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

SSFL: Discovering Sparse Unified Subnetworks at Initialization for Efficient Federated Learning

SSFL：在初始化时发现稀疏统一子网络以实现高效的联邦学习

Riyasat Ohib, Bishal Thapaliya, Gintare Karolina Dziugaite, Jingyu Liu, Vince Calhoun, Sergey Plis

机构 * Georgia Institute of Technology（佐治亚理工学院） ； TReNDS Center（TReNDS中心） ； Google DeepMind, Mila - Quebec AI Institute（谷歌DeepMind、魁北克AI研究所） ； Georgia State University（佐治亚州立大学） ； Emory University（埃默里大学） ； Center for Translational Research in Neuroimaging & Data Science (TReNDS)（神经影像与数据科学转化研究中心（TReNDS）） 纠错

AI总结 SSFL通过在初始化时发现稀疏统一子网络，实现高效联邦学习，减少通信成本并提升准确性与稀疏性权衡。

Comments Published in Transactions on Machine Learning Research (TMLR), 2026

Journal ref Transactions on Machine Learning Research, 2026

Stable and Explainable Personality Trait Evaluation in Large Language Models with Internal Activations

在大型语言模型中利用内部激活实现稳定且可解释的人格特质评估

Xiaoxu Ma, Xiangbo Zhang, Zhenyu Weng

机构 * Georgia Institute of Technology（佐治亚理工学院） ； South China University of Technology（华南理工大学） 纠错

AI总结 本文提出PVNI方法，通过内部激活提取人格向量并插值得分，实现LLMs中稳定且可解释的人格特质评估。

Relative Scaling Laws for LLMs

大语言模型的相对扩展定律

William Held, David Hall, Percy Liang, Diyi Yang

机构 * Stanford University（斯坦福大学） ； OpenAthena（开放阿塔纳） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本研究提出相对扩展定律，通过分析不同测试分布在规模变化下的性能差异，揭示大语言模型在扩展过程中并非普遍均衡器，强调了鲁棒性挑战的重要性。

SCaLE: Switching Cost aware Learning and Exploration

SCaLE: 带切换成本的学习与探索

Neelkamal Bhuyan, Debankur Mukherjee, Adam Wierman

机构 * Georgia Institute of Technology（佐治亚理工学院） ； California Institute of Technology（加州理工学院） 纠错

AI总结 SCaLE算法通过考虑高维动态二次击中成本和ℓ2-范数切换成本，在噪声带轮反馈模型中实现了分布无关的亚线性动态遗憾。

Comments 42 pages

SOP-Maze: Evaluating Large Language Models on Complicated Business Standard Operating Procedures

SOP-Maze：在复杂业务标准操作规程上评估大语言模型

Jiaming Wang, Zhe Tang, Zehao Jin, Hefei Chen, Yilin Jin, Peng Ding, Xiaoyu Li, Xuezhi Cao

机构 * Meituan M17（美团M17） ； Georgia Institute of Technology（佐治亚理工学院） ； Nanjing University（南京大学） 纠错

AI总结 SOP-Maze通过评估大语言模型在复杂业务标准操作规程中的表现，揭示了模型在遵循规程、对话处理和计算推理方面的不足。

An Attention Infused Deep Learning System with Grad-CAM Visualization for Early Screening of Glaucoma

融合Grad-CAM可视化的眼底图像早期青光眼筛查深度学习系统

Ramanathan Swaminathan

机构 * College of Computing（计算学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本研究提出一种融合深度卷积神经网络与 Vision Transformer 的深度学习系统，结合 Grad-CAM 可视化技术，用于提高青光眼早期筛查的性能。

Comments 6 pages in general IEEE format, 8 figures, 4 tables, pdflatex

Game of Coding: Sybil Resistant Decentralized Machine Learning with Minimal Trust Assumption

编码游戏：基于最小信任假设的去中心化机器学习

Hanzaleh Akbari Nodehi, Viveck R. Cadambe, Mohammad Ali Maddah-Ali

机构 * University of Minnesota Twin Cities（明尼苏达大学双城分校） ； The Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出编码游戏框架，通过博弈论方法实现去中心化机器学习的Sybil抗性，并探讨了系统行为的关键方面。

