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

Rethinking Diffusion Models with Symmetries through Canonicalization with Applications to Molecular Graph Generation

通过规范化的扩散模型重新思考对称性：应用于分子图生成

Cai Zhou, Zijie Chen, Zian Li, Jike Wang, Kaiyi Jiang, Pan Li, Rose Yu, Muhan Zhang, Stephen Bates, Tommi Jaakkola

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Princeton University（普林斯顿大学） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出通过规范化的扩散模型生成分子图，利用几何谱和位置编码提升生成效果，优于等变基线方法。

Comments 32 pages

A unified framework for evaluating the robustness of machine-learning interpretability for prospect risking

评估机器学习可解释性在勘探风险中的鲁棒性统一框架

Prithwijit Chowdhury, Ahmad Mustafa, Mohit Prabhushankar, Ghassan AlRegib

机构 * Center for Energy and Geo Processing (CeGP)（能源与地球处理中心） ； Omni Lab for Intelligent Visual Engineering and Science (OLIVES)（智能视觉工程与科学实验室） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出统一框架，通过量化必要性和充分性来评估LIME和SHAP在高维结构化勘探风险数据中的鲁棒性。

Journal ref Geophysics 90, no. 3 (2025): IM103-IM118

Modeling and Optimizing the Provisioning of Exhaustible Capabilities for Simultaneous Task Allocation and Scheduling

对同时任务分配与调度的耗尽能力 provisioning 进行建模与优化

Jinwoo Park, Harish Ravichandar, Seth Hutchinson

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Northeastern University（东北大学） 纠错

AI总结 本文提出TRAITS框架，通过非线性规划优化异构机器人团队在电池和时间约束下的特性 provisioning，提升任务分配与调度的可行性和效率。

Comments Accepted at AAMAS 2026

GRIP: Algorithm-Agnostic Machine Unlearning for Mixture-of-Experts via Geometric Router Constraints

GRIP：通过几何路由约束实现混合专家的算法无关机器反学习

Andy Zhu, Rongzhe Wei, Yupu Gu, Pan Li

机构 * School of Computer Science（计算机科学学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Electrical Engineering（电气工程系） ； Tsinghua University（清华大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） 纠错

AI总结 GRIP通过几何路由约束实现混合专家的算法无关机器反学习，有效消除专家选择偏移并保持模型效用。

Measuring Physical-World Privacy Awareness of Large Language Models: An Evaluation Benchmark

评估大型语言模型的物理世界隐私意识：一种评估基准

Xinjie Shen, Mufei Li, Pan Li

机构 * Georgia Tech（佐治亚理工学院） 纠错

AI总结 EAPrivacy评估基准揭示大型语言模型在物理世界隐私意识方面存在严重缺陷，需更稳健的物理感知对齐。

Comments Accepted by ICLR 2026

On the Surprising Effectiveness of Spectral Clipping in Learning Stable Linear and Latent-Linear Dynamical Systems

在学习稳定线性和潜在线性动态系统中的意外有效性

Hanyao Guo, Yunhai Han, Harish Ravichandar

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

AI总结 频谱截断通过高效学习稳定线性和潜在线性动态系统，实现预测准确性、稳定性与计算效率的统一。

DS@GT at TREC TOT 2025: Bridging Vague Recollection with Fusion Retrieval and Learned Reranking

DS@GT在TREC TOT 2025中：通过融合检索与学习重排序弥合模糊回忆

Wenxin Zhou, Ritesh Mehta, Anthony Miyaguchi

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

AI总结 DS@GT在TREC TOT 2025中结合混合检索与学习重排序，通过融合检索方法提升模糊回忆任务的检索效果。

Comments Paper submitted to TREC 2025 (34th Text REtrieval Conference)

GaussianFormer3D: Multi-Modal Gaussian-based Semantic Occupancy Prediction with 3D Deformable Attention

GaussianFormer3D: 多模态基于高斯的语义占用预测与3D可变形注意力

Lingjun Zhao, Sizhe Wei, James Hays, Lu Gan

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

AI总结 GaussianFormer3D通过3D可变形注意力机制，结合激光雷达与摄像头数据，实现高效且精确的语义占用预测。