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

How Edge of Stability Hinders SCAFFOLD in Federated Optimization

稳定性边缘如何阻碍联邦优化中的SCAFFOLD算法

Anant Khandelwal, Michael Crawshaw, Mingrui Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； George Mason University（乔治梅森大学） ； Flatiron Institute（弗拉蒂伦研究所） 纠错

AI总结 本研究指出联邦优化中的稳定性边缘（EoS）和渐进锐化是SCAFFOLD性能弱于FedAvg的原因，发现EoS会导致SCAFFOLD估计全局梯度的能力严重下降。

Comments 7 pages, 7 figures

MathAdv: What Theorem Provers Know, Reason, Formalize, and Generalize

MathAdv：定理证明器所知晓、推理、形式化及泛化的内容

Jiaxin Yuan, Connor Martinez Lockhart, Xiaoyu Liu, Jiaqi Wang, Chenghao Deng, Xiayimei Han, Vlasios Mastrantonis, Dmitrii Gudin, Shaopeng Zhu, Abdirisak Abdullahi Mohamed, Bilal Hamdi Aytekin, Jiewen Lang, Zezheng Song, Furong Huang

机构 * University of Maryland（马里兰大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Cornell University（康奈尔大学） ； All Purpose AI 纠错

AI总结 本研究推出涵盖13个数学领域的诊断基准MathAdv，结合Lean 4评估当代定理证明器，发现形式化是瓶颈、性能跨领域差异大等问题，为分组件评估模型能力提供依据。

Longitudinal Robot Learning from Demonstration with Care Providers in a Home Environment

居家环境中与照护者协作的纵向演示学习机器人

Nina Moorman, Julianna Schalkwyk, Vriksha Srihari, Qingyu Xiao, Kamel Alrashedy, Hongseok Jeong, Kiersten Lange, Matthew B. Luebbers, Matthew Gombolay

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

AI总结 本研究针对居家环境中无专家反馈时非专业照护者教机器人的障碍，采用预训练与自适应反馈开展多轮人体实验，拟开源相关LfD辅助任务数据集。

Comments ICRA 2026 Workshop on Bridging the Gap between Robot Learning and Human-Robot Interaction

MSR-IVA: Masked Structural Residual Independent Vector Analysis for State-Aware Fusion of Structural MRI and Dynamic Functional Network Connectivity

MSR-IVA：用于结构MRI与动态功能连接状态感知融合的 masked 结构残差独立向量分析

Victor Solomon, Zening Fu, Rafal Angryk, Vince D. Calhoun, Jingyu Liu

机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） 纠错

AI总结 该研究针对sMRI与dFNC融合时IVA方法的缺陷，提出MSR-IVA框架，在ADNI队列实验中提升匹配源耦合、降低非匹配依赖，实现受控结构共享以适配状态差异。

Comments Accepted at the 2026 IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2026), Atlanta, GA, USA

ScaRF-SLAM: Scale-Consistent Reconstruction with Feed-Forward Models and Classical Visual SLAM

ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建

Yuhao Zhang, Yifu Tao, Frank Dellaert, Maurice Fallon

机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） 纠错

AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 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。

Gavel: Agent Meets Checklist for Evaluating LLMs on Long-Context Legal Summarization

Gavel: 智能体结合检查表评估LLM长上下文法律摘要

Yao Dou, Benjamin Mamut, Wei Xu

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

AI总结 提出Gavel框架，通过参考评估和免参考智能体评估12个前沿LLM在多文档法律摘要中的表现，发现模型易遗漏关键信息而非幻觉，且性能随案件长度增加而下降。

Comments Accepted at EMNLP 2026 Main; webpage at this https URL (https://yao-dou.github.io/gavel/)