Georgia Institute of Technology（佐治亚理工学院）

NeuroKoop: Neural Koopman Fusion of Structural-Functional Connectomes for Identifying Prenatal Drug Exposure in Adolescents

NeuroKoop：神经Koopman融合结构-功能连接组用于识别青少年孕期药物暴露

Badhan Mazumder, Aline Kotoski, Vince D. Calhoun, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； Neuroscience Institute, Georgia State University（神经科学研究所，佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（跨机构神经影像与数据科学转化研究中心（TReNDS）） ； Georgia State University, Georgia Institute of Technology, and Emory University（佐治亚州立大学、佐治亚理工学院和埃默里大学） 纠错

AI总结 NeuroKoop通过神经Koopman算子融合结构-功能连接组，提升青少年孕期药物暴露识别的准确性和鲁棒性。

Comments Published in the Proceedings of the 2025 IEEE EMBS International Conference on Biomedical and Health Informatics (BHI). IEEE Xplore. DOI: 10.1109/BHI67747.2025.11269557

Efficient Knowledge Probing of Large Language Models by Adapting Pre-trained Embeddings

通过适应预训练嵌入高效探测大语言模型的知识

Kartik Sharma, Yiqiao Jin, Rakshit Trivedi, Srijan Kumar

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 PEEK通过适应预训练嵌入模型，高效探测大语言模型的知识，准确率达90%，揭示了事实表示的底层结构。

Unified Cross-Modal Attention-Mixer Based Structural-Functional Connectomics Fusion for Neuropsychiatric Disorder Diagnosis

统一的跨模态注意力-混合器基于结构-功能连接组融合的神经精神疾病诊断

Badhan Mazumder, Lei Wu, Vince D. Calhoun, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（跨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、佐治亚理工学院和埃默里大学） 纠错

AI总结 本文提出ConneX方法，通过统一的跨模态注意力和MLP-Mixer实现结构-功能连接组的多模态融合，提升神经精神疾病诊断性能。

Comments Published in the Proceedings of the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2025). IEEE Xplore. DOI: 10.1109/EMBC58623.2025.11254194

iFANnpp: Nuclear Power Plant Digital Twin for Robots and Autonomous Intelligence

iFANnpp：用于机器人和自主智能的核电厂数字孪生

Youndo Do, Marc Zebrowitz, Jackson Stahl, Fan Zhang

机构 * George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院乔治·W·伍德鲁夫机械工程学院） 纠错

AI总结 iFANnpp提出一种全面的核电厂数字孪生，通过Unreal Engine 5和通用加压水堆模拟器实现实时监控与预测性维护，提升机器人自主智能研究。

Journal ref Annals of Nuclear Energy, 210, 111993 (2025)

Mitigating Bias in Automated Grading Systems for ESL Learners: A Contrastive Learning Approach

缓解对英语作为第二语言学习者自动评分系统中的偏见：一种对比学习方法

Kevin Fan, Eric Yun

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Georgia State University（佐治亚州立大学） 纠错

AI总结 本文提出通过对比学习方法缓解自动评分系统对ESL学习者偏见的问题，通过构建匹配文章对数据集并使用三元组边际损失，有效减少了高熟练度评分差距，保持了评分一致性。

VISTA-PATH: An interactive foundation model for pathology image segmentation and quantitative analysis in computational pathology

VISTA-PATH: 一种交互式的基础模型用于计算病理学中病理图像分割和定量分析

Peixian Liang, Songhao Li, Shunsuke Koga, Yutong Li, Zahra Alipour, Yucheng Tang, Daguang Xu, Zhi Huang

机构 * Department of Pathology and Laboratory Medicine, University of Pennsylvania（病理学与实验室医学系，宾夕法尼亚大学） ； Department of Electrical and System Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Department of Biomedical Engineering, Georgia Institute of Technology and Emory University（生物医学工程系，佐治亚理工学院和埃默里大学） ； NVIDIA Corporation（NVIDIA公司） ； Department of Biostatistics, Epidemiology and Informatics, University of Pennsylvania（生物统计学、流行病学与信息学系，宾夕法尼亚大学） 纠错

