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

Rad-R: A Raw-ADC Radar Dataset and Capture-Invariant SSM for Hardware-Fault Diagnosis

Rad-R：用于硬件故障诊断的原始ADC雷达数据集与捕获不变SSM

Mainak Mallick, Junghwan Yim, Seung-Kyum Choi

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

AI总结 针对汽车毫米波雷达硬件故障数据稀缺问题，提出Rad-R原始ADC雷达数据集与捕获不变RadrNet模型，经基准评估，该模型在受控跨严重程度故障诊断任务中性能优于对比模型，且在其他任务中也表现领先。

ECGQuest: Benchmarking and Fine-Tuning Language Models for Electrocardiography

ECGQuest：用于心电图的语言模型基准测试与微调

Mohammadsina Hassannia, Matthew A. Reyna, Reza Sameni

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

AI总结 该研究开发了ECGQuest基准数据集，对语言模型进行ECG知识的零样本评估与微调，发现参数高效微调可让小模型与大商业模型竞争，通用模型在ECG任务中优于医学专用模型。

TAMI: Temporally Aligned, Missingness-Aware, and Interpretable Multimodal Fusion for Mental Health Assessment in Older Adults with Mild Cognitive Impairment

TAMI：面向轻度认知障碍老年人心理健康评估的时间对齐、缺失感知与可解释多模态融合框架

Merna Bibars, Bolaji Omofojoye, Allan I. Levey, Rachel Hershenberg, Gari D. Clifford, Hyeokhyen Kwon

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Cairo University（开罗大学） 纠错

AI总结 本研究针对轻度认知障碍老年人心理健康筛查的多模态分析局限，提出TAMI框架，通过时间对齐、缺失感知与可解释性设计，在49名受试者的抑郁、焦虑分类中取得良好效果，且开放式问题可实现与完整访谈相当的筛查性能。

Comments 19 pages, submitted to IEEE Transactions on Affective Computing

Lies We Can See: Joint Verbal and Non-Verbal Deception by VLM Agents in Embodied Social Interactions

我们能看见的谎言：具身社交交互中VLM智能体的联合言语与非言语欺骗

Jaewoo Ahn, Junseo Kim, Hyunseo Kim, Heeseung Yun, Jaehyeon Son, Zsolt Kira, Gunhee Kim

机构 * Seoul National University（首尔大学） ； Inha University（仁荷大学） ； KAIST（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本研究构建了3D多模态社交推理游戏测试平台MineAmongUs，提出可配置VLM智能体控制程序ARIA，发现非言语通道是VLM智能体欺骗取胜的更关键因素，为具身VLM智能体对齐研究开辟新方向。

Comments Workshop on Agent Behavior (WAB) at COLM 2026. Project page: https://junseokim0103.github.io/Lies-We-Can-See/

Can LLMs Take the Pulse of the Economy? A Real-Time Evaluation of LLM Nowcasts on Macroeconomic Indicators

大语言模型（LLM）能否监测经济状况？对宏观经济指标的LLM实时预报的评估

Xinyue Zhao, Ruiyi Zhang, Liqin Ye, Rui Cao, Pengtao Xie, Sudheer Chava

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of California San Diego（加利福尼亚大学圣迭戈分校） 纠错

AI总结 本研究推出抗污染基准LiveMacroEval，对比多类基准发现，具备网络搜索能力的LLM智能体对美国16项宏观经济指标的实时预报准确性与专业基准相当，展现出宏观经济实时估算潜力。

ARMOR: Manifold-Oriented Training for Adversarially Robust Aerial Object Detection under Data Scarcity

ARMOR：数据稀缺条件下面向流形的对抗鲁棒航拍目标检测训练

Haoran Wang, Matthew Lau, Alec Helbling, Matthew Hull, ShengYun Peng, Mansi Phute, Martin Andreoni, Willian T. Lunardi, Duen Horng Chau, Wenke Lee

