University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

THeGAU: Type-Aware Heterogeneous Graph Autoencoder and Augmentation

THeGAU：类型感知异构图自编码器与增强

Ming-Yi Hong, Miao-Chen Chiang, Youchen Teng, Yu-Hsiang Wang, Chih-Yu Wang, Che Lin

机构 * Data Science Degree Program National Taiwan University ； Graduate Institute of Communication Engineering National Taiwan University Taipei Taiwan ； University of Illinois Urbana-Champaign Electrical \& Computer Engineering Illinois United States ； Research Center for Information Technology Innovation Academia Sinica Taipei Taiwan ； Department of Electrical Engineering National Taiwan University Taipei Taiwan ； National Taiwan University ； University of Illinois Urbana-Champaign 纠错

AI总结 THeGAU通过类型感知图自编码器和引导图增强，提升异构图中节点分类的鲁棒性、准确性和效率，实验表明其在多个基准数据集上均优于现有方法。

A Simple Yet Strong Baseline for Long-Term Conversational Memory of LLM Agents

为LLM代理构建一个简单却强大的长期对话记忆基线

Sizhe Zhou, Jiawei Han

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出基于事件的对话记忆方法，通过异构图结构实现高效检索，提升LLM代理的长期对话能力。

Comments Work in progress

Achieving Trustworthy Real-Time Decision Support Systems with Low-Latency Interpretable AI Models

实现低延迟可解释AI模型的可信实时决策支持系统

Zechun Deng, Ziwei Liu, Ziqian Bi, Junhao Song, Chia Xin Liang, Joe Yeong, Xinyuan Song, Junfeng Hao

机构 * School of Physics and Astronomy（物理与天文学系） ； University of Edinburgh（爱丁堡大学） ； Siebel School of Computing and Data Science（计算与数据科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AI Agent Lab（AI代理实验室） ； Vokram Group（Vokram集团） ； Department of Anatomical Pathology（解剖病理学部） ； Singapore General Hospital（新加坡中央医院） ； Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） 纠错

AI总结 本文提出通过低延迟可解释AI模型实现可信实时决策支持系统，探讨资源受限环境下的人机协作方法及边缘计算优化策略。

Story of Two GPUs: Characterizing the Resilience of Hopper H100 and Ampere A100 GPUs

双张量的故事情节：刻画Hopper H100和Ampere A100 GPU的韧性

Shengkun Cui, Archit Patke, Hung Nguyen, Aditya Ranjan, Ziheng Chen, Phuong Cao, Gregory Bauer, Brett Bode, Catello Di Martino, Saurabh Jha, Chandra Narayanaswami, Daby Sow, Zbigniew T. Kalbarczyk, Ravishankar K. Iyer

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nokia Bell Labs（诺基亚贝尔实验室） ； IBM Research（IBM研究） 纠错

AI总结 本研究通过分析Delta系统中的GPU错误数据，发现H100 GPU内存韧性较差，且内存错误恢复机制不足，同时指出需通过过配额来应对GPU故障问题。

Nonasymptotic CLT and Error Bounds for Two-Time-Scale Stochastic Approximation

非渐近中心极限定理与两时间尺度随机逼近的误差界

Seo Taek Kong, Sihan Zeng, Thinh T. Doan, R. Srikant

机构 * Coordinated Science Laboratory, Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室，电气与计算机工程系） ； JP Morgan AI Research（摩根大通人工智能研究） 纠错

AI总结 本文提出非渐近中心极限定理与两时间尺度随机逼近的误差界，证明期望误差以$1/\sqrt{n}$速率衰减，改进了传统收敛速率。

Hierarchical Instance Tracking to Balance Privacy Preservation with Accessible Information

层级实例跟踪以平衡隐私保护与可获取信息

Neelima Prasad, Jarek Reynolds, Neel Karsanbhai, Tanusree Sharma, Lotus Zhang, Abigale Stangl, Yang Wang, Leah Findlater, Danna Gurari

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of Washington（华盛顿大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出层级实例跟踪任务，构建首个支持该任务的基准数据集，通过评估多种模型展示数据集的挑战性，旨在平衡隐私保护与信息可获取性。

Comments Accepted at WACV 2026