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

Does Memory Need Graphs? A Unified Framework and Empirical Analysis for Long-Term Dialog Memory

记忆是否需要图？一种统一框架和长期对话记忆的实证分析

Sen Hu, Yuxiang Wei, Jiaxin Ran, Zhiyuan Yao, Xueran Han, Huacan Wang, Ronghao Chen, Lei Zou

机构 * Peking University（北京大学） ； Georgia Tech（佐治亚理工学院） ； ZJU（浙江大学） ； MBZUAI（马克斯·普朗克智能系统研究所） ； UCAS（中国科学院大学） 纠错

AI总结 本文提出一种统一框架，分析长期对话记忆系统，发现性能差异主要由基础设置驱动，而非特定架构创新，并提供了稳定基线。

Why the Counterintuitive Phenomenon of Likelihood Rarely Appears in Tabular Anomaly Detection with Deep Generative Models?

为何在基于深度生成模型的表格异常检测中，反直觉现象很少出现？

Donghwan Kim, Junghun Phee, Hyunsoo Yoon

机构 * Department of Industrial Engineering, University of Yonsei, Republic of Korea, Seoul（延世大学工业工程系） ； H. Milton Stewart School of Industrial and Systems Engineering (ISyE), Georgia Institute of Technology, USA, GA（佐治亚理工学院H.米尔顿·斯图尔特工业与系统工程学院） 纠错

AI总结 本文探讨了基于深度生成模型的表格异常检测中反直觉现象的罕见性，通过实验表明归一化流在表格数据中具有实用且可靠的异常检测能力。

Comments 47 pages, 11 figures

Not-in-Perspective: Towards Shielding Google's Perspective API Against Adversarial Negation Attacks

非透视：针对谷歌Perspective API对抗性否定攻击的防护

Michail S. Alexiou, J. Sukarno Mertoguno

机构 * Department of Computer Science（计算机科学系） ； Kennesaw State University（肯尼斯州立大学） ； School of Cybersecurity and Privacy（网络安全与隐私学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出基于形式推理的方法，用于防护谷歌Perspective API对抗性否定攻击，提升毒性检测的准确性和有效性。

Journal ref 2023 14th International Conference on Information, Intelligence, Systems & Applications (IISA), Volos, Greece, 2023, pp.1-8

Agile asymmetric multi-legged locomotion: contact planning via geometric mechanics and spin model duality

敏捷非对称多足运动：通过几何力学和自旋模型对偶性进行接触规划

Jackson Habala, Gabriel B. Margolis, Tianyu Wang, Pratyush Bhatt, Juntao He, Naheel Naeem, Zhaochen Xu, Pulkit Agrawal, Daniel I. Goldman, Di Luo, Baxi Chong

机构 * Department of Mechanical Engineering, Pennsylvania State University（宾夕法尼亚州立大学机械工程系） ； MIT Improbable AI Lab, Maschusetts Institute of Technology（麻省理工学院Improbable AI实验室） ； Department of Physics, Georgia Institute of Technology（佐治亚理工学院物理系） ； Department of Physics, Tsinghua University（清华大学物理系） 纠错

AI总结 本研究提出了一种基于几何力学和自旋模型对偶性的原理性框架，用于发现多足运动中的新控制结构，实现了六足机器人非对称运动策略，使前进速度提高50%。

Comments 10 pages, 7 figures. arXiv admin note: text overlap with arXiv:2302.03019

Mapping Drivers of Greenness: Spatial Variable Selection for MODIS Vegetation Indices

映射绿色度驱动因素：MODIS植被指数的时空变量选择

Qishi Zhan, Cheng-Han Yu, Yuchi Chen, Zhikang Dong, Rajarshi Guhaniyogi

机构 * Department of Mathematical and Statistical Sciences, Marquette University（数学与统计学系，马歇尔大学） ； Department of Computer Science, Georgia Institute of Technology（计算机科学系，佐治亚理工学院） ； Department of Applied Mathematics and Statistics, Stony Brook University（应用数学与统计学系，石溪大学） ； Department of Statistics, Texas A&M University（统计学系，德克萨斯阿姆大学） 纠错

AI总结 本文提出了一种空间变化系数模型，通过张量积B样条基函数和贝叶斯组lasso先验，用于MODIS植被指数研究中的时空变量选择，以识别重要预测变量并提高解释性。

Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits

预训练张量团网络促进使用变分量子电路的机器学习

Jun Qi, Chao-Han Huck Yang, Pin-Yu Chen, Min-Hsiu Hsieh

机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Research（NVIDIA研究） ； IBM Research（IBM研究） ； Hon Hai (Foxconn) Quantum Computing Research Center（鸿海（富士康）量子计算研究中心） 纠错

AI总结 预训练张量团网络通过降低量子机器学习中的数据编码复杂度，提升变分量子电路分类任务的效率与性能。

Comments The paper has been accepted by ICASSP 2026