高校专区
变分正确的算子学习：带有后验误差估计的降阶神经算子
机构 * School of Computational Science and Engineering（计算科学与工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Mathematics（数学系） ； University of South Carolina（南卡罗来纳大学）
AI总结 本文提出一种变分正确的降阶神经算子，通过FOSLS目标函数和后验误差估计提升PDE兼容性，实现高效准确的算子学习。
物理信息推理时间缩放：通过缺陷修正求解高维PDE
机构 * Peking University（北京大学） ； Visa Inc.（Visa公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Northwestern University（西北大学）
AI总结 SCaSML通过缺陷修正方法提高高维PDE求解的精度和效率，减少替代模型误差20-80%
显式组稀疏投影及其在深度学习和NMF中的应用
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Mons（蒙斯大学） ； J.P. Morgan AI Research（摩根大通AI研究） ； TReNDS Center（TReNDS中心）
AI总结 本文提出了一种显式组稀疏投影方法，用于在深度学习和NMF中实现高稀疏度模型，提高了图像数据集上的学习性能和模型准确性。
Comments 20 pages, 10 figures; major revisions; affiliation corrected, grant added
Journal ref Transactions on Machine Learning Research (TMLR), 2022
深度学习与机器学习——Python数据结构与数学基础：从理论到实践
机构 * Zhejiang University（浙江大学） ； Indiana University（印第安纳大学） ； Kyoto University（京都大学） ； AppCubic ； Rutgers University（罗格斯大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Purdue University（普渡大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本书通过Python语言，系统讲解机器学习和深度学习的基础理论与实践，涵盖数学基础、算法实现及大数据应用，帮助读者掌握AI开发的核心技能。
Comments 298 pages
深度学习与机器学习：通过设计模式推进大数据分析与管理
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Indiana University（印第安纳大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University of Hawaii（夏威夷大学） ； National Taiwan Normal University（台湾师范大学） ； Kyoto University（京都大学） ； Rutgers University（罗格斯大学） ； AppCubic ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Purdue University（普渡大学） ； Emory University（埃默里大学）
AI总结 本书通过设计模式优化大数据分析系统开发与维护，提供高效、可重用的系统构建方法。
Comments 138pages
深度学习与机器学习，推动大数据分析与管理：面向对象编程
机构 * Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Indiana University（印第安纳大学） ； Rutgers University（罗格斯大学） ； Purdue University（普渡大学） ； Kyoto University（京都大学） ； University of Hawaii（夏威夷大学） ； National Tsing Hua University（国立清华大学） ； The 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 Wisconsin-Madison（威斯康星大学麦迪逊分校） ； National Taiwan Normal University（台湾师范大学） ； Emory University（埃默里大学） ； JTB Technology Corp.（JTB技术公司）
AI总结 本文探讨了面向对象编程在机器学习和深度学习中的应用，通过Python示例展示了如何提升代码模块化和可维护性，为AI项目提供更稳健的开发方法。
Comments 49pages
CETCAM: 通过一致且可扩展的分词实现相机可控的视频生成
机构 * Georgia Institute of Technology（佐治亚理工学院） ； ByteDance（字节跳动） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 CETCAM通过一致且可扩展的分词方案实现相机可控的视频生成，提高了几何一致性和视觉真实性，同时支持额外的控制模式。
一种用于管理偏差的决策理论方法
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Amrita Vishwa Vidyapeetham（阿米特拉维瓦大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种决策理论框架，用于在不确定情况下评估人工智能代理的偏差是否足够，以决定是否委托决策。
Comments Second Conference of the International Association for Safe and Ethical Artificial Intelligence (IASEAI '26)
SG-RIFE：基于语义的实时中间流估计与扩散竞争感知质量
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 SG-RIFE通过引入语义引导的微调策略和模块，实现了在实时条件下超越扩散方法的感知质量。
通过树状路由、自适应剪枝和依赖感知的预填解码重叠实现高效的混合代理服务
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） ； Samsung Semiconductors, Inc.（三星半导体公司）
AI总结 本文提出一种高效的混合代理服务方法，通过树状路由、自适应剪枝和依赖感知的预填解码重叠，显著降低推理延迟并保持准确性。
Comments 13 pages, 4 figures, submitted to Design Automation Conference (DAC) 2026
通过LoRA微调大音频-语言模型实现精确的延长暴露疗法元素时间定位
