高校专区
机构 * Cornell University（康奈尔大学） ； Howard Hughes Medical Institute（霍华德·休斯医学研究所）
AI总结 本研究提出AgentSSL框架，将SSL视为程序搜索问题，发现智能体可合成结合现有SSL技术的代码，在多数设置中超越人工基线，同时识别出程序选择瓶颈，构建ProgramSelectBench并在真实任务验证其机遇与挑战。
Comments NeurIPS 2026. Project Website: https://codiscovery.ai/AgentSSL
机构 * King’s College London（伦敦国王学院） ； Cornell University（康奈尔大学） ； Aalto University（阿尔托大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Imperial College London（伦敦帝国学院）
AI总结 针对策略蒸馏中教师跟随学生错误前缀的语言动量问题，提出BlinkOPD方法，仅用500张训练图像在6个细粒度基准达SOTA，还在10个基准实现零样本提升
机构 * Netflix（网飞） ； Spotify（声田） ； Independent（独立研究者） ； Roblox（罗布乐思） ； University of California, Berkeley（加州大学伯克利分校） ； OpenAI（开放人工智能研究中心） ； Microsoft（微软） ； Anthropic（安色克） ； Columbia University（哥伦比亚大学） ； Amazon（亚马逊） ； Meta ； Cornell University（康奈尔大学）
AI总结 该研究探讨AI时代数据科学家如何通过因果推断与数字实验，将组织的分析能力转化为更优决策，明确了相关实践方向与启示。
Comments 17 pages, 1 table. Perspective based on the 2026 Causal Inference and Digital Experimentation Roundtable (CIDER)
MegaOps：一种兼具PyTorch式模块化与Megakernel性能的内核重叠框架
机构 * Cornell University（康奈尔大学）
AI总结 本研究提出MegaOps框架，通过在独立CUDA流上部署依赖内核并以数据块同步替代内核融合，在复用现有内核的同时，达到与Megakernel相当的性能，且解码、预填充吞吐量优于基线。
机构 * The University of Kansas（堪萨斯大学） ； Cornell University（康奈尔大学）
AI总结 该研究提出SBA攻击，通过集中内存写操作引发极端跨核心减速，规避现有带宽调控机制，还提出IQ-MemGuard可有效缓解该攻击。
Comments Accepted for publication at the 3rd Microarchitecture Security Conference (uASC 2027)
机构 * Planet Labs（行星实验室） ； Cornell University（康奈尔大学）
AI总结 本研究针对卫星图像开放词汇事件预测难题，提出基于视觉语言模型嵌入向量差的方法，构建含21000+位置的全球卫星事件数据集，训练的模型在变化检测、事件检索及完成日期预测上均优于基线。
Comments 29 pages, 9 figures, to be published in NeurIPS 2026
机构 * Cornell University（康奈尔大学）
AI总结 该研究开发了结合AERMOD的双目标路径规划框架，可在纽约市路网中使出行者污染暴露降38%、时间增28%，算法高效，适用于实时导航与规划。
Comments 29 pages, 4 figures, under-review with the journal
机构 * School of Operations Research and Information Engineering, Cornell University（康奈尔大学运筹与信息工程学院） ； Department of Computer Science, Duke University（杜克大学计算机科学系）
AI总结 该研究探讨输入子采样下在线算法的竞争比，针对先知不等式和滑雪租赁问题，发现实例在一个子采样率下为最坏情况时，无需在两个率下同时保持困难，还确定了相关的严格保证与阈值。
Comments Accepted to ITCS 2