高校专区
高效非凸采样的几何结构
机构 * Georgia Institute of Technology, College of Computing（佐治亚理工学院计算学院） ； Yale University, Department of Computer Science（耶鲁大学计算机科学系）
AI总结 提出一种在等周性和自然体积增长条件下从任意紧致体均匀采样的高效算法，统一了凸体和星形体的已知结果。
Comments Presented at the 39th Annual Conference on Learning Theory (COLT) 2026
基于关节角度运动图像与令牌-补丁后期交互的细粒度运动检索
机构 * Aalto University（阿尔托大学） ； Fudan University（复旦大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出一种可解释的关节角度运动表示，结合预训练视觉Transformer和令牌级后期交互机制，实现文本与3D运动之间的细粒度对齐，在HumanML3D和KIT-ML上超越现有方法。
EgoCogNav: 认知感知的人类自我中心导航
机构 * Cornell University（康奈尔大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出EgoCogNav多模态自我中心导航框架，联合预测路径不确定性、轨迹和头部运动，并引入CEN数据集，实验表明其能学习与人类扫描、犹豫等行为相关的感知不确定性。
Comments 15 pages, 4 figures
在 Lean 中形式化求解答案构造问题
机构 * University of Toronto（多伦多大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出 Enumerate-Conjecture-Prove (ECP) 框架，结合通用大语言模型和证明器大语言模型，在 Lean 中端到端地构造答案并生成形式化证明，解决数学竞赛中的答案构造问题。
MemLeak: 诊断多模态智能体记忆中的信息泄露
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出信息溯源图（IPG）分类法，通过MemLeak基准测试发现多模态记忆系统中删除事实后仍可从保留图像中恢复信息，图像泄露率达12.0%，47%的泄露无法通过文本恢复。
Comments 23 pages, 3 figures, includes appendix
ReMAP-PET：超越视觉理解——从脑PET学习区域引导的代谢对齐语义
机构 * The Chinese University of Hong Kong, HKSAR（香港中文大学） ； TReNDS Center (Georgia State, Georgia Tech, Emory)（TReNDS中心（佐治亚州立大学、佐治亚理工学院、埃默里大学）） ； ShanghaiTech University, Shanghai, P.R.China（上海科技大学） ； University of California, Berkeley, USA（加州大学伯克利分校） ； University of Texas Health Science Center at Houston, USA（德克萨斯大学健康科学中心（休斯顿）） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 提出ReMAP-PET框架，通过联合回归和对比学习监督3D ResNet-50学习脑PET的区域代谢语义，在SUVR预测和检索上显著优于基线，并实现与临床语言的对齐及报告生成。
Human2Any: 通过约束感知的组合规划实现人到机器人的迁移
机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Corporation（英伟达公司）
AI总结 提出Human2Any框架，从人类视频学习可重用的物体中心交互先验，结合机器人端可行性推理与运动规划，实现无需目标任务真实机器人数据的跨实体、场景和任务迁移。
通过规则正则化方法构建大规模分子结构-语言描述数据集
机构 * Clemson University（克莱姆森大学） ； Independent Researcher（独立研究者） ； University of Delaware（德雷克塞尔大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出一种全自动标注框架，生成精确分子描述，保留完整结构细节，构建了约16.3万分子-描述对数据集，验证精度达98.6%。
互信息惊奇：重新思考自主系统中的意外性
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（H.米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院）
AI总结 本文提出互信息惊奇框架，将惊奇定义为知识增长信号，通过统计检验序列和反应策略提升系统稳定性、响应性和预测精度。
Comments Post Publication Version
GraphChase：城市网络安全博弈的平台与基准
机构 * City University of Hong Kong（香港城市大学） ； CAIR, Hong Kong Institute of Science & Innovation, CAS（中国科学院香港创新研究院人工智能与机器人创新中心） ； Nanyang Technological University（南洋理工大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Toronto（多伦多大学） ； The University of Hong Kong（香港大学）
AI总结 GraphChase为城市网络安全博弈提供统一平台，支持算法开发与评估，揭示现有方法在鲁棒性和可扩展性上的不足，强调仿真到现实的泛化差距。
物理引导的机器人辐射源定位：非结构化环境中沿任意测量路径
机构 * George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology（乔治·W·伍德拉夫机械工程学院，佐治亚理工学院）
AI总结 提出基于物理信息机器学习（PIML）的框架，使机器人沿任意路径在未知环境中精确估计辐射源位置，避免接近源，并通过并行计算提高鲁棒性。
Comments 18 pages, 14 figures, 2 tables
VGB用于掩码扩散模型：面向奖励满足和样本编辑的高效测试时扩展
