高校专区
VeryTrace: 通过可编译形式化与结构化验证验证推理轨迹
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, USA（佐治亚理工学院电子与计算机工程学院） ； Department of Electrical and Computer Engineering, Bogazici University, Turkey（博亚奇大学电子与计算机工程系）
AI总结 提出VeryTrace框架，将自然语言推理轨迹形式化为可编译的领域特定语言（DSL），结合确定性检查与LLM审计进行混合验证，实现步骤级错误定位与修复，在数学、机器人规划、亲属推理任务上提升准确率。
Comments Accepted at LM4Plan Workshop @ ICML 2026
学习行动的同时学习观察：机器人模仿中的主动感知扩散模型
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Autodesk Research（欧特克研究院） ； NVIDIA（英伟达）
AI总结 提出See2Act模仿学习方法，通过耦合动作去噪与视角优化，在测试时基于主动推断的视角序列预测动作，解决遮挡下的部分可观测问题，在Ravens和RLBench任务上性能提升达34%。
Comments Project website: see2act.github.io
HERCULES：面向异构多机器人SLAM、协同感知与探索的开源仿真框架
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 提出基于UE5的开源仿真框架HERCULES，支持异构无人机-无人车协同，解决架构限制，提供共享导航栈、红外相机和动态环境，验证了多机器人SLAM与探索的有效性。
Comments 19 pages, 14 figures, and 12 tables
超越辛普森悖论：AI 智能体拉取请求合著中的级联混杂因素
机构 * Independent Researcher（独立研究者） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究通过分层分析和多级控制，揭示了AI编码智能体拉取请求合著与合并率之间的关联主要由智能体组成、仓库选择和PR结构等混杂因素驱动，而非因果关系。
Comments 5 pages. Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)
概念约束的提示学习用于少样本CLIP适应
机构 * University of California, San Diego（加州大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Independent Researcher（独立研究员）
AI总结 提出概念约束提示学习（CCPL），通过轻量级正则化框架将可学习类提示锚定到冻结的概念级文本原型，提升少样本CLIP的基类到新类泛化能力。
机器中的CASPER：LLM生成故事中角色多样性的洞察
机构 * UNC 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 Michigan（密歇根大学）
AI总结 本文借用叙事学定义，从八个维度分析LLM与人类创作故事中角色的刻画，发现两者在角色类型和多样性上既有相似也有差异。
Comments Proceedings of ACL, 2026
利用人类偏好奖励改进文本到音乐生成
机构 * Georgia Tech（佐治亚理工学院） ； KAIST（韩国科学技术院） ； Peking University（北京大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出结合人类偏好奖励（TuneJury）的文本到音乐生成方法，通过训练时奖励条件化、专家迭代、偏好微调等五项工程决策，在ATTM挑战中提升FAD-CLAP和CLAP分数。
Comments ICME 2026 Grand Challenge on Academic Text-to-Music Generation
基于能量的组合扩散规划
机构 * Stanford University（斯坦福大学） ； 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）
AI总结 提出能量基组合扩散器（ECD），将全局轨迹建模为局部桥势之和的最小化，通过保守修正场和边界反应项改进启发式拼接，实现线性时间复杂度的马尔可夫分数近似，在OGBench任务中达到最优成功率。
Comments ICML 2026
VQActFlow: 用于多任务机器人操作的矢量量化动作模式引导
机构 * Institute for Robotics and Intelligent Machines (IRIM), Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所（IRIM））
AI总结 提出VQActFlow，通过矢量量化动作标记和变分流匹配生成离散代码序列，显式区分动作模式，并利用推理时引导（语言条件无分类器引导和代码本评论家）实现模式承诺，在LIBERO、Unitree G1和ALOHA平台上优于连续和离散基线。
Comments 8 pages, 9 figures, 5 tables
一种验证门控机制的自杀检测在LLMs中的解释
机构 * Intelligent Neuromorphic and Quantum Understanding for Innovative Research and Engineering (INQUIRE) Lab（智能神经形态与量子理解创新研究与工程实验室） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； University of Oklahoma（俄克拉荷马大学） ； School of Psychology（心理学学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出验证门控框架，通过因果分析发现Llama-3.1-8B-Instruct在自杀检测中依赖语义特征而非关键词，且该特征在多个模型和数据集中一致出现。
