高校专区
基于低秩三阶密度投影的高维非参数变点检测
机构 * North Carolina State University（北卡罗来纳州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 针对高维数据中均值、协方差无法检测到的分布变化，提出基于低秩三阶密度投影的非参数变点检测方法，通过种子最短区间算法实现精确变点定位，在多维度实验中验证了方法有效性。
Comments 26 pages
压缩语言模型的验证：审计与统计工具包
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文针对压缩语言模型等价声明的证据不足问题，开展17项等价声明的预注册审计，提出配对等价测试的报告标准，发布相关输出与代码。
Comments 109 pages, 3 figures, 20 tables. Artifacts and per-item outputs: doi.org/10.5281/zenodo.21939143
MINT：用于平衡多目标对齐的最小选择偏好蒸馏
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Zillow Group（齐洛集团）
AI总结 该研究针对多目标对齐的不平衡问题，提出MINT方法，通过按最弱目标排名候选替代加权和排名，在情感支持等任务中显著提升双目标表现并降低不平衡性。
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 19 pages
自监督视觉在线策略蒸馏
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； University of Oxford（牛津大学） ； UC San Diego（加利福尼亚大学圣迭戈分校）
AI总结 该研究提出S²VOPD方法，通过从学生模型减信息而非给教师加特权信息，实现无特权信息的视觉在线策略蒸馏，在6个细粒度感知基准上显著提升Qwen3.5-4B性能，表现优于多数模型。
H2H音乐即兴：一种音乐即兴的通信模型及视听数据集
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 该研究针对现有AI即兴系统缺乏通信意识的问题，通过与专业即兴者协作推导通信模型，并构建首个自由即兴的H2H视听数据集，为AI音乐伙伴设计提供新资源。
Comments Published in the Proceedings of the Society for Music Information Retrieval Conference (ISMIR) 2026
基于低秩二阶密度投影的高维非参数变点检测
机构 * North Carolina State University（北卡罗来纳州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于低秩二阶密度投影的高维非参数变点检测方法，利用低秩矩阵CUSUM等技术实现变点精确检测，在高维数据实验中表现优异。
Comments 20 pages
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
语义分化用于解决水印标记低熵约束生成输出的挑战
机构 * School of Interactive Computing（交互计算学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 SeqMark通过语义分化解决低熵约束生成任务中水印标记的挑战，提升检测准确率并保持生成质量。
Comments 23 pages, 5 figures, COLM 2026
类人工作记忆干扰在大语言模型中
机构 * School of Psychological and Brain Sciences, Georgia Tech（佐治亚理工学院心理与脑科学学院） ； Department of Psychology, New York University（纽约大学心理学系） ； Department of Cognitive Science, Indiana University Bloomington（印第安纳大学布卢明顿分校认知科学系） ； Honda Research Institute（本田研究所） ； Center of Excellence for Computational Cognition, Georgia Tech（佐治亚理工学院计算认知卓越中心） ； Departments of Neuroscience and Psychology, The University of Texas at Austin（德克萨斯大学奥斯汀分校神经科学和心理学系）
AI总结 研究发现大语言模型在工作记忆任务中存在干扰限制，其表现与人类相似，且通过抑制无关信息实现有效记忆检索。
Comments Published as a conference paper at COLM 2026
人工智能与人类撰写回复的语言比较：在线心理健康查询
机构 * Siebel School of Computing and Data Science, The Grainger College of Engineering, University of Illinois Urbana-Champaign（Siebel计算与数据科学学院，格拉inger工程学院，伊利诺伊大学厄巴纳-香槟分校） ； Department of Psychology, College of Liberal Arts and Sciences, University of Illinois Urbana-Champaign（心理学系，文理学院，伊利诺伊大学厄巴纳-香槟分校） ； School of Interactive Computing, College of Computing, Georgia Institute of Technology（交互计算学院，计算机学院，佐治亚理工学院）
AI总结 研究通过比较AI和人类回复的语义和语言特征，探讨AI在心理健康支持中的有效性及局限性。
Journal ref npj Artificial Intelligence, 2026
大型语言模型在上下文学习中重组表征几何结构
机构 * School of Psychological and Brain Sciences, Georgia Tech（佐治亚理工学院心理与脑科学学院） ； Department of Psychology, New York University（纽约大学心理学系） ； Center of Excellence for Computational Cognition, Georgia Tech（佐治亚理工学院计算认知卓越中心） ； Honda Research Institute（本田研究院） ； Departments of Neuroscience and Psychology, The University of Texas at Austin（德克萨斯大学奥斯汀分校神经科学与心理学系）