机构 * Georgia Tech（佐治亚理工学院） ； UCSD（加州大学圣地亚哥分校）
AI总结 提出MDM-VGB，一种结合奖励引导重掩码的离散扩散采样器，通过扩展回溯随机游走到掩码状态图，实现高效高奖励生成和低奖励样本修复，理论上具有二次复杂度且对过程验证器噪声鲁棒。
Comments 72 pages
论同策略蒸馏中的位置偏差
机构 * Xidian University（西安电子科技大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Amazon AGI SF Lab（亚马逊AGI旧金山实验室）
AI总结 发现同策略蒸馏中后部token监督质量下降，提出基于重要性加权的IW-OPD方法，通过动态调整token权重提升学习效率和最终性能。
跨语言推理的软令牌对齐
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出SOLAR方法，通过软令牌对齐跨语言表示，提升多语言推理准确率，尤其对低资源语言效果显著。
保持VIGILant：通过多模态大语言模型中的反事实视觉对齐缓解视觉懒惰
机构 * UAB（阿拉巴马大学伯明翰分校） ； Yale（耶鲁大学） ； UNSW（新南威尔士大学） ； Tulane（杜兰大学） ； Georgia Tech（佐治亚理工学院） ； NEU（东北大学） ； OSU（俄亥俄州立大学） ； UIowa（爱荷华大学） ； Harvard（哈佛大学）
AI总结 提出VIGIL框架，通过强化学习后训练最大化视觉输入与生成响应间的互信息，惩罚“盲目自信”实例，有效缓解MLLMs的视觉懒惰问题，在幻觉和推理基准上优于现有方法。
Comments ECCV 2026
不确定性感知的踝关节外骨骼控制
机构 * Department of Mechanical Engineering, Northeastern University（东北大学机械工程系） ； College of Engineering, Northeastern University（东北大学工程学院） ； Khoury College of Computer Sciences, Northeastern University（东北大学计算机科学学院） ； Department of Electrical & Computer Engineering, Khoury College of Computer Sciences, and the Institute for Experiential Robotics, Northeastern University（计算机科学学院电子与计算机工程系及体验机器人研究所，东北大学） ； Woodruff School of Mechanical Engineering and the Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（沃德夫机械工程学院及机器人与智能机器研究所，佐治亚理工学院） ； Department of Mechanical Engineering, the Department of Physical Therapy, Movement, and Rehabilitation Science, and the Institute for Experiential Robotics, Northeastern University（机械工程系、物理治疗、运动与康复科学系及体验机器人研究所，东北大学）
AI总结 提出一种不确定性感知控制框架，通过不确定性估计器自动识别不熟悉动作并关闭辅助，使踝关节外骨骼能在多种场景下安全运行，在线测试F1分数达89.2。
通过熵传输下降的变分推断
机构 * School of Aerospace Engineering（航空航天工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Atlanta, GA 30332（亚特兰大, GA 30332）
AI总结 提出熵传输下降（ETD），一种基于粒子变分推断方法，通过熵正则化最优传输实现全局协调，避免高维方差坍塌和多模态模式坍塌，无需评分函数。
Comments 28 pages, 1 figure
GRAFT: 基于部件对应的图结构功能迁移
机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（英伟达）
AI总结 提出GRAFT框架，利用部件级图表示和几何感知对应，通过单次演示实现零样本操作迁移，解决泛化到未见物体的挑战。
Journal ref In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings, 2026, pp. 8746-8755
基于因果关系的参数化控制屏障函数用于安全多车交互
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） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 针对多车交互中因果推断困难导致保守行为的问题，提出基于因果关系的参数化控制屏障函数，实现自适应安全控制，提升任务效率。
Comments accepted ICRA 2026
学习序列上下文随机程序的优化代理：订单履行应用
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院工业与系统工程系） ； Tippie College of Business, University of Iowa（爱荷华大学蒂普皮商学院）
AI总结 针对需要亚秒级响应的序列上下文随机程序，提出一种场景嵌入神经网络代理，通过离线训练和在线解码器保证可行性，在订单履行中实现2800倍加速和3.3%成本改进。
算子提升产生帕累托高效的PDE代理模型
机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院） ； Department of Mathematics and Systems Engineering, Florida Institute of Technology（佛罗里达理工学院数学与系统工程系）
AI总结 提出算子提升框架，通过残差学习直接构建紧凑神经算子代理，在30个数据集-架构对上平均准确率提升，参数量减少72-95%，并在多个PDE基准上实现帕累托改进。
Comments 11 pages, 3 figures, 3 tables. Submitted to ACM SIGKDD 2027 AI4Sciences Track
多保真度增强高斯过程输入用于稀缺数据代理建模
