Georgia Institute of Technology（佐治亚理工学院）

Is Passive Expertise-Based Personalization Enough? A Case Study in AI-Assisted Test-Taking

基于被动专家经验的个性化是否足够？一项在AI辅助考试中的案例研究

Li Siyan, Jason Zhang, Akash Maharaj, Yuanming Shi, Yunyao Li

机构 * Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Adobe（Adobe公司） 纠错

AI总结 本文研究了基于被动专家经验的个性化在AI辅助考试中的效果，发现其能降低任务负荷但存在局限，需结合主动个性化以提升用户体验。

Comments Accepted into Tailoring AI: Exploring Active and Passive LLM Personalization (PALS) workshop at EMNLP 2025

FastFHE: Packing-Scalable and Depthwise-Separable CNN Inference Over FHE

FastFHE: 基于FHE的可扩展打包和深度可分离CNN推理

Wenbo Song, Xinxin Fan, Quanliang Jing, Shaoye Luo, Wenqi Wei, Chi Lin, Yunfeng Lu, Ling Liu

机构 * Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； UCAS（中国科学院大学） ； Fordham University（福特汉姆大学） ； Dalian University of Technology（大连理工大学） ； Beihang University（北京航空航天大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 FastFHE通过可扩展加密打包、深度可分离卷积、BN点积融合和Legendre多项式近似，提升FHE下CNN推理效率与精度。

Toward Diffusible High-Dimensional Latent Spaces: A Frequency Perspective

迈向可扩散的高维潜在空间：从频率视角出发

Bolin Lai, Xudong Wang, Saketh Rambhatla, James M. Rehg, Zsolt Kira, Rohit Girdhar, Ishan Misra

机构 * Meta AI ； Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出FreqWarm方法，通过增加高频潜在信号的早期曝光，提升高维潜在空间的可扩散性，有效改善生成质量。

Comments 11 pages, 7 figures, 4 tables

Leveraging Exogenous Signals for Hydrology Time Series Forecasting

利用外源信号进行水文时间序列预测

Junyang He, Judy Fox, Alireza Jafari, Ying-Jung Chen, Geoffrey Fox

机构 * College of Computing（计算学院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Virginia（弗吉尼亚大学） ； School of Data Science（数据科学学院） ； Computer Science（计算机科学） ； Biocomplexity Institute（生物复杂性研究所） 纠错

AI总结 本文提出利用外源信号提升水文时间序列预测性能，通过整合全面的外源输入，显著提高降雨-径流建模效果。

Memo: Training Memory-Efficient Embodied Agents with Reinforcement Learning

备忘录：通过强化学习训练内存高效的具身智能体

Gunshi Gupta, Karmesh Yadav, Zsolt Kira, Yarin Gal, Rahaf Aljundi

机构 * University of Oxford（牛津大学） ； Georgia Tech University（佐治亚理工学院） ； Toyota Motor Europe（丰田欧洲公司） 纠错

AI总结 Memo通过在训练过程中交错周期性总结标记与输入，实现内存高效的具身智能体强化学习训练，优于长上下文基线并更高效。

Comments Accepted for Spotlight Presentation at NeurIPS 2025

Fast Solvers for Discrete Diffusion Models: Theory and Applications of High-Order Algorithms

离散扩散模型的快速求解器：高阶算法的理论与应用

Yinuo Ren, Haoxuan Chen, Yuchen Zhu, Wei Guo, Yongxin Chen, Grant M. Rotskoff, Molei Tao, Lexing Ying

机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出高阶算法用于离散扩散模型，提升推断效率和样本质量，适用于文本、图像等生成任务。

Comments Accepted at NeurIPS 2025 as a Poster (https://openreview.net/forum?id=OuklL6Q3sO)

Trust-Preserved Human-Robot Shared Autonomy enabled by Bayesian Relational Event Modeling

基于贝叶斯关系事件建模的信任保留人机协同自主性

Yingke Li, Fumin Zhang

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） ； Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（电子与计算机工程系，香港科技大学） 纠错

AI总结 本文提出基于贝叶斯关系事件建模的信任保留协同自主策略，通过动态推断人类信任提升人机协作效率与用户接受度。

Journal ref in IEEE Robotics and Automation Letters, vol. 9, no. 11, pp. 10716-10723, Nov. 2024