Scale-Aware Self-Supervised Learning for Segmentation of Small and Sparse Structures
面向小规模和稀疏结构分割的自监督学习
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出了一种面向小规模和稀疏结构分割的自监督学习方法，通过整合小窗口裁剪提升细粒度结构识别，实验证明在地震和神经成像领域均取得显著效果。
高校专区
Georgia Institute of Technology（佐治亚理工学院）
Grounded Concreteness: Human-Like Concreteness Sensitivity in Vision-Language Models
grounded concreteness: 人类-like 的 concreteness 敏感性在 vision-language 模型中
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文研究了视觉语言模型在纯文本提示下对concreteness的敏感性，并发现其在更具体的输入上表现更优，具有更清晰的表示和更符合人类规范的判断。
Understanding Transformer Encoder-Decoder Representations through Bernoulli Dropout
通过伯努利丢弃理解Transformer编码器-解码器表示
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究通过伯努利丢弃方法探索Transformer编码器-解码器表示，分析稀疏性对模型性能的影响，并在翻译任务中验证了稀疏性阈值对性能的决定性作用。
OpenDecoder: Open Large Language Model Decoding to Incorporate Document Quality in RAG
OpenDecoder: 开源大型语言模型解码以纳入文档质量在RAG中
机构 * Clemson University（克莱姆森大学） ； University of Notre Dame（诺特丹大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Waseda University（早稻田大学）
AI总结 OpenDecoder通过整合文档质量评估提升RAG模型的鲁棒性，利用相关性、排序和QPP评分优化生成过程。
Comments Accepted by ACM WWW 2026
NeuroKoop: Neural Koopman Fusion of Structural-Functional Connectomes for Identifying Prenatal Drug Exposure in Adolescents
NeuroKoop：神经Koopman融合结构-功能连接组用于识别青少年孕期药物暴露
机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； Neuroscience Institute, Georgia State University（神经科学研究所，佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（跨机构神经影像与数据科学转化研究中心（TReNDS）） ； Georgia State University, Georgia Institute of Technology, and Emory University（佐治亚州立大学、佐治亚理工学院和埃默里大学）
AI总结 NeuroKoop通过神经Koopman算子融合结构-功能连接组，提升青少年孕期药物暴露识别的准确性和鲁棒性。
Comments Published in the Proceedings of the 2025 IEEE EMBS International Conference on Biomedical and Health Informatics (BHI). IEEE Xplore. DOI: 10.1109/BHI67747.2025.11269557
Efficient Knowledge Probing of Large Language Models by Adapting Pre-trained Embeddings
通过适应预训练嵌入高效探测大语言模型的知识
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 PEEK通过适应预训练嵌入模型，高效探测大语言模型的知识，准确率达90%，揭示了事实表示的底层结构。
Unified Cross-Modal Attention-Mixer Based Structural-Functional Connectomics Fusion for Neuropsychiatric Disorder Diagnosis
统一的跨模态注意力-混合器基于结构-功能连接组融合的神经精神疾病诊断
机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（跨机构神经影像与数据科学转化研究中心（TReNDS），佐治亚州立大学、佐治亚理工学院和埃默里大学）
AI总结 本文提出ConneX方法，通过统一的跨模态注意力和MLP-Mixer实现结构-功能连接组的多模态融合，提升神经精神疾病诊断性能。
Comments Published in the Proceedings of the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2025). IEEE Xplore. DOI: 10.1109/EMBC58623.2025.11254194
iFANnpp: Nuclear Power Plant Digital Twin for Robots and Autonomous Intelligence
iFANnpp：用于机器人和自主智能的核电厂数字孪生
机构 * George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院乔治·W·伍德鲁夫机械工程学院）
AI总结 iFANnpp提出一种全面的核电厂数字孪生，通过Unreal Engine 5和通用加压水堆模拟器实现实时监控与预测性维护，提升机器人自主智能研究。
Journal ref Annals of Nuclear Energy, 210, 111993 (2025)