机构 * 1College of Information Sciences \& Technology, The Pennsylvania State University, USA 2Department of Psychiatry \& Behavioral Sciences, Emory University, USA 3School of Interactive Computing, Georgia Institute of Technology, USA 4School of Psychology, Georgia Institute of Technology, USA
AI总结 通过LoRA微调大音频-语言模型，实现对延长暴露疗法关键元素的精确时间定位，提升治疗师忠实性评估的效率和准确性。
Comments 5 pages, 2 figures
利用预热的广义邦德斯分解加速混合模型预测控制
机构 * Independent Researcher（独立研究者） ； Department of Mechanical Engineering, University of California, Los Angeles（加州大学洛杉矶分校机械工程系） ； School of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院机械工程学院）
AI总结 本文提出一种基于广义邦德斯分解的混合MPC算法，通过预热切割平面提升求解速度，适用于机器人控制任务。
Comments Significantly revised to emphasize theoretical bounds. The heuristic Master Problem algorithm and GCS tightening experiments are preserved in v1
大语言模型中的跨语言偏见检验
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Glasgow（格拉斯哥大学）
AI总结 本研究提出了一种多语言偏见评估框架，通过显性与隐性偏见测量揭示LLM在不同语言中的偏见差异，强调隐性偏见检测的重要性，为公平多语言LLM的发展提供方法基础。
FrontierCS: 蒸馏智能面临的挑战
机构 * UC Berkeley（加州大学伯克利分校） ； Princeton University（普林斯顿大学） ； UCSD（加州大学圣迭戈分校） ； X-camp Academy（X-camp学院） ； Georgia Tech（佐治亚理工学院） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Nanyang Technological University（南洋理工大学） ； University of Toronto（多伦多大学） ； UIUC（伊利诺伊大学香槟分校） ； University of Michigan（密歇根大学） ； New York University（纽约大学） ； MIT（麻省理工学院）
AI总结 FrontierCS是一个针对未知最优解的计算机科学开放性问题基准测试，旨在评估模型在算法和研究任务中的推理能力，发现现有模型在复杂问题上仍需提升。
Comments Code with instruction: https://github.com/FrontierCS/Frontier-CS
LLmFPCA-detect: 基于大语言模型的多变量功能主成分分析用于稀疏纵向文本中的异常检测
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（乔治亚理工学院H.Milton Stewart工业与系统工程学院） ； AT&T Chief Data Office（AT&T首席数据办公室） ； Department of Data Sciences and Operations, Marshall School of Business, University of Southern California（南加州大学马歇尔商学院数据科学与运营学院）
AI总结 LLmFPCA-detect结合大语言模型和功能主成分分析，用于稀疏纵向文本中的异常检测和模式推断，提升预测性能。
基于无线电波传感的人类估计的综合评估：规则-based、机器学习与深度学习的准确性、空间泛化与输出粒度的权衡
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） ； SoftBank Corp.（软银公司）
AI总结 本研究比较了规则-based、机器学习和深度学习在无线电波传感中的人类估计性能，发现高容量模型在准确性上表现优异但易受领域转移影响，而规则-based方法则更稳健但输出粒度较低。
Comments 10 pages, 5 figures. A comprehensive comparison of rule-based, machine learning, and deep learning approaches for human estimation using FMCW MIMO radar, focusing on accuracy, spatial generalization, and output granularity
面向深度学习毫米波雷达感知的跨环境泛化综合评估
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） ； SoftBank Corp.（软银公司）
AI总结 本文提出了一种综合评估方法，通过Sigmoid加权和迁移学习提升毫米波雷达在不同环境下的泛化能力，实验证明其在误差减少方面具有显著优势。
Comments 8 pages, 6 figures. Comprehensive evaluation of preprocessing, data augmentation, and transfer learning for cross-environment generalization in deep learning-based mmWave radar sensing
最优标签分配与采样用于存在不完美标签的主动学习
机构 * 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 阿拉巴马州亚特兰大 30332, 美国） ； Ford Motor Company（福特汽车公司）
AI总结 本文提出了一种新的主动学习框架，通过优化标签分配和采样方法，减少噪声影响以提高分类性能。
Comments 22 pages, 6 figures. Preprint under review
CoDA：一种解耦的层次代理
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Alibaba Group（阿里巴巴集团）
AI总结 CoDA通过解耦的层次代理设计，利用强化学习有效缓解上下文爆炸问题，在复杂任务中实现性能提升。
Comments Accepted to WSDM '26 Oral
ORIBA：探索基于大语言模型的对话机器人作为原创角色艺术家创造力支持工具