TerraFormer: Automated Infrastructure-as-Code with LLMs Fine-Tuned via Policy-Guided Verifier Feedback

TerraFormer：基于LLM的自动化基础设施即代码生成与变异框架

Prithwish Jana, Sam Davidson, Bhavana Bhasker, Andrey Kan, Anoop Deoras, Laurent Callot

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 TerraFormer通过结合监督微调与验证器引导强化学习，提升LLM生成IaC的准确性与合规性，实现更高的正确率和安全性。

Comments The paper has been published at the 2026 IEEE/ACM 48th International Conference on Software Engineering (ICSE 2026), Rio de Janeiro, Brazil, April 12-18, 2026

Memory in the Age of AI Agents

人工智能代理时代的记忆

Yuyang Hu, Shichun Liu, Yanwei Yue, Guibin Zhang, Boyang Liu, Fangyi Zhu, Jiahang Lin, Honglin Guo, Shihan Dou, Zhiheng Xi, Senjie Jin, Jiejun Tan, Yanbin Yin, Jiongnan Liu, Zeyu Zhang, Zhongxiang Sun, Yutao Zhu, Hao Sun, Boci Peng, Zhenrong Cheng, Xuanbo Fan, Jiaxin Guo, Xinlei Yu, Zhenhong Zhou, Zewen Hu, Jiahao Huo, Junhao Wang, Yuwei Niu, Yu Wang, Zhenfei Yin, Xiaobin Hu, Yue Liao, Qiankun Li, Kun Wang, Wangchunshu Zhou, Yixin Liu, Dawei Cheng, Qi Zhang, Tao Gui, Shirui Pan, Yan Zhang, Philip Torr, Zhicheng Dou, Ji-Rong Wen, Xuanjing Huang, Yu-Gang Jiang, Shuicheng Yan

机构 * Core Supervisors. 0.5em Affiliations: National University of Singapore, Renmin University of China, Fudan University, Peking University, Nanyang Technological University, Tongji University, University of California San Diego, Hong Kong University of Science ； Technology (Guangzhou), Griffith University, Georgia Institute of Technology, OPPO, Oxford University 纠错

AI总结 本文系统梳理了人工智能代理记忆的现状与分类，提出了记忆的三种形式、功能分类及动态分析，为未来智能设计提供理论基础。

HiKE: Hierarchical Evaluation Framework for Korean-English Code-Switching Speech Recognition

HiKE：韩英混合语语音识别的分层评估框架

Gio Paik, Yongbeom Kim, Soungmin Lee, Sangmin Ahn, Chanwoo Kim

机构 * Theta One AI ； Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Williams College（威廉姆斯学院） ； ROKAF Reserve Forces（韩国预备役部队） 纠错

AI总结 HiKE提出一个分层评估框架，用于评估韩英混合语语音识别模型的性能，通过高质量数据和细致标注提升模型对混合语言处理能力的评估。

Comments EACL Findings 2026

Provocations from the Humanities for Generative AI Research

对生成式AI研究的人文学科挑衅

Lauren Klein, Meredith Martin, André Brock, Maria Antoniak, Melanie Walsh, Jessica Marie Johnson, Lauren Tilton, David Mimno

机构 * Emory University（埃默里大学） ； Princeton University（普林斯顿大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Colorado Boulder（科罗拉多大学丹佛分校） ； University of Washington（华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Richmond（里士满大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出八个针对生成式AI研究的人文学科观点，强调人文学科在AI发展中的重要性，并呼吁抵制将人文学科研究纳入计算机科学领域。

Comments revised draft; final version in preparation

An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease

可解释的生成多模态神经影像-基因组框架用于解码阿尔茨海默病

Giorgio Dolci, Federica Cruciani, Md Abdur Rahaman, Anees Abrol, Jiayu Chen, Zening Fu, Ilaria Boscolo Galazzo, Gloria Menegaz, Vince D. Calhoun