AI总结 VISTA-PATH是一种交互式基础模型，通过整合专家反馈和多类分割，提升病理图像分割的临床应用价值。

Differentiable Cyclic Causal Discovery Under Unmeasured Confounders

可微分的未测量混杂变量下的循环因果发现

Muralikrishnna G. Sethuraman, Faramarz Fekri

机构 * School of Electrical & Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 DCCD-CONF提出了一种可微分学习非线性循环因果图的新框架，以应对未测量混杂因素，通过干预数据优化图结构和混杂分布，提升因果图恢复和混杂识别性能。

A physics-informed, vision-based method to reconstruct all deformation modes in slender bodies

一种融合物理的基于视觉的方法用于重建细长体的全部变形模式

Seung Hyun Kim, Heng-Sheng Chang, Chia-Hsien Shih, Naveen Kumar Uppalapati, Udit Halder, Girish Krishnan, Prashant G. Mehta, Mattia Gazzola

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Twentieth Century Fox（二十世纪福克斯） ； Starfleet Academy（星际舰队学院） ； Tyrell Inc.（泰勒尔公司） 纠错

AI总结 本文提出了一种融合物理的基于视觉的方法，用于准确重建细长柔性体的全部变形模式，通过实验验证其在软机器人中的应用效果。

Comments This work has been submitted to the IEEE RA-L with ICRA 2022 for possible publication. For associated data and code, see https://github.com/GazzolaLab/BR2-vision-based-smoothing

A Rolling-Space Branch-and-Price Algorithm for the Multi-Compartment Vehicle Routing Problem with Multiple Time Windows

多舱车辆路径问题带多个时间窗的滚动空间分支定界算法

El Mehdi Er Raqabi, Kevin Dalmeijer, Pascal Van Hentenryck

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, USA（佐治亚理工学院H. Milton Stewart工业与系统工程学院） ； Department of Operations and Decision Systems, Université Laval（拉瓦尔大学运营管理与决策系统系） 纠错

AI总结 本文提出了一种滚动空间分支定价算法，用于解决多舱车辆路径问题带多个时间窗，通过引入聚类技术和加速策略，提高算法效率和实用性。

FLEx: Language Modeling with Few-shot Language Explanations

FLEx：基于少样本语言解释的语言建模

Adar Avsian, Christopher Richardson, Anirudh Sundar, Larry Heck

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软） 纠错

AI总结 FLEx通过少量解释性示例改进语言模型，有效减少错误并优于链式推理方法。

On the Limits of Learned Importance Scoring for KV Cache Compression

关于学习重要性评分在KV缓存压缩中的限制

Brady Steele

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文研究了学习重要性评分在KV缓存压缩中的局限性，发现基于位置的启发式方法和预填注意力信号在性能上优于复杂学习评分器。

Comments 14 pages, 7 figures, 5 tables

Deceptive Sequential Decision-Making via Regularized Policy Optimization

通过正则化策略优化实现欺骗性序列决策

Yerin Kim, Alexander Benvenuti, Bo Chen, Mustafa Karabag, Abhishek Kulkarni, Nathaniel D. Bastian, Ufuk Topcu, Matthew Hale

机构 * 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） ； United States Military Academy（美国军事学院） 纠错

AI总结 本文提出三种正则化策略，用于在策略优化中主动欺骗对手关于系统奖励的误解，从而在保持高累积奖励的同时误导对手。

Comments 18 pages, 5 figures

H3Fusion: Helpful, Harmless, Honest Fusion of Aligned LLMs

H3Fusion: 有助于、无害且诚实的对齐大语言模型融合

Selim Furkan Tekin, Fatih Ilhan, Tiansheng Huang, Sihao Hu, Yichang Xu, Zachary Yahn, Ling Liu

机构 * Georgia Institute of Technology, USA（佐治亚理工学院） 纠错

AI总结 H3Fusion通过基于MoE的融合机制，在帮助性、无害性和诚实性方面优于现有方法。

Reinforced Inverse Scattering

强化反散射

Hanyang Jiang, Yuehaw Khoo, Haizhao Yang

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） ； Department of Statistics（统计学系） ； University of Chicago（芝加哥大学） ； Department of Mathematics（数学系） ； Department of Computer Science（计算机科学系） ； University of Maryland College Park（马里兰大学 College Park 分校） 纠错