异构策略网络用于复合机器人团队的通信与协调
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Sandia National Laboratories（桑迪亚国家实验室）
AI总结 提出异构策略网络（HetNet），利用异构图注意力网络学习异构机器人团队的高效协作与通信策略，实现端到端训练的二值化消息传递，在多个领域性能提升5.84%至707.65%，通信带宽降低200倍。
Comments IEEE Transactions on Robotics (T-RO)
融合后门、机器学习与优化的大规模参数化混合整数规划
机构 * Department of Operations and Decision Systems, Université Laval（Université Laval 运营与决策系统系） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（Georgia Institute of Technology 工业与系统工程H. Milton Stewart学校）
AI总结 提出BIPC框架，通过识别后门变量并利用监督学习预测其值，将大规模混合整数规划简化为子问题，显著加速求解，同时保持解质量。
单纯形约束的稀疏装袋：集成学习中从均匀先验到稀疏后验的转变
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出SCSB框架，通过最小化袋外损失在概率单纯形上联合优化集成剪枝与校准，引入凹二次惩罚解决L1单纯形悖论，实现高达96%的压缩并提升校准性能。
Comments 6 pages, 3 tables
深度展开协调
机构 * Autonomous Control and Decision Systems Laboratory Georgia Institute of Technology United States（佐治亚理工学院自主控制与决策系统实验室）
AI总结 提出Deep Coordinator框架，通过深度展开ADMM-DDP迭代学习动态调整超参数，实现非凸优化器求解时自适应惩罚参数，在车队和四旋翼仿真中速度提升6.18-9.44倍且可扩展至8倍规模。
Comments The second and third authors contributed equally (equal second authorship). 35 pages (10 pages main text), 17 figures, 3 tables
通过可微可达性实现非线性系统的安全、实时主动模型辨识与故障诊断
机构 * Institute of Robotics and Intelligent Machines (IRIM), Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所） ； Department of Aerospace Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校航空航天工程系）
AI总结 针对不确定非线性系统，提出一种基于可微可达性近似的实时主动故障诊断算法，通过优化控制输入使输出集分离，在保证安全的同时实现快速模型辨识。
HEPTv2：用于带电粒子重建的端到端高效点变换器
机构 * 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） ； Department of Physics and Astronomy, Purdue University（普渡大学物理与天文学系） ； Department of Physics, University of California San Diego（加州大学圣地亚哥分校物理系） ； Department of Physics, University of Washington（华盛顿大学物理系）
AI总结 提出HEPTv2，一种端到端点变换器架构，通过局部敏感哈希编码和扇区化解码，无需图构建即可从探测器击中点直接重建粒子轨迹，在TrackML上以0.8%假率实现98.6%追踪效率，延迟仅15ms。
使用直接激光写入的连续体机器人形状感知
机构 * Medical Robotics and Automation (RoboMed) Laboratory（医疗机器人与自动化实验室） ； Wallace H. Coulter Department of Biomedical Engineering（Wallace H. Coulter生物医学工程部门） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文利用直接激光写入技术制造应变传感器，集成于连续体机器人关节中，通过线性和非线性模型预测关节角度，误差低至1.76度，并实现闭环控制，跟踪误差小于3度。
Comments This work has been submitted to the IEEE for possible publication
通用型智能体必须记住什么？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文形式化论证了通用型智能体为在多个环境和目标下近似最优行动，必须存储领域相关信息以区分观察瓶颈处的不兼容最优动作，并证明记忆可用于重构局部转移动态。
性能驱动的多时间尺度学习环境抽象
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
AI总结 针对大规模马尔可夫决策过程，提出一种性能驱动的环境抽象方法，通过多时间尺度强化学习联合优化策略和树结构抽象，平衡性能与复杂度，实现状态压缩和样本效率提升。
用 Toki Pona 检验 Word2Vec 的极限
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文使用仅有约130个单词的人造语言 Toki Pona 训练 Word2Vec，探究词汇量极小时嵌入质量，并分析非核心噪声词的影响。