机构 * Department of Computer Science, University of Verona（威尼斯大学计算机科学系） ； Department of Engineering for Innovation Medicine, University of Verona（威尼斯大学创新医学工程系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, Emory University（神经影像与数据科学转化研究三机构中心（TReNDS），佐治亚州立大学，佐治亚理工学院，埃默里大学） 纠错

AI总结 本文提出了一种可解释的生成多模态神经影像-基因组框架，用于解码阿尔茨海默病，通过多模态数据和单核苷酸多态性实现AD检测和MCI预测，并揭示了与疾病相关的生物学机制。

Comments 33 pages, 8 figures (main text + supplementary materials), submitted to a journal

Journal ref J. Neural Eng. 22 056021 (2025)

MEDVISTAGYM: A Scalable Training Environment for Thinking with Medical Images via Tool-Integrated Reinforcement Learning

MEDVISTAGYM：一种通过工具集成强化学习进行医学图像思考的可扩展训练环境

Meng Lu, Yuxing Lu, Yuchen Zhuang, Megan Mullins, Yang Xie, Guanghua Xiao, Charles Fleming, Wenqi Shi, Xuan Wang

机构 * Virginia Tech（弗吉尼亚理工大学） ； UT Southwestern Medical Center（德克萨斯大学西南医学中心） ； Georgia Institute of Technology（佐治亚理工学院） ； Cisco（思科公司） 纠错

AI总结 MedVistaGym通过工具集成强化学习提升医学图像分析的代理训练效果。

CloneMem: Benchmarking Long-Term Memory for AI Clones

CloneMem：用于AI克隆的长期记忆基准测试

Sen Hu, Zhiyu Zhang, Yuxiang Wei, Xueran Han, Zhenheng Tang, Huacan Wang, Ronghao Chen

机构 * Peking University（北京大学） ； UC Davis（加州大学戴维斯分校） ； Georgia Tech（佐治亚理工学院） ； MBZUAI（穆桑人工智能研究所） ； HKUST（香港科技大学） ； UCAS（中国科学技术大学） 纠错

AI总结 CloneMem是一个用于评估AI克隆长期记忆能力的基准，通过非对话数字痕迹数据，评估代理对个人状态演变的跟踪能力。

Graph-KV: Breaking Sequence via Injecting Structural Biases into Large Language Models

Graph-KV: 通过向大语言模型注入结构偏差打破序列

Haoyu Wang, Peihao Wang, Mufei Li, Shikun Liu, Siqi Miao, Zhangyang Wang, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 Graph-KV通过引入结构偏差打破序列限制，提升大语言模型在图结构任务中的表现。

Safe Vision-Language Models via Unsafe Weights Manipulation

通过不安全权重操作实现安全的视觉-语言模型

Moreno D'Incà, Elia Peruzzo, Xingqian Xu, Humphrey Shi, Nicu Sebe, Massimiliano Mancini

机构 * University of Trento（特伦托大学） ； NVIDIA（NVIDIA公司） ； Georgia Tech（佐治亚理工学院） 纠错

AI总结 本文提出UWM方法，通过不训练的方式提升视觉-语言模型在不安全查询上的安全性，同时在安全输入上表现更优。

Comments WACV 2026

FlexVAR: Flexible Visual Autoregressive Modeling without Residual Prediction

FlexVAR: 无需残差预测的灵活视觉自回归建模

Siyu Jiao, Gengwei Zhang, Yinlong Qian, Jiancheng Huang, Yao Zhao, Humphrey Shi, Lin Ma, Yunchao Wei, Zequn Jie

机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学学院） ； University of Technology Sydney（悉尼科技大学） ； Meituan（美团） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 FlexVAR通过无需残差预测的灵活视觉自回归建模，在低分辨率图像上实现高分辨率图像生成和多种图像任务处理。

