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

DyTopo: Dynamic Topology Routing for Multi-Agent Reasoning via Semantic Matching

DyTopo：通过语义匹配实现多智能体推理的动态拓扑路由

Yuxing Lu, Yucheng Hu, Xukai Zhao, Jiuxin Cao

机构 * Peking University, Beijing, China（北京大学） ； Georgia Institute of Technology, Atlanta, United States（佐治亚理工学院） ； Southeast University, Location, Country（东南大学） ； Tsinghua University（清华大学） 纠错

AI总结 DyTopo通过语义匹配实现多智能体推理的动态拓扑路由，提升多轮推理性能并提供可解释的协调轨迹。

Curiosity is Knowledge: Self-Consistent Learning and No-Regret Optimization with Active Inference

好奇心是知识：基于主动推断的自洽学习与无遗憾优化

Yingke Li, Anjali Parashar, Enlu Zhou, Chuchu Fan

机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA（航空与宇航系，麻省理工学院） ； School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA（工业与系统工程学院，佐治亚理工学院） 纠错

AI总结 本文提出基于主动推断的自洽学习与无遗憾优化理论，证明足够的好奇心可同时确保学习一致性与优化无遗憾，并通过实验验证其有效性。

Approximation of Log-Partition Function in Policy Mirror Descent Induces Implicit Regularization for LLM Post-Training

在策略镜像下降中近似对数分区函数诱导隐式正则化以提升LLM训练

Zhenghao Xu, Qin Lu, Changlong Yu, Tuo Zhao

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon（亚马逊） 纠错

AI总结 PMD-mean通过近似对数分区函数实现隐式正则化，提升LLM训练的稳定性和效率。

DARWIN: Dynamic Agentically Rewriting Self-Improving Network

DARWIN: 动态代理式自我改进网络

Henry Jiang

机构 * College of Computing, Georgia Institute of Technology（计算学院、佐治亚理工学院） 纠错

AI总结 DARWIN通过进化算法和动态代理机制实现GPT模型的自我改进，实验显示其在FLOPS利用率和困惑度上均有显著提升。

Comments 6 pages, 3 figures, 2 tables

Streaming Operator Inference for Model Reduction of Large-Scale Dynamical Systems

流式运算推断用于大规模动力系统模型降阶

Tomoki Koike, Prakash Mohan, Marc T. Henry de Frahan, Julie Bessac, Elizabeth Qian

机构 * School of Aerospace Engineering, Georgia Institute of Technology（航空航天工程学院，佐治亚理工学院） ； School of Computational Science and Engineering, Georgia Institute of Technology（计算科学与工程学院，佐治亚理工学院） ； Computational Science Center, National Laboratory of the Rockies (NLR)（落基山国家实验室（NLR）计算科学中心） 纠错

AI总结 流式运算推断方法通过增量SVD和递归LS实现大规模动力系统降阶模型的高效学习，显著降低内存需求并提升预测速度。

In-context Time Series Predictor

上下文时间序列预测器

Jiecheng Lu, Yan Sun, Shihao Yang

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

AI总结 本文提出一种基于上下文的时间序列预测方法，通过将时间序列预测任务转化为输入标记，提高了参数效率并减少了过拟合问题。

Comments Camera-ready version. Accepted at ICLR 2025

Journal ref Proceedings of the Thirteenth International Conference on Learning Representations (ICLR 2025)

CATS: Enhancing Multivariate Time Series Forecasting by Constructing Auxiliary Time Series as Exogenous Variables

CATS: 通过构建辅助时间序列作为外生变量增强多变量时间序列预测

Jiecheng Lu, Xu Han, Yan Sun, Shihao Yang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 CATS通过构建辅助时间序列作为外生变量，有效提升多变量时间序列预测的性能，实现高效且可转移的预测解决方案。

Comments Camera-ready version. Accepted at ICML 2024

Journal ref Proceedings of the Forty-first International Conference on Machine Learning (ICML 2024)

ARM: Refining Multivariate Forecasting with Adaptive Temporal-Contextual Learning

ARM：通过自适应时间-上下文学习提升多变量预测

Jiecheng Lu, Xu Han, Shihao Yang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 ARM通过自适应时间-上下文学习方法提升多变量长期时间序列预测的性能和效率

Comments Camera-ready version. Accepted at ICLR 2024

Journal ref Proceedings of the Twelfth International Conference on Learning Representations (ICLR 2024)

ZeroS: Zero-Sum Linear Attention for Efficient Transformers

ZeroS：用于高效Transformer的零和线性注意力

Jiecheng Lu, Xu Han, Yan Sun, Viresh Pati, Yubin Kim, Siddhartha Somani, Shihao Yang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 ZeroS通过去除零阶项并重新加权残差，改进了线性注意力机制，实现了更稳定的权重和对比操作，从而在保持O(N)复杂度的同时提升了序列建模性能。

Comments Camera-ready version. Accepted at NeurIPS 2025

Journal ref Proceedings of the Thirty-ninth Annual Conference on Neural Information Processing Systems (NeurIPS 2025)

ARGaze: Autoregressive Transformers for Online Egocentric Gaze Estimation

ARGaze：用于在线第一人称注视估计的自回归变换器

Jia Li, Wenjie Zhao, Shijian Deng, Bolin Lai, Yuheng Wu, RUijia Chen, Jon E. Froehlich, Yuhang Zhao, Yapeng Tian

机构 * Department of Computer Science, University of Texas at Dallas, Richardson, TX, USA.（德克萨斯大学达拉斯分校计算机科学系） ； College of Computing, Georgia Institute of Technology, Atlanta, GA, USA（佐治亚理工学院计算机学院） ； Department of Computer Science, University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校计算机科学系） ； Allen School of Computer Science, University of Washington, USA（华盛顿大学阿伦计算机科学学院） 纠错

AI总结 ARGaze通过自回归变换器模型，利用时间连续性提升在线第一人称注视估计的鲁棒性与准确性。

Linear Transformers as VAR Models: Aligning Autoregressive Attention Mechanisms with Autoregressive Forecasting

线性变换器作为VAR模型：将自回归注意力机制与自回归预测对齐

Jiecheng Lu, Shihao Yang

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

AI总结 本文提出SAMoVAR，一种将Transformer架构与自回归目标对齐的线性变换器变体，通过整合可解释的动态VAR权重，提升时间序列预测的性能和可解释性。

Comments Camera-ready version. Accepted at ICML 2025

Journal ref Proceedings of the Forty-second International Conference on Machine Learning (ICML 2025)

WAVE: Weighted Autoregressive Varying Gate for Time Series Forecasting

WAVE：带有自回归和移动平均组件的加权自回归变门机制用于时间序列预测

Jiecheng Lu, Xu Han, Yan Sun, Shihao Yang

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

AI总结 WAVE通过整合ARMA结构提升时间序列预测性能，结合自回归和移动平均组件，实现更高效的长程和局部时间模式捕捉。

Comments Camera-ready version. Accepted at ICML 2025

Journal ref Proceedings of the Forty-second International Conference on Machine Learning (ICML 2025)