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

Hearing is Believing? Evaluating and Analyzing Audio Language Model Sycophancy with SYAUDIO

听信还是不信？评估和分析音频语言模型的趋炎附势行为 with SYAUDIO

Junchi Yao, Lokranjan Lakshmikanthan, Annie Zhao, Danielle Zhao, Shu Yang, Zikang Ding, Di Wang, Lijie Hu

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed人工智能大学） ； King Abdullah University of Science and Technology（卡布斯大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 SYAUDIO是首个评估音频语言模型趋炎附势行为的基准，通过系统分析不同领域和条件下的趋炎附势现象，验证了监督微调在减少此类行为中的有效性。

An Analysis of Causal Effect Estimation using Outcome Invariant Data Augmentation

基于结果不变数据增强的因果效应估计分析

Uzair Akbar, Niki Kilbertus, Hao Shen, Krikamol Muandet, Bo Dai

机构 * Georgia Tech（佐治亚理工学院） ； TU Munich（慕尼黑工业大学） ； Helmholtz AI（海德堡人工智能研究所） ； Fortiss GmbH（Fortiss公司） ； Rational Intelligence CISPA（理性智能CISPA） ； Google DeepMind（谷歌DeepMind） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） 纠错

AI总结 本文提出基于结果不变数据增强的因果效应估计方法，通过IV-like回归减少混杂偏差并提升泛化性能。

Comments Accepted at NeurIPS 2025

Evidence for Phenotype-Driven Disparities in Freezing of Gait Detection and Approaches to Bias Mitigation

冻结步态检测中表型驱动的不平等证据及偏见缓解方法

Timothy Odonga, Christine D. Esper, Stewart A. Factor, J. Lucas McKay, Hyeokhyen Kwon

机构 * Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文研究了基于可穿戴设备的FOG检测模型中的偏见问题，发现传统方法效果有限，而迁移学习能有效提升公平性和性能。

Comments Revised manuscript for EJN Special Issue Submission

BayesFlow: A Probability Inference Framework for Meta-Agent Assisted Workflow Generation

BayesFlow: 一个用于元代理辅助工作流生成的概率推断框架

Bo Yuan, Yun Zhou, Zhichao Xu, Kiran Ramnath, Aosong Feng, Balasubramaniam Srinivasan

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon Web Services AI Lab（亚马逊网络服务人工智能实验室） 纠错

AI总结 BayesFlow通过贝叶斯推断和并行前瞻滚动实现工作流生成的原理性改进，提升准确性达9-65个百分点。

Comments EACL 2026 Finding

Emotions Where Art Thou: Understanding and Characterizing the Emotional Latent Space of Large Language Models

情感在哪里？：理解并表征大语言模型的情感潜在空间

Benjamin Reichman, Adar Avsian, Larry Heck

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

AI总结 研究揭示了大语言模型中情感的潜在空间结构，通过方向编码和跨语言一致性，展示了对情感的可控表征与可解释性。

Post-Norm can Resharpen Attention

Post-Norm 可增强注意力

Pál Zsámboki, Benjamin Levi, David Ansel Josef Smith, Mitansh Kagalwala, Arlington Kell, Samuel Liechty, Cong Wang

机构 * HUN-REN Alfréd Rényi Institute of Mathematics, Budapest, Hungary（匈牙利REN阿弗雷德·雷尼数学研究所） ； University of Rochester, Rochester, NY, USA（罗切斯特大学） ； The University of Alabama, Tuscaloosa, AL, USA（阿拉巴马大学） ； University of Virginia, Charlottesville, VA, USA（弗吉尼亚大学） ； Georgia Institute of Technology, Atlanta, GA, USA（佐治亚理工学院） ； Brigham Young University, Provo, UT, USA（Brigham Young大学） ； Carleton College, Northfield, MN, USA（卡洛尔顿学院） 纠错

AI总结 Post-Norm通过增强注意力机制，解决Transformer在长度泛化任务中因注意力分散导致的性能下降问题。

Comments 17 pages, 7 figures, 1 table