高校专区
双流式Transformer：将主预填路径与额外解码计算解耦
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学）
AI总结 该研究提出双流式Transformer，将主预填路径与额外解码计算解耦，通过共享权重与缓存降低推理成本，在多架构与数据配置下实现更低验证损失，且可灵活分配MoE专家预算。
Comments 18 pages
行星环境安全导航下考虑不确定性的风险感知动力学运动规划
机构 * Daniel Guggenheim School of Aerospace Engineering（丹尼尔·古根海姆航空航天工程学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 针对自主空间探索中环境交互与感知系统的不确定性导致的安全规划问题，提出结合AO-RRT采样规划与序列凸规划的风险感知动力学运动规划方法，可将轨迹风险降低约97%。
Comments 3 pages, 4 figures
BooST：桥接语义与运动以实现高效的技能迁移
机构 * Seoul National University（首尔大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 BooST是桥接语义与运动的两阶段框架，通过跨模态VQ-VAE生成统一技能表示并蒸馏为轻量级策略，在仿真与真实机器人场景下实现了更优的少样本适配、跨领域技能迁移及鲁棒性。
Comments Project page: https://boost-robots.github.io/
基于连续敏感属性的公平表示学习的联合分布路径
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究提出一种无需条件分布的联合分布路径，以 HSIC 为实例实现公平表示学习，其收敛速度优于条件路径方法，对应算法 FRHSIC 能在保持公平性-准确性权衡的同时缩短训练时间。
权衡 proximity 与安全：人群中跟随目标行人的约束分解方法
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of California, Riverside（加州大学河滨分校） ； Stanford University（斯坦福大学） ； NVIDIA Research（英伟达研究院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对人群中行人跟随的 proximity 与安全平衡问题，提出多约束强化学习框架，量化行人运动不确定性以增强安全性，经实验和真实机器人部署验证了方法的有效性。
Comments IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026); Project Website: https://nav-ps-balance.github.io/
面向3D脑部MRI运动伪影去除的感知运动伪影的自监督表示学习
机构 * The University of Chicago（芝加哥大学） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心）
AI总结 提出SSRL-MAR自监督框架，无需配对数据或运动标签，在模拟和活体数据集上实现3D脑部MRI运动伪影去除，性能接近理想监督模型，可提升神经解剖学一致性。
基于近端策略优化（PPO）的卫星轨道优化用于空间碎片规避
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Embry-Riddle Aeronautical University（安柏瑞德航空大学）
AI总结 本研究针对轨道拥堵下卫星碰撞规避难题，提出基于PPO的强化学习策略，经高保真模拟器训练，在GEO任务中碰撞规避成功率达97.5%，优于传统方法，构建了公开可用框架
Comments 18 pages, 16 figures. Published in IEEE Access, vol. 14, pp. 18138-18154, 2026
Journal ref L. Luna, J. Ortiz Couder, and R. A. Vargas-Acosta, "Satellite Trajectory Optimization via Proximal Policy Optimization for Space Debris Avoidance," IEEE Access, vol. 14, pp. 18138-18154, 2026
面向自主无人机SysML驱动设计的基于模型的系统工程框架
机构 * Autonomous Robotics Systems Limited（自主机器人系统有限公司） ； University of Hyderabad（海得拉巴大学） ； Ideabytes Software India Private Limited（Ideabytes软件印度私人有限公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Akkodis AS&D GmbH（Akkodis AS&D有限公司） ； Universiti Malaya（马来亚大学）
AI总结 本文提出一种面向自主无人机SysML驱动设计的MBSE框架，以SysML为设计主干整合开发流程，将逻辑架构映射至ROS 2，通过典型任务场景示例，实现需求分配等功能，提升早期设计的可追溯性与一致性。
Comments Accepted for presentation at the 2026 International Conference on Autonomous Aerial Vehicles (ICAAV-2026), 20-21 Aug 2026, Bengaluru, India
提升多模态RLVR的泛化鲁棒性
