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

Anticipatory Evaluation of Language Models

语言模型的前瞻性评估

Jungsoo Park, Ethan Mendes, Gabriel Stanovsky, Alan Ritter

机构 * Georgia Institute of Technology, Atlanta, Georgia（佐治亚理工学院） ； The Hebrew University of Jerusalem, Jerusalem, Israel（耶路撒冷希伯来大学） 纠错

AI总结 本文提出通过任务描述和实验配置预测语言模型性能，构建PRECOG语料库并展示推理模型在高置信度阈值下的预测能力。

Comments 30 pages, 7 figures

STAND: Self-Aware Precondition Induction for Interactive Task Learning

STAND：面向交互式任务学习的自感知预条件诱导

Daniel Weitekamp, Glen Smith, Kenneth Koedinger, Christopher MacLellan

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 STAND通过自感知学习机制，在交互式任务学习中实现高效且准确的预条件诱导，提升训练一致性和主动学习支持。

From Sparse Sensors to Continuous Fields: STRIDE for Spatiotemporal Reconstruction

从稀疏传感器到连续场：STRIDE用于时空重建

Yanjie Tong, Peng Chen

机构 * School of Computational Science and Engineering（计算科学与工程学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 STRIDE通过时空递归隐式解码器框架，实现了从稀疏传感器到连续场的高效重建，提升了在稀疏传感和噪声干扰下的鲁棒性。

Knowledge Model Prompting Increases LLM Performance on Planning Tasks

知识模型提示增强了LLM在规划任务上的性能

Erik Goh, John Kos, Ashok Goel

机构 * School of Interactive Computing（交互计算学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 TMK框架通过显式任务分解和因果推理提升LLM在规划任务中的性能，使其在复杂符号任务中达到97.3%的准确率。

Scalable Deep Basis Kernel Gaussian Processes

可扩展的深度基核高斯过程

Yunqin Zhu, Henry Shaowu Yuchi, Yao Xie

机构 * School of Industrial and Systems Engineering（工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） 纠错

AI总结 本文提出了一种基于深度基核的可扩展GP回归器，通过显式低秩结构实现线性复杂度推断，并解决边际似然最大化导致的不确定性问题，提升了大规模回归任务的性能。

Comments Previous title: Scalable Gaussian Processes with Low-Rank Deep Kernel Decomposition

DISCOVER: Identifying Patterns of Daily Living in Human Activities from Smart Home Data

DISCOVER: 从智能家庭数据中识别日常生活的活动模式

Alexander Karpekov, Archith Iyer, Sourish Gunesh Dhekane, Sonia Chernova, Thomas Plötz

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

AI总结 DISCOVER通过自监督学习和可视化接口，从智能家庭数据中发现日常活动模式，以更细粒度和个性化的方式识别居民行为，为健康监测和认知退化研究提供新方法。

Comments v2: Re-submission. Under review at IMWUT