CLIP-GS: Unifying Vision-Language Representation with 3D Gaussian Splatting

CLIP-GS: 通过3D高斯点划法统一视觉-语言表示

Siyu Jiao, Haoye Dong, Yuyang Yin, Zequn Jie, Yinlong Qian, Yao Zhao, Humphrey Shi, Yunchao Wei

机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学学院） ； National University of Singapore（新加坡国立大学） ； Meituan（美团） ； Georgia Institute of Technology（佐治亚理工学院） ； Picsart AI Research (PAIR)（Picsart AI研究（PAIR）） 纠错

AI总结 CLIP-GS通过3D高斯点划法统一视觉-语言表示，利用对比损失和图像投票损失提升多模态检索和分类性能。

MTMCS-Bench: Evaluating Contextual Safety of Multimodal Large Language Models in Multi-Turn Dialogues

MTMCS-Bench: 多轮对话中多模态大语言模型上下文安全性的评估

Zheyuan Liu, Dongwhi Kim, Yixin Wan, Xiangchi Yuan, Zhaoxuan Tan, Fengran Mo, Meng Jiang

机构 * University of Notre Dame（诺丁汉大学） ； 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） ； University of Montreal（蒙特利尔大学） 纠错

AI总结 MTMCS-Bench评估多模态大语言模型在多轮对话中的上下文安全性，揭示了安全与效用之间的权衡及现有防护措施的不足。

Comments A benchmark of realistic images and multi-turn conversations that evaluates contextual safety in MLLMs under two complementary settings

Evaluating Cross-Lingual Unlearning in Multilingual Language Models

评估多语言语言模型中的跨语言反学习

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 本文研究了多语言语言模型中的跨语言反学习，发现子空间投影方法在去除非训练语言事实方面表现最佳，揭示了权重空间几何结构对多语言遗忘的影响。

Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing

连续量子架构搜索与张量列车编码：理论与信号处理应用

Jun Qi, Chao-Han Huck Yang, Pin-Yu Chen, Javier Tejedor, Ling Li, Min-Hsiu Hsieh

机构 * 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） ； NVIDIA Research（NVIDIA研究） ； IBM Thomas J. Watson Research Center（IBM托马斯·J·沃森研究中心） ； Department of Information Technology, Institute of Technology, Universidad San Pablo-CEU（信息科技系，技术研究所，圣地亚哥-CEU大学） ； City St George's, University of London（伦敦圣乔治大学） ； Hon Hai (Foxconn) Quantum Computing Research Center（鸿海（富士康）量子计算研究中心） 纠错

AI总结 CL-QAS通过张量列车编码和双循环学习策略，实现连续量子架构搜索，在信号处理中提升了准确性和鲁棒性。

Comments In submission

Average shortest-path length in word-adjacency networks: Chinese versus English

词邻接网络中平均最短路径长度：中文与英文

Jakub Dec, Michał Dolina, Stanisław Drożdż, Jarosław Kwapień, Jin Liu, Tomasz Stanisz

机构 * Faculty of Computer Science and Telecommunications, Cracow University of Technology（计算机科学与电信系，克拉科夫技术大学） ； Complex Systems Theory Department, Institute of Nuclear Physics, Polish Academy of Sciences（复杂系统理论系，波兰科学院核物理研究所） ； School of Modern Languages, Georgia Institute of Technology（现代语言学院，佐治亚理工学院） 纠错

AI总结 本文研究了中文和英文词邻接网络中平均最短路径长度的差异，通过包含标点符号来分析语言结构特性，发现标点符号对路径长度有显著影响。

Journal ref Physical Review E 112, 064318 (2025)

Predictive inference for time series: why is split conformal effective despite temporal dependence?