机构 * School of Aerospace Engineering, Georgia Institute of Technology, Atlanta, GA（航空航天工程学院，佐治亚理工学院，亚特兰大，GA） ； School of Computational Science & Engineering, Georgia Institute of Technology, Atlanta, GA（计算科学与工程学院，佐治亚理工学院，亚特兰大，GA） ； Air Force Research Lab, Wright-Patterson AFB, Dayton, Ohio（空军研究实验室，威格伍德-帕特森空军基地，代顿，俄亥俄）
AI总结 提出一种多保真度训练方法，利用低保真数据定义额外特征增强输入空间，结合协同克里金和自回归估计器优势，在稀缺数据下提高预测精度并降低计算成本。
超越拓扑：用于运动策略学习的形态对称图表示
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Syracuse University（雪城大学） ； California Institute of Technology（加州理工学院）
AI总结 提出形态对称图表示MS-PPO，通过对称等变图网络实现策略和价值约束，在四足和人形机器人任务中提升泛化、鲁棒性和样本效率。
Comments Project page: https://msppo.github.io/
神经控制ODE中的认证鲁棒不变多面体训练
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电子与计算机工程学院，佐治亚理工学院）
AI总结 提出框架训练具有认证鲁棒前向不变多面体的神经网络控制器，通过参数化提升系统并利用区间分析和神经网络验证器构造嵌入系统，基于符号约束实现可扩展训练。
结构化和平衡的多组件和多层神经网络
机构 * Department of Applied Mathematics, Hong Kong Polytechnic University（香港理工大学应用数学系） ； Department of Mathematics, Duke University（杜克大学数学系） ； Department of Mathematics and Statistics, Auburn University（阿伯茨伯格大学数学与统计学系） ； School of Mathematics, Georgia Institute of Technology（佐治亚理工学院数学学院）
AI总结 本文提出一种平衡的多组件多层神经网络结构，通过多组件和多层分解策略提高复杂函数的逼近精度和效率，实验表明其在高振荡函数逼近和局部特征适应方面表现优异。
Comments Our codes and implementation details are available at https://github.com/ShijunZhangMath/MMNN
Journal ref SIAM Journal on Scientific Computing, 47(5):C1059-C1090, 2025
傅里叶多分量与多层神经网络：解锁高频潜力
机构 * Department of Applied Mathematics（应用数学系） ； Hong Kong Polytechnic University（香港理工大学） ； Department of Mathematics（数学系） ； Duke University（杜克大学） ； Department of Mathematics and Statistics（数学与统计学系） ； Auburn University（阿伯茨伦大学） ； School of Mathematics（数学学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出傅里叶多分量与多层神经网络（FMMNN），结合正弦型激活函数与多分量多层结构，通过低秩架构实现指数级函数逼近能力，优化景观优于标准全连接网络，并设计缩放随机初始化方法加速训练，在高频函数逼近任务中取得高精度与良好收敛性。
Comments Our code and implementation details are available at https://github.com/ShijunZhangMath/FMMNN
用双向条件流匹配求解混沌系统的逆问题
机构 * Westlake University（西湖大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Chinese Academy of Sciences（中国科学院） ； Max-Planck-Institut für Astronomie（马克斯·普朗克天文学研究所） ； The Ohio State University（俄亥俄州立大学）
AI总结 提出双向条件流匹配（Bi-CFM）方法，通过学习初始与最终状态分布的双向映射，解决混沌系统逆问题中的不适定性、非唯一性和指数误差累积，在多个经典系统上显著提升分布级指标并加速两个数量级以上。
Comments 50 pages, 17 figures
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
感知智能作为可训练的元材料属性
机构 * Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（德鲁·福金斯航空航天工程学院，佐治亚理工学院） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（计算机科学与人工智能实验室，麻省理工学院）
AI总结 本文提出将感知智能作为可训练的元材料属性，通过可微仿真优化元材料几何结构，使神经网络能够训练其身体进行感知，从而显著提升感知精度或减少电子传感器数量。
XConv: 卷积层的低内存随机反向传播
机构 * University of Central Florida（中央佛罗里达大学） ； Rice University（里士满大学） ； DevitoCodes Ltd（DevitoCodes有限公司） ； Michigan State University（密歇根州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出XConv方法，通过存储激活的压缩投影并利用多通道随机迹估计近似梯度，在不增加计算、不约束架构、不大量修改代码的情况下，大幅降低卷积层反向传播的内存需求。
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