AI总结 本文通过强化学习智能优化传感器位置和波频，提升反散射成像的重建质量与资源利用效率。

Behavior Knowledge Merge in Reinforced Agentic Models

强化学习代理模型中的行为知识融合

Xiangchi Yuan, Dachuan Shi, Chunhui Zhang, Zheyuan Liu, Shenglong Yao, Soroush Vosoughi, Wenke Lee

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Dartmouth College（达特茅斯学院） ； University of Notre Dame（诺丁汉大学） 纠错

AI总结 本文提出RAM框架，通过分离共享和任务特定参数更新，提升RL训练代理模型的融合效果，实现性能超越专门化代理。

LLM-as-RNN: A Recurrent Language Model for Memory Updates and Sequence Prediction

LLM-as-RNN: 一种用于内存更新和序列预测的循环语言模型

Yuxing Lu, J. Ben Tamo, Weichen Zhao, Nan Sun, Yishan Zhong, Wenqi Shi, Jinzhuo Wang, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） ； Shandong University（山东大学） ； Huazhong University of Science and Technology（华中科技大学） ； UT Southwestern Medical Center（西南医学中心） 纠错

AI总结 LLM-as-RNN通过将冻结的LLM转化为循环预测器，利用自然语言记忆实现在线学习，有效提升序列预测精度并生成可解释的学习轨迹。

Comments 17 pages, 5 figures, 6 tables

The AI Genie Phenomenon and Three Types of AI Chatbot Addiction: Escapist Roleplays, Pseudosocial Companions, and Epistemic Rabbit Holes

人工智能精灵现象与三种人工智能聊天机器人成瘾类型：逃避角色扮演、伪社交伴侣和知识兔洞

M. Karen Shen, Jessica Huang, Olivia Liang, Ig-Jae Kim, Dongwook Yoon

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Korea Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 本研究探讨了人工智能聊天机器人成瘾的三种类型，并通过主题分析揭示了其成瘾机制及影响因素。

Comments To appear in CHI 2026

Unlearning in LLMs: Methods, Evaluation, and Open Challenges

在大语言模型中进行反学习：方法、评估与开放挑战

Tyler Lizzo, Larry Heck

机构 * AI Virtual Assistant (AVA) Lab（人工智能虚拟助手（AVA）实验室） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文探讨了大语言模型中反学习的方法、评估体系及开放挑战，旨在为开发可靠且负责任的反学习技术提供指导。

Safety on the Fly: Constructing Robust Safety Filters via Policy Control Barrier Functions at Runtime

飞行中的安全性：通过运行时策略控制屏障函数构建稳健的安全过滤器

Luzia Knoedler, Oswin So, Ji Yin, Mitchell Black, Zachary Serlin, Panagiotis Tsiotras, Javier Alonso-Mora, Chuchu Fan

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学） ； Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空宇航工程系，麻省理工学院） ； D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（Guggenheim航空航天工程学院，佐治亚理工学院） ； MIT Lincoln Laboratory（MIT林肯实验室） 纠错

AI总结 本文提出鲁棒策略CBF方法，通过在线估计价值函数构建稳健的安全过滤器，用于高相对阶输入约束系统的安全控制。

Comments Accepted in RAL. The project page can be found at www.oswinso.xyz/rpcbf/

Journal ref IEEE Robotics and Automation Letters, Volume 10, Issue 10, 2025, pages 10058-10065

AlphaMapleSAT: An MCTS-based Cube-and-Conquer SAT Solver for Hard Combinatorial Problems

AlphaMapleSAT：一种基于MCTS的立方与征服SAT求解器，用于解决难题组合问题

Piyush Jha, Zhengyu Li, Zhengyang Lu, Raymond Zeng, Curtis Bright, Vijay Ganesh

机构 * Georgia Institute of Technology, USA（佐治亚理工学院） ； University of Waterloo, Canada（滑铁卢大学） ； University of Windsor, Canada（温莎大学） 纠错