机构 * Computer Science Research Centre, Royal College of Art（皇家艺术学院计算机科学研究中心） ； Digital Media, School of Literature, Media, and Communication, Georgia Institute of Technology（佐治亚理工学院数字媒体系） ； Princeton University（普林斯顿大学） ； Digital Media, Georgia Institute of Technology（佐治亚理工学院数字媒体系） ； Division of Integrative Systems and Design, The Hong Kong University of Science and Technology（香港科学大学整合系统与设计 division） ； Industrial Design Department, College of Engineering, KAIST（韩国科学技术院工程学院工业设计系）
AI总结 ORIBA通过大语言模型支持原创角色艺术家的创意过程，平衡AI辅助与创意自主权。
基于补丁的扩散模型用于数据高效、放射科医师偏好的MRI重建
机构 * Stanford University（斯坦福大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Stanford Center for Artificial Intelligence in Medicine and Imaging（斯坦福大学医学与成像人工智能中心） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于补丁的扩散模型用于高效MRI重建，在小数据集上表现优于现有方法，且被放射科医师认为诊断效果更优。
Comments Code is available at: https://github.com/voilalab/PaDIS-MRI
GPT-OSS好吗？对OpenAI最新开源模型的综合评估
机构 * AI Agent Lab, Vokram Group（AI代理实验室，Vokram集团） ； Purdue University（普渡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Minnesota（明尼苏达大学） ； Emory University（埃默里大学） ； Imperial College London（伦敦帝国学院）
AI总结 GPT-OSS在代码生成方面表现优异，但在多语言任务上存在不足，研究发现稀疏架构扩展未必能带来性能提升。
保持灯光亮起，保持长度在控制中：用于能源预测时间序列LLM的插件对抗检测
机构 * The University of Melbourne, Australia（墨尔本大学） ； Monash University, Australia（莫纳什大学） ； Georgia Institute of Technology, United States（佐治亚理工学院）
AI总结 本文提出一种用于时间序列LLM的插件对抗检测方法，通过采样诱导的分歧检测对抗性示例，提升能源预测的鲁棒性。
EchoVLM：基于测量的多模态学习用于超声心动图
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Siemens Healthineers（西门子医疗） ； Siemens Healthcare Limited（西门子医疗有限公司） ； Emory University（埃默里大学） ； University of Southern California（南加州大学）
AI总结 EchoVLM通过引入基于测量的多模态学习方法，实现了超声心动图的端到端解读，提升了疾病分类和视图识别的性能。
EnviroLLM：本地AI的资源追踪与优化
机构 * Georgia Institute of Technology, College of Computing（佐治亚理工学院计算机学院）
AI总结 EnviroLLM通过提供本地AI资源追踪、性能评估和能耗优化工具，帮助用户更有效地管理和评估AI模型的效率与环境影响。
Comments 8 pages, 3 tables
从跟踪中获取结构：从自回归视频跟踪模型中蒸馏保持结构的运动用于视频生成
机构 * HKUST（香港科技大学） ； University of Washington（华盛顿大学） ； Georgia Tech（佐治亚理工学院） ； Adobe（Adobe公司）
AI总结 通过蒸馏自回归视频跟踪模型中的结构保持运动先验，SAM2VideoX在视频生成任务中实现了更高的保真度和一致性。
Comments Project Website: https://sam2videox.github.io/
对视觉-语言-动作模型通用性的基准测试
机构 * Manifold Research ； Metarch AI ； Georgia Tech（佐治亚理工学院） ； Tufts University（塔夫茨大学） ； Northeastern University（东北大学） ； Birla Institute of Technology and Science, Pilani（比拉理工学院，帕利尼） ； Institute for Research and Innovation in Intelligent Systems (IRIIS)（智能系统研究与创新研究所）
AI总结 本文提出MultiNet v1.0基准，评估视觉-语言-动作模型在六个基础能力领域的跨领域泛化能力，发现现有模型在未见领域和模态转移时表现显著退化。
Comments 23 pages, 7 figures, and 1 table
基于点的进展：围绕科学目标重新构建语言模型基准测试
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Scale AI
AI总结 本文提出以科学目标为导向的语言模型基准测试环境，通过标准化数据集和训练框架，推动语言模型领域的科学进步。
基于WeldNet的数据驱动模型降维：用于学习动态的窗口编码
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Meta ； Hong Kong Baptist University（香港 Baptist大学） ； Purdue University（普渡大学）
AI总结 WeldNet通过窗口编码和自编码器实现数据驱动的非线性模型降维，有效捕捉复杂系统的动态特性，优于传统方法。
CC-GRMAS：一种用于高亚洲山区时空滑坡风险评估的多智能体图神经系统
机构 * Department of Computer Engineering（计算机工程系） ； Dwarkadas Jivanlal Sanghvi College of Engineering（德瓦尔卡斯·吉文拉尔·桑格维学院） ； College of Computing（计算机学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Geo-Hydro Meteorological Risks Management Division（地质-水文气象灾害管理部） ； National Institute of Disaster Management（国家灾害管理研究所）
AI总结 CC-GRMAS通过多智能体图神经系统提升高亚洲山区滑坡风险评估的准确性和响应效率。
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