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

Trust by Design: Skill Profiles for Transparent, Cost-Aware LLM Routing

信任由设计：基于技能配置的透明、成本感知的LLM路由

Mika Okamoto, Ansel Kaplan Erol, Glenn Matlin

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

AI总结 BELLA框架通过基于技能的可解释方法，为LLM路由提供透明、成本感知的最优模型选择方案，帮助从业者在性能与成本间做出合理权衡。

Comments Appeared at MLSys YPS 2025

OS-Marathon: Benchmarking Computer-Use Agents on Long-Horizon Repetitive Tasks

OS-Marathon: 在长周期重复任务上评估计算机使用代理的基准测试

Jing Wu, Daphne Barretto, Yiye Chen, Nicholas Gydé, Yanan Jian, Yuhang He, Vibhav Vineet

机构 * University of Oxford（牛津大学） ； Microsoft（微软公司） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 OS-Marathon通过建立长周期重复任务的基准测试，评估计算机使用代理在处理复杂工作流中的性能和有效性。

Comments 22 Pages, Project Page: https://os-marathon.github.io/

Dense Associative Memory with Epanechnikov Energy

具有Epanechnikov能量的密集关联记忆

Benjamin Hoover, Zhaoyang Shi, Krishnakumar Balasubramanian, Dmitry Krotov, Parikshit Ram

机构 * IBM Research（IBM研究院） ； Georgia Tech（佐治亚理工学院） ； Harvard（哈佛大学） ； UC Davis（加州大学戴维斯分校） 纠错

AI总结 本文提出了一种基于Epanechnikov核的LSR能量函数，用于改进DenseAM网络的记忆检索能力，并展示了其在生成任务中的潜力。

Comments Accepted as Spotlight Poster to NeurIPS 2025 main conference

Theoretical Analysis of Measure Consistency Regularization for Partially Observed Data

对部分观测数据的度量一致性正则化的理论分析

Yinsong Wang, Shahin Shahrampour

机构 * H. Milton Stewart School of Industrial & Systems Engineering at Georgia Institute of Technology（佐治亚理工学院H.Milton Stewart工业与系统工程学院） ； Department of Mechanical and Industrial Engineering at Northeastern University（东北大学机械与工业工程系） 纠错

AI总结 本文通过理论分析探讨了度量一致性正则化在部分观测数据中的作用机制，并提出了一种新的训练协议以提升模型泛化能力。

Position: Human-Centric AI Requires a Minimum Viable Level of Human Understanding

位置：人本AI需要最低可行的人类理解水平

Fangzhou Lin, Qianwen Ge, Lingyu Xu, Peiran Li, Xiangbo Gao, Shuo Xing, Kazunori Yamada, Ziming Zhang, Haichong Zhang, Zhengzhong Tu

机构 * Worcester Polytechnic Institute（沃斯特理工学院） ； Tohoku University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出认知完整性阈值（CIT）作为人本AI中保持监督和问责的关键标准，强调人类必须保留的最低理解水平以应对持续的人工智能委托。

Comments 14 pages, 1 figures

Multivariate Time Series Data Imputation via Distributionally Robust Regularization

多变量时间序列数据填补 via 分布鲁姆正则化

Che-Yi Liao, Zheng Dong, Gian-Gabriel Garcia, Kamran Paynabar

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出DRIO方法，通过分布鲁姆正则化在多变量时间序列填补中实现重建准确性和分布对齐的帕累托最优。

AIRE-Prune: Asymptotic Impulse-Response Energy for State Pruning in State Space Models

AIRE-Prune：用于状态空间模型中状态剪枝的渐近脉冲响应能量

Apurba Prasad Padhy, Fernando Camacho, Saibal Mukhopadhyay

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Laboratory for Physical Sciences（物理科学实验室） 纠错

AI总结 AIRE-Prune通过渐近脉冲响应能量评分实现状态空间模型的状态剪枝，有效降低计算成本并保持高精度。

Stable Signer: Hierarchical Sign Language Generative Model

Stable Signer: 层级化手语生成模型

Sen Fang, Yalin Feng, Hongbin Zhong, Yanxin Zhang, Dimitris N. Metaxas

机构 * Rutgers University（罗格斯大学） ； Nanyang Technological University（南洋理工大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出Stable Signer模型，通过层级生成端到端任务提升手语视频生成质量，采用SLUL和SLP-MoE模块实现高效生成。

Comments 12 pages, 7 figures. More Demo at https://stablesigner.github.io

Using Reinforcement Learning to Train Large Language Models to Explain Human Decisions

利用强化学习训练大语言模型以解释人类决策

Jian-Qiao Zhu, Hanbo Xie, Dilip Arumugam, Robert C. Wilson, Thomas L. Griffiths

机构 * Princeton University（普林斯顿大学） ； The University of Hong Kong（香港大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文利用强化学习训练大语言模型，使其能解释人类决策行为，实现预测与可解释性的双重目标。

Overcoming Spurious Solutions in Semi-Dual Neural Optimal Transport: A Smoothing Approach for Learning the Optimal Transport Plan

克服半对偶神经最优传输中的虚假解：一种平滑方法用于学习最优传输计划

Jaemoo Choi, Jaewoong Choi, Dohyun Kwon

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Sungkyunkwan University（松均大学） ； University of Seoul（首尔大学） ； Korea Institute for Advanced Study（韩国高级研究院） 纠错

AI总结 OTP模型通过平滑方法克服半对偶神经OT中的虚假解问题，准确学习最优传输计划并提升图像到图像翻译性能。

Comments ICML 2025 (22 pages, 10 figures(

Why LoRA Resists Label Noise: A Theoretical Framework for Noise-Robust Parameter-Efficient Fine-Tuning

为何LoRA具有抗标签噪声性：一种用于噪声鲁棒性参数高效微调的理论框架

Brady Steele

机构 * Georgia Institute of Technology, Atlanta, GA, USA（佐治亚理工学院） 纠错

AI总结 本文提出了一种理论框架，解释LoRA对标签噪声的抗性，并提出RACT方法通过秩差异实现噪声检测，实验验证了其有效性。

Comments 14 pages, 7 figures, 7 tables