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Khalifa University（哈利法大学） ； Technology Innovation Institute（技术创新研究院） 纠错

AI总结 ARMOR 是一种面向流形的新型防御方法，通过掩码图像背景、在目标上注入随机补丁，在数据稀缺时提升航拍目标检测器的对抗鲁棒性，维持强干净性能且优于现有最优防御。

Comments 10 pages, 5 figures

Adversarial Online Classification with a Preview

带预览的对抗在线分类

Roi Livni, Sahil Singla

机构 * School of Electrical & Computer Engineering, Tel Aviv University（特拉维夫大学电气与计算机工程学院） ； School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机学院） 纠错

AI总结 该研究提出带预览的对抗在线分类模型，刻画了预览率p对二元及多类别分类最优超额损失的影响，提出ChainedPrediction算法以实现精确二元界，用随机预览替代最坏情况序列复杂度。

CoCoA: Context-Conditional Cultural Alignment for Large Language Models

CoCoA：面向大语言模型的上下文条件文化对齐

Kyungdon Lee, Wei Xu, Alan Ritter, Dong-Ho Lee, JinYeong Bak

机构 * Sungkyunkwan University（成均馆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Southern California（南加利福尼亚大学） 纠错

AI总结 CoCoA是面向大语言模型的上下文条件文化对齐框架，通过双上下文训练等方法，可降低实体文化偏见评分且对通用性能影响小，为缓解LLMs实体文化偏见提供新方向。

Comments Accepted to Findings of EMNLP 2026. 22 pages, 4 figures, 19 tables

From Analytics to Tumor Boards: An Evidence-Linked Multi-Agent Workflow for Oncology Feature Extraction

从分析学到肿瘤委员会：一种用于肿瘤学特征提取的证据关联多智能体工作流

Daniel Kang, Michelle Hu, Soorya Ram Shimgekar, Shayan Vassef, Yufan Wang, Anit Kumar Sahu, Munmun De Choudhury, Vedant Das Swain, Christian Poellabauer, Li Yan Khor, Koustuv Saha, Robert Wojciechowski, Elliot Kidd, Piyum Zonooz, Navin Kumar

机构 * Nimblemind ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Florida International University（佛罗里达国际大学） ； Duke-NUS Medical School（杜克-新加坡国立大学医学院） ； Singapore General Hospital（新加坡中央医院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； OncoLens 纠错

AI总结 该研究针对肿瘤学文档的结构化提取需求，提出nMAS多智能体工作流，在230份肿瘤学文档上的F1值达85.0%，优于对照模型，验证了其将碎片化肿瘤学文档转为结构化数据的可行性。

FRAC-MAS: A Safe and Explainable Multi-Agent System for Fracture Diagnosis

FRAC-MAS：一种用于骨折诊断的安全可解释多智能体系统

Hardik Iyer, Tirath Bhathawala, Mihir Panchal, Ying-Jung Chen, Kiran Bhowmick, Pankaj Sonawane, Meera Narvekar

机构 * Dwarkadas J Sanghvi College of Engineering（德瓦卡达斯J.桑吉维工程学院） ； University of Amsterdam（阿姆斯特丹大学） ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 FRAC-MAS是一种结合堆叠集成视觉模型、共形预测与多智能体评审员的骨折诊断系统，可实现安全可解释的放射学分诊，性能优于单智能体基线，生成更易理解的临床报告。

Comments Medical Image Computing and Computer Assisted Intervention (MICCAI) 2nd Workshop on Agentic AI for Medicine (AgenticMed)

Which LLM for Which Work? Budgeted Model Allocation under Uncertain Evaluation

哪种大语言模型适用于哪种工作？不确定评估下的预算模型分配

Hamed Khosravi, Xiaoming Huo

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

AI总结 该研究针对固定AI预算下LLM分配的不确定评估问题，提出CASE方法，通过双求解证书判断最优分配，实验表明模型质量信息优化比分配优化更具价值。