AI总结 AlphaMapleSAT通过结合MCTS与演绎反馈，改进了立方与征服SAT求解器，显著提升了解决难题组合问题的效率。

Comments Added more experiments

MATTERIX: toward a digital twin for robotics-assisted chemistry laboratory automation

MATTERIX：迈向机器人辅助化学实验室自动化数字孪生

Kourosh Darvish, Arjun Sohal, Abhijoy Mandal, Hatem Fakhruldeen, Nikola Radulov, Zhengxue Zhou, Satheeshkumar Veeramani, Joshua Choi, Sijie Han, Brayden Zhang, Jeeyeoun Chae, Alex Wright, Yijie Wang, Hossein Darvish, Yuchi Zhao, Gary Tom, Han Hao, Miroslav Bogdanovic, Gabriella Pizzuto, Andrew I. Cooper, Alán Aspuru-Guzik, Florian Shkurti, Animesh Garg

机构 * University of Toronto（多伦多大学） ； Acceleration Consortium（加速联盟） ； Vector Institute（向量研究所） ； University of Liverpool（利物浦大学） ； University of Salento（萨勒诺大学） ； NVIDIA Canadian Institute for Advanced Research（NVIDIA加拿大高级研究机构） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 MATTERIX通过多尺度仿真和模块化引擎，实现机器人辅助化学实验室的数字孪生，加速工作流程开发并减少现实实验依赖。

Comments Darvish, K., Sohal, A., Mandal, A. et al. MATTERIX: toward a digital twin for robotics-assisted chemistry laboratory automation. Nat Comput Sci (2025)

ReWorld: Multi-Dimensional Reward Modeling for Embodied World Models

ReWorld：面向具身世界模型的多维奖励建模

Baorui Peng, Wenyao Zhang, Liang Xu, Zekun Qi, Jiazhao Zhang, Hongsi Liu, Wenjun Zeng, Xin Jin

机构 * Eastern Institute of Technology（东部技术研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） 纠错

AI总结 ReWorld通过多维奖励建模提升具身世界模型的物理真实性和任务完成能力

Rethinking the Value of Multi-Agent Workflow: A Strong Single Agent Baseline

重新思考多智能体工作流的价值：一个强大的单智能体基线

Jiawei Xu, Arief Koesdwiady, Sisong Bei, Yan Han, Baixiang Huang, Dakuo Wang, Yutong Chen, Zheshen Wang, Peihao Wang, Pan Li, Ying Ding

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊） ； Emory University（埃默里大学） ； Northeastern University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本研究通过单个代理的多轮对话模拟多智能体工作流，提出OneFlow算法，实现高效且准确的多代理流程，为多智能体系统研究提供强基线。

EmoBipedNav: Emotion-aware Social Navigation for Bipedal Robots with Deep Reinforcement Learning

EmoBipedNav：基于深度强化学习的具有情绪感知的双足机器人社交导航

Wei Zhu, Abirath Raju, Abdulaziz Shamsah, Anqi Wu, Seth Hutchinson, Ye Zhao

机构 * Laboratory for Intelligent Decision and Autonomous Robots, Woodruff School of Mechanical Engineering, Georgia Institute of Technology（智能决策与自主机器人实验室，伍德鲁夫机械工程学院，佐治亚理工学院） ； College of Engineering and Petroleum, Kuwait University（工程与石油学院，科威特大学） ； 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） ； Khoury College of Computer Sciences, Northeastern University（计算机科学学院，东北大学） 纠错