Comments 10 pages, 4 figures, 3 tables. Accepted to the Society for Computation in Linguistics (SCiL) 2026
ANEForge: 用于直接在Apple Neural Engine上进行计算的Python工具
机构 * School of Computational Science \& Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA -0.35cm ； Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA -0.35cm ； George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA
AI总结 ANEForge是一个Python包，通过编译惰性张量图直接编程Apple Neural Engine，无需CoreML，支持推理和训练，性能接近引擎硬件极限。
Comments 8 pages
多输入神经算子学习在Sobolev空间中的泛化保证
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Notre Dame（圣母大学） ； Hong Kong Baptist University（香港浸会大学）
AI总结 针对多输入神经算子，在Sobolev范数下建立逼近和泛化误差估计，量化各输入空间对误差界的贡献，并揭示平衡状态下输入维度、正则性和Sobolev阶的相互作用。
TuneJury: 一种改进音乐生成偏好对齐的开放指标
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Sony AI（索尼AI） ； Georgia Tech（佐治亚理工学院） ； KAIST（韩国科学技术院） ； Peking University（北京大学） ； QMUL（伦敦玛丽女王大学）
AI总结 提出TuneJury，一个开放、实例级别的成对奖励模型，用于文本到音乐生成，通过预测偏好分数支持数据筛选、后处理校准，并在推理、优化和训练中提升对齐效果。
Comments 32 pages, 9 figures
pFedUL: 面向个性化联邦学习的层感知联邦遗忘
机构 * Saunders College of Business, Rochester Institute of Technology（罗切斯特理工学院商学院） ； School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电子与计算机工程学院）
AI总结 针对个性化联邦学习（pFL）中共享层与个性化层分离带来的遗忘挑战，提出pFedUL框架，通过梯度贡献归因、自适应选择性遗忘和轻量级重校准协议，在保证遗忘效果的同时维持剩余客户97.3%的个性化精度。
Comments This paper has been accepted for publication in CMC-Computers, Materials & Continua
PolyMerge: 用多面体覆盖压缩3D高斯泼溅以实现可证明安全的资源受限导航
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出PolyMerge，将大规模3D高斯泼溅模型转换为凸多面体覆盖，保证覆盖原模型所有障碍物，结合控制障碍函数实现实时安全路径规划，在Crazyflie无人机上验证。
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 8512-8519, July 2026
PACT: 多轮工具使用智能体的特权轨迹协同训练
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Ohio State University（俄亥俄州立大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Arizona State University（亚利桑那州立大学）
AI总结 提出PACT框架，通过特权轨迹（专家轨迹）在训练时提供密集监督信号，结合轨迹条件RL和组件感知SFT损失，避免推理时依赖轨迹，显著提升多轮工具使用智能体的性能。
Comments Project page: https://zhenbangdu.github.io/pact-project-page/
从像素到证明：通过并行保形鲁棒MPC实现概率安全的潜在世界模型控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出SLS^2框架，结合保形预测与鲁棒模型预测控制，在学习的潜在世界模型中实现基于视觉的安全运动规划，提升目标到达性能与安全性。
EHR基础模型中ICD码的分层建模
机构 * School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； Optum AI
AI总结 研究利用ICD-10-CM层次结构作为归纳偏置，通过序列增强和图注入两种机制改进EHR表示学习，实验表明显式编码层次结构在域内和跨数据集任务中均优于扁平表示。
MNet++: 用于各向异性医学图像分割的扩展2D/3D网络
机构 * School of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院）
AI总结 本文复现并扩展了混合2D/3D卷积网络MNet，引入自适应融合门控和VMamba状态空间模块，在保持各向异性鲁棒性的同时提升分割性能。
使用AH-多面体的精确、高效且安全的遮挡感知规划
机构 * Honda Research Institute (HRI)（本田研究所） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出APRO框架，利用博弈论主动感知和AH-多面体可达性分析，通过线性规划实现精确安全验证，解决自动驾驶代客泊车中的遮挡问题，达到100%安全率且实时。
Comments 8 pages, 3 figures
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