AI总结 研究大型语言模型在上下文学习中的表征几何重组，发现其性能与任务表征结构相关，并通过原型算法动态调整表征以提高可分性。
Comments Published as a conference paper at COLM 2026
TEMPER：量化推理中的情感扰动测试
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文通过构建TEMPER基准，研究情感框架对量化推理准确性的影响，发现情感扰动降低准确率2-10个百分点，但通过中性化可恢复性能，揭示情感风格影响而非内容腐败。
Comments Published as a conference paper at COLM 2026. 30 pages, 4 figures, 29 tables. Dataset: https://huggingface.co/datasets/atahandokme/temper-5400 Code: https://github.com/atahandokme/temper-colm2026
混合整数规划的更紧凸松弛：利用逻辑网络流进行任务与运动规划
机构 * George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, USA（乔治亚理工学院机械工程学院） ； Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, USA（乔治亚理工学院工业与系统工程学院）
AI总结 本文提出逻辑网络流框架，将时序逻辑集成到混合整数规划中，通过改进的傅里叶-莫茨金消元实现更紧的凸松弛，在多类机器人任务中大幅提升计算速度并降低内存消耗，硬件验证了实时重规划能力。
Comments 38 pages, 17 figures, 10 tables
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。
AgForce 使生成抗体设计具备抗原条件
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出AgForce方法，通过图神经网络和改进的解码器设计，解决传统抗体设计方法中对抗原输入忽略的问题，提升了抗体序列生成的质量和恢复能力。
ConTact: 通过显式界面推理进行接触优先的抗体CDR设计
机构 * Georgia State University, Atlanta, USA（佐治亚州立大学） ； Georgia Institute of Technology, Atlanta, USA（佐治亚理工学院） ； DePauw University, Indiana, USA（德保罗大学） ； University of Engineering（工程大学）
AI总结 本文提出ConTact，一种通过显式界面推理进行抗体CDR设计的方法，通过显式分解CDR设计为三个阶段：学习表面互补性指纹、预测CDR-抗原接触以及注入接触门控抗原特征，从而提高结构质量和表位意识。
过度自信且忽视细节：通过归纳偏好学习修复提示不敏感
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Northeastern University（东北大学） ； Uniphore（Uniphore公司）
AI总结 本文提出归纳偏好学习方法，通过优化归纳策略提升模型对罕见提示的敏感度，显著提高在VLMBias和Inverse-IFEval基准测试中的性能。
Comments 26 pages, 15 tables, 3 figures
TimePre: 联合精度、效率与稳定性在概率时间序列预测中的应用
机构 * Tohoku University（东京大学） ； WPI ； Texas A&M University（德克萨斯大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； UIUC（伊利诺伊大学香槟分校） ； Georgia Tech（佐治亚理工学院） ； MIT（麻省理工学院） ； University of Southern California（南加州大学） ； San Diego State University（圣地亚哥州立大学）
AI总结 TimePre结合MLP模型的高效性与MCL方法的分布灵活性，通过SIN层解决精度、效率与稳定性之间的平衡问题，实现在概率时间序列预测中的高精度与高速度。
Comments 25 pages, 6 figures, 16 tables
多玩家纳什偏好优化
机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Tokyo（东京大学） ； RIKEN AIP（日本理化学研究所智能系统研究中心） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Harvard University（哈佛大学） ； UNC–Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出多玩家纳什偏好优化框架，扩展了传统的两玩家纳什对齐方法，通过引入多玩家博弈机制，提升对复杂非传递性人类偏好的对齐能力，并在多个基准测试中表现更优。
Journal ref ICLR 2026 Oral
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
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。
无任何监督的在线策略自蒸馏
机构 * UC San Diego（加州大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Maryland, College Park（马里兰大学帕克分校） ； ByteDance（字节跳动）
AI总结 本研究提出无监督在线策略自蒸馏（U-OPSD），仅用模型自身生成结果实现在线策略自蒸馏，在多数学基准上优于基础模型，部分场景超越OPSD、GRPO等监督方法。
Comments Project page at https://williamium3000.github.io/u-opsd/ and code at https://github.com/williamium3000/u-opsd
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