） ； Department of Computer Science, RPTU Kaiserslautern-Landau（科隆-兰道大学计算机科学系） ； Department of Statistics and Actuarial Science, School of Computing and Data Science, The University of Hong Kong（香港大学统计与精算科学系）
AI总结 本文研究了DP-GD在训练两层CNN中的泛化能力，发现其在特定任务中优于GD，同时保障隐私。
TensorHyper-VQC: 一种基于张量列车的超网络用于鲁棒且可扩展的变分量子计算
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA（电子与计算机工程学院，佐治亚理工学院） ； NVIDIA Research, Santa Clara, CA 95051, USA（NVIDIA研究） ； IBM Thomas J. Watson Research Center, NY, 10598, USA（IBM托马斯·J·沃森研究中心） ； Hon Hai (Foxconn) Quantum Computing Research Center, Taipei, 114, Taiwan（鸿海（富士康）量子计算研究中心）
AI总结 TensorHyper-VQC 通过张量列车引导的超网络框架，提升变分量子计算的鲁棒性和可扩展性，实现高效参数生成和噪声容忍性。
Comments The paper has been accepted by npj Quantum Information and will be published in February 2026
自由能混合器
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 自由能混合器通过值驱动的对数线性倾斜，改进了注意力机制的读取过程，实现更高效的通道选择，同时保持并行性和复杂度，适用于多种任务。
Comments Camera-ready version. Accepted at ICLR 2026
Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026)
一种具有触发定时控制的 compliant 踝关节驱动指南针步行器
机构 * School of Physics, Georgia Institute of Technology, Atlanta, USA（物理学院，佐治亚理工学院，美国亚特兰大） ； Electrical and Electronics Engineering, Hacettepe University, Ankara, Türkiye（电子与电气工程，哈科特佩大学，土耳其安卡拉）
AI总结 本文提出了一种具有触发定时控制的踝关节驱动指南针步行器，通过串联弹性执行器实现非瞬时的踝关节推离，扩展了双足模型的运动能力。
Comments 6 figures, 6 pages
数字的表征几何
机构 * Georgia Tech（佐治亚理工学院） ； University of Edinburgh（爱丁堡大学）
AI总结 本研究通过语言模型探讨数字表征的几何结构，发现任务特定表征可通过线性映射在不同子空间间转换，揭示了共享结构与功能灵活性的平衡机制。
STAG：结构化测试时梯度对齐用于在线适应
机构 * Seoul National University, Seoul, Republic of Korea ； Division of Artificial Intelligence \& Software, Ewha Womans University, Seoul, Republic of Korea ； Microsoft, Redmond, WA, USA ； Georgia Institute of Technology, Atlanta, GA, USA
AI总结 STAG通过结构化梯度对齐提升在线适应性能，适用于多种架构和归一化方案，在挑战性场景下表现优异。
了解你的科学家：KYC作为生物安全基础设施
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Yale Law School（耶鲁法学院）
AI总结 本文提出了一种基于KYC框架的生物安全措施，通过分层验证和监控机制，提升对生物AI工具滥用的防范能力。
DyTopo：通过语义匹配实现多智能体推理的动态拓扑路由
机构 * Peking University, Beijing, China（北京大学） ； Georgia Institute of Technology, Atlanta, United States（佐治亚理工学院） ； Southeast University, Location, Country（东南大学） ； Tsinghua University（清华大学）
AI总结 DyTopo通过语义匹配实现多智能体推理的动态拓扑路由，提升多轮推理性能并提供可解释的协调轨迹。
好奇心是知识：基于主动推断的自洽学习与无遗憾优化
机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA（航空与宇航系，麻省理工学院） ； School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA（工业与系统工程学院，佐治亚理工学院）
AI总结 本文提出基于主动推断的自洽学习与无遗憾优化理论，证明足够的好奇心可同时确保学习一致性与优化无遗憾，并通过实验验证其有效性。
在策略镜像下降中近似对数分区函数诱导隐式正则化以提升LLM训练
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon（亚马逊）
AI总结 PMD-mean通过近似对数分区函数实现隐式正则化，提升LLM训练的稳定性和效率。
DARWIN: 动态代理式自我改进网络
机构 * College of Computing, Georgia Institute of Technology（计算学院、佐治亚理工学院）
AI总结 DARWIN通过进化算法和动态代理机制实现GPT模型的自我改进，实验显示其在FLOPS利用率和困惑度上均有显著提升。
Comments 6 pages, 3 figures, 2 tables
流式运算推断用于大规模动力系统模型降阶
机构 * School of Aerospace Engineering, Georgia Institute of Technology（航空航天工程学院，佐治亚理工学院） ； School of Computational Science and Engineering, Georgia Institute of Technology（计算科学与工程学院，佐治亚理工学院） ； Computational Science Center, National Laboratory of the Rockies (NLR)（落基山国家实验室（NLR）计算科学中心）
AI总结 流式运算推断方法通过增量SVD和递归LS实现大规模动力系统降阶模型的高效学习，显著降低内存需求并提升预测速度。
上下文时间序列预测器
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一种基于上下文的时间序列预测方法，通过将时间序列预测任务转化为输入标记，提高了参数效率并减少了过拟合问题。
Comments Camera-ready version. Accepted at ICLR 2025
Journal ref Proceedings of the Thirteenth International Conference on Learning Representations (ICLR 2025)
CATS: 通过构建辅助时间序列作为外生变量增强多变量时间序列预测
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon Web Services（亚马逊网络服务）
AI总结 CATS通过构建辅助时间序列作为外生变量，有效提升多变量时间序列预测的性能，实现高效且可转移的预测解决方案。
Comments Camera-ready version. Accepted at ICML 2024
Journal ref Proceedings of the Forty-first International Conference on Machine Learning (ICML 2024)
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