AI总结 EmoBipedNav通过深度强化学习实现双足机器人在社交环境中的情绪感知导航，结合运动约束与社交动态，提升安全性和交互效率。

Comments 13 pages

FutureX-Pro: Extending Future Prediction to High-Value Vertical Domains

FutureX-Pro: 将未来预测扩展到高价值垂直领域

Jiashuo Liu, Siyuan Chen, Zaiyuan Wang, Zhiyuan Zeng, Jiacheng Guo, Liang Hu, Lingyue Yin, Suozhi Huang, Wenxin Hao, Yang Yang, Zerui Cheng, Zixin Yao, Lingyue Yin, Haoxin Liu, Jiayi Cheng, Yuzhen Li, Zezhong Ma, Bingjie Wang, Bingsen Qiu, Xiao Liu, Zeyang Zhang, Zijian Liu, Jinpeng Wang, Mingren Yin, Tianci He, Yali Liao, Yixiao Tian, Zhenwei Zhu, Anqi Dai, Ge Zhang, Jingkai Liu, Kaiyuan Zhang, Wenlong Wu, Xiang Gao, Xinjie Chen, Zhixin Yao, Zhoufutu Wen, B. Aditya Prakash, Jose Blanchet, Mengdi Wang, Nian Si, Wenhao Huang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） 纠错

AI总结 FutureX-Pro通过扩展未来预测到金融、零售、公共健康和自然灾害等高价值垂直领域，评估代理LLMs在工业部署中的领域基础能力。

Comments 21 pages

One-Sided Matrix Completion from Ultra-Sparse Samples

从超稀疏样本进行单边矩阵补全

Hongyang R. Zhang, Zhenshuo Zhang, Huy L. Nguyen, Guanghui Lan

机构 * Northeastern University, Boston（东北大学，波士顿） ； Georgia Institute of Technology, Atlanta（佐治亚理工学院，亚特兰大） 纠错

AI总结 本文提出了一种在超稀疏样本条件下通过梯度下降估计二阶矩矩阵T的方法，以实现单边矩阵补全，并在实验中验证了其有效性。

Comments 41 pages

Journal ref Trans. Mach. Learn. Res. 2026

RobotDesignGPT: Automated Robot Design Synthesis using Vision Language Models

RobotDesignGPT: 基于视觉语言模型的自动化机器人设计合成

Nitish Sontakke, K. Niranjan Kumar, Sehoon Ha

机构 * School of Interactive Computing, Georgia Institute of Technology（交互计算学院，佐治亚理工学院） 纠错

AI总结 RobotDesignGPT利用视觉语言模型实现自动化机器人设计，通过用户提示和参考图像生成美观且运动学有效的机器人设计。

Generalizable Domain Adaptation for Sim-and-Real Policy Co-Training

可泛化领域适应的仿真与现实策略协同训练

Shuo Cheng, Liqian Ma, Zhenyang Chen, Ajay Mandlekar, Caelan Garrett, Danfei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Corporation（英伟达公司） 纠错

AI总结 本文提出一种仿真与现实协同训练框架，通过学习领域不变的特征空间，利用仿真数据提升现实世界操作策略的泛化能力，实现实验成功率提升30%。

Comments Accepted to NeurIPS 2025

Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification

胎儿睡眠：跨物种的生理、测量与分类综述

Weitao Tang, Johann Vargas-Calixto, Nasim Katebi, Robert Galinsky, Gari D. Clifford, Faezeh Marzbanrad

机构 * Department of Electrical and Computer Systems Engineering, Monash University（墨尔本大学电气与计算机系统工程系） ； Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系） ； Ritchie Centre, Hudson Institute of Medical Research, and the Department of Obstetrics and Gynaecology, Monash University（霍普金斯医学研究所以及墨尔本大学妇产科系） ； Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） 纠错

AI总结 本研究综述了胎儿睡眠的跨物种生理、测量与分类，指出其周期性变化与神经发育的关系，并强调开发非侵入性监测技术以早期检测神经损伤的重要性。

Comments Accepted for publication in Sleep. 56 pages, 3 figures, 7 tables

Journal ref Sleep, 2026, zsag003

A reduced-order derivative-informed neural operator for subsurface fluid-flow

一种基于导数信息的降阶神经算子用于地下流体流动

Jeongjin Park, Grant Bruer, Huseyin Tuna Erdinc, Abhinav Prakash Gahlot, Felix J. Herrmann

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 DeFINO通过结合傅里叶神经算子和Fisher信息矩阵引导的导数训练策略，提高地下多相流体流动反演任务的梯度精度和计算效率。