时间序列预测中的预测推断：为何分裂置信区间在存在时间依赖性时仍有效

Rina Foygel Barber, Ashwin Pananjady

机构 * Department of Statistics, University of Chicago（芝加哥大学统计系） ； Schools of Industrial and Systems Engineering and Electrical and Computer Engineering, Georgia Tech（佐治亚理工学院工业与系统工程及电气与计算机工程学院） 纠错

AI总结 本文研究了时间序列中分裂置信预测的有效性，通过引入切换系数量化时间依赖性对交换性假设的违反程度，揭示了预测区间覆盖概率的理论性质。

Comments v2 has minor changes to the presentation

KG-MuLQA: A Framework for KG-based Multi-Level QA Extraction and Long-Context LLM Evaluation

KG-MuLQA：基于知识图谱的多级问答提取与长上下文LLM评估框架

Nikita Tatarinov, Vidhyakshaya Kannan, Haricharana Srinivasa, Arnav Raj, Harpreet Singh Anand, Varun Singh, Aditya Luthra, Ravij Lade, Agam Shah, Sudheer Chava

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

AI总结 KG-MuLQA通过基于知识图谱的文档表示，实现了多级问答提取与长上下文LLM评估，揭示了模型在集合运算和多跳推理上的系统性失败模式。

KARMA: Leveraging Multi-Agent LLMs for Automated Knowledge Graph Enrichment

KARMA：利用多智能体大语言模型实现知识图谱的自动化丰富

Yuxing Lu, Wei Wu, Xukai Zhao, Rui Peng, Jinzhuo Wang

机构 * Department of Big Data and Biomedical AI, Peking University（北京大学大数据与生物医学人工智能系） ； Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） ； School of Architecture, Tsinghua University（清华大学建筑学院） 纠错

AI总结 KARMA通过多智能体大语言模型自动丰富知识图谱，有效识别新实体并提高正确性与一致性

Comments 24 pages, 3 figures, 2 tables

Journal ref Spotlight paper of NeurIPS 2025

Point processes with event time uncertainty

具有事件时间不确定性的点过程

Xiuyuan Cheng, Tingnan Gong, Yao Xie

机构 * Department of Mathematics, Duke University（杜克大学数学系） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程学院） 纠错

AI总结 本文提出了一种处理时间不确定性的Hawkes过程建模框架，通过离散时间模型和优化方法提升推断效率，并在多个数据集上验证了其优越性。

Sequential Bayesian Optimal Experimental Design in Infinite Dimensions via Policy Gradient Reinforcement Learning

通过策略梯度强化学习实现无限维下的序列贝叶斯最优实验设计

Kaichen Shen, Peng Chen

机构 * School of Mathematics, Georgia Institute of Technology（数学系，佐治亚理工学院） ； School of Computational Science and Engineering, Georgia Institute of Technology（计算科学与工程系，佐治亚理工学院） 纠错

AI总结 本文提出了一种基于策略梯度强化学习的方法，用于在无限维空间中实现序列贝叶斯最优实验设计，通过维度缩减和神经算子替代模型实现了高效的实验设计策略，显著提升了计算效率和物理可解释性。

From Small to Large: Generalization Bounds for Transformers on Variable-Size Inputs

从小到大：变换器在可变大小输入上的泛化界限

Anastasiia Alokhina, Pan Li

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

AI总结 本文提出了一种理论框架，用于分析变换器在可变大小输入上的泛化界限，通过采样密度和数据流形的内在维数确定误差界，并通过实验验证了理论的准确性。

Plenoptic Video Generation

光场视频生成

Xiao Fu, Shitao Tang, Min Shi, Xian Liu, Jinwei Gu, Ming-Yu Liu, Dahua Lin, Chen-Hsuan Lin

机构 * NVIDIA ； The Chinese University of Hong Kong（香港中文大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 PlenopticDreamer通过多输入单输出视频条件模型和相机引导检索策略，实现高质量多视角视频重绘，提升时空一致性和视角转换能力。

Comments Project Page: https://research.nvidia.com/labs/dir/plenopticdreamer/

Scaling Trends for Multi-Hop Contextual Reasoning in Mid-Scale Language Models

中等规模语言模型中多跳上下文推理的扩展趋势

Brady Steele, Micah Katz

机构 * Georgia Institute of Technology（佐治亚理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 研究通过对比不同模型的多跳推理能力，发现多代理系统在推理任务中表现优于规则方法，且模型基础能力影响放大效果。

Comments 18 pages, 6 figures, 8 tables