机构 * National University of Singapore（新加坡国立大学） ； DAMO Academy Alibaba Group（阿里巴巴达摩院） ； Hupan Lab（湖畔实验室） ； Zhejiang University（浙江大学） ； University of California Berkeley（加州大学伯克利分校） ； Rochester Institute of Technology（罗切斯特理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Renmin University of China（中国人民大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对多模态RLVR泛化鲁棒性不足的问题，提出含动态三元奖励与一致性正则化器的PIRL方法，压力测试与动态评估中其性能下降幅度均小于GRPO。
Comments 32 pages, 5 figures
跨学生设计的基于特征的知识蒸馏的对照研究
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究在CIFAR-100上对照分析不同特征知识蒸馏方法对不同学生模型的影响，发现FitNets弱于logit KD、注意力迁移效果因模型而异，固定辅助系数无法实现统一训练条件。
Comments 7 pages, 3 figures, 2 tables
学习物理交互：触觉与力感知机器人学习综述
机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Tokyo（东京大学） ； ETH Zurich（苏黎世联邦理工学院） ； Harvard University（哈佛大学） ； Imperial College London（伦敦帝国学院） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Technical University of Darmstadt（达姆施塔特工业大学）
AI总结 本综述针对力与触觉感知机器人学习研究的空白，提出TF-ART分类法，整合多模态感知与多阶段系统设计视角，兼具算法与实践意义。
Comments 53 pages, 7 figures
基于扩散桥模型的十步采样MRI超分辨率
机构 * The University of Chicago（芝加哥大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Mayo Clinic（梅奥诊所）
AI总结 该研究针对MRI扫描时间与分辨率的权衡问题，提出仅需十步采样的超分辨率扩散桥模型SR-DBM，在7T脑和前列腺MRI数据集上的量化指标与视觉效果均优于九种对比方法。
大型语言模型中类人指代消解
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究探究话语结构等认知科学确定的指代消解影响因素对GPT-2-XL等五个开源权重LLM的作用，发现部分LLM对部分因素具类人敏感性，明确了LLM近似人类指代消解的条件。
Comments 7 pages, 6 figures, 1 table. Presented at CogSci 2026 and the 2026 Annual Meeting of the Society for Text & Discourse. Code: https://github.com/wristy/anaphor
基于锚点思考：接地且高效的文档推理
机构 * Georgia Tech（佐治亚理工学院） ； CMU（卡内基梅隆大学） ； Adobe（奥多比公司） ； ZJU（浙江大学） ； NUIST（南京信息工程大学） ； SEU（东南大学） ； Physion Labs（Physion实验室） ； Columbia University（哥伦比亚大学）
AI总结 该研究提出面向推理的ADOPD 2026数据集，将多类文档元素转化为视觉锚点，支持区域语义标注、统一视觉-语言接地等能力，解决现有模型在文档计数任务上的不足，推动文档理解向锚点接地的智能方向发展。
并非双关：基于对比学习与音义嵌入的多智能体文字游戏翻译
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究结合大型语言模型与语言约束，提出三种双关语翻译方法，其多智能体系统在CLEF JOKER 2025竞赛中获专家评估第一，可改善文字游戏翻译效果。
寻找音义碰撞：CLEF 2026 JOKER任务2中基于图的可供性检索与多评估者排名的双关语翻译
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对CLEF 2026 JOKER任务2，提出基于图的可供性检索与多评估者排名的双关语翻译方法，证实检索音义可供性是计算双关语翻译的核心瓶颈，结果契合Low的设想。
Comments CLEF 2026 Working Notes, 21-24 September 2026, Jena, Germany
推理前的感知：面向视频理解与问答的动态隐式推理
机构 * Rice University（莱斯大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对视频问答现有方法依赖长文本思维链的问题，提出DyLaR模型，通过动态调整感知与推理隐式变量的使用，在9个视频基准上提升准确率且缩短响应长度。
函数流匹配的离散化与统计一致性
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对函数流匹配的离散化问题，证明了有限秩重构下的强L²收敛性，推导了Wasserstein界与超额风险项，给出了端到端收敛速率的显式结果。
Comments 31 pages, 2 tables
BAP-SQL：面向智能体Text-to-SQL的预算感知观测规划
机构 * Microsoft（微软公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 BAP-SQL是面向智能体Text-to-SQL的预算感知观测规划方法，通过将观测形成作为预算控制阶段，在紧预算下提升了SQL生成成功率，同时减少了token使用量。
Comments 10 pages, 3 figures
自信但不可靠：对基于脑MRI的视觉语言模型的行为安全审计
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； TReNDS Center（TReNDS中心）
AI总结 本研究对6个指令微调VLMs开展脑MRI行为安全审计，发现其置信度校准差、存在大量高置信度错误，提出医学图像VLM评估需报告置信度可靠性等指标。
具有局部收敛输入的神经网络用于高效期权定价模型
机构 * School of Mathematics, Georgia Institute of Technology（佐治亚理工学院数学学院）
AI总结 该研究提出NNLCI神经网络，通过局部校正粗细网格的期权定价解，以少量高保真数据训练，将细网格解的RMSE降低4-12倍，可高效用于高维期权定价，降低计算需求。
Comments 15 pages
基于极小极大与后验匹配的在线算法
机构 * University of Bonn（波恩大学） ； Institute of Computer Science, University of Bonn（波恩大学计算机科学学院） ； Microsoft Research（微软研究院） ； PUC-Rio（里约热内卢天主教大学） ； Georgia Tech（佐治亚理工学院） ； School of Mathematics, Georgia Tech（佐治亚理工学院数学学院） ； School of Computer Science, Georgia Tech（佐治亚理工学院计算机科学学院）
AI总结 该研究基于极小极大视角提出后验匹配原理，将在线算法竞争分析简化为贝叶斯在线设计，为多类在线问题提供最优或接近最优保证，构建了可复用的理论框架。
Comments To appear at FOCS 2026
面向BioASQ第14b任务的结合弱问题恢复与神经重排序的检索增强生物医学问答
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对BioASQ第14b任务，构建了结合多源查询扩展等技术的生物医学问答系统，通过弱问题恢复与检索后剪枝提升检索性能，经实验验证可显著优化MAP@10指标。
用于批量机器人策略服务的动作块调度
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出从远程GPU向多机器人提供策略服务的调度问题，构建Armory系统，提出考虑机器人异构性的调度算法，使真实场景系统吞吐量最高提升18%。
DS@GT ARC团队参与2026 MEDIQA-CORE-Task-1：采用带任务特定门控的三模态模型融合进行脑肿瘤亚型分类
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Florida（佛罗里达大学）
AI总结 DS@GT ARC团队针对2026 MEDIQA-CORE-Task-1，提出带任务特定门控的三模态模型融合方法，结合多类嵌入与报告，获全多模态下0.801宏F1，排名第二。
Comments CLEF 2026 Working Notes, 21 - 24 September 2026, Jena, Germany
用于反应产率预测的通用视觉与交叉注意力机制
机构 * Duke University（杜克大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对传统反应产率预测缺乏空间信息的问题，提出双模态视觉交叉注意力架构，结合通用视觉骨干网络与残差连接，实现了优于传统方法的预测精度，为物理化学研究提供了可扩展的深度视觉学习方案。
Comments 12 pages, 4 figures
因果关系在算法追索中的作用
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Vector Institute（向量研究院） ； Drexel University（德雷塞尔大学） ； Leiden University（莱顿大学）
AI总结 本研究针对算法追索仅关注翻转模型预测的缺陷，提出因果表演框架建模追索行动的因果传播，实验显示其优于标准方法并减少模型重训需求。
基准测试如何错误评估计算机使用智能体
机构 * Georgia Institute of Technology（佐治亚理工学院） ； North Carolina State University（北卡罗来纳州立大学） ； Lenovo AI Technology Center（联想人工智能技术中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Marquette University（马凯特大学） ； Fudan University（复旦大学）
AI总结 该研究指出计算机使用智能体的基准测试分数存在可靠性问题，审计150条轨迹发现15.3%的“失败”判定错误，进而推导了CUA评估各阶段的设计规则。
静态输入，动态输出：面向运动物体操作的反事实动作增强方法
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对视觉运动策略无法适应运动物体操作的问题，提出SIDO反事实动作增强方法，经模拟和真实任务验证，其在提升运动物体操作成功率的同时保留了静态物体操作性能。
DS@GT ARC参与2026年ImageCLEFmedical任务：医学图像分析中用于概念检测的架构多样性与用于字幕预测的基础模型缩放
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究介绍DS@GT团队参与2026年ImageCLEFmedical医学图像分析任务，提交不同模型完成概念检测与字幕预测，其中集成模型在概念检测赛道获第一，各模型覆盖不同规模与成本。
Comments 21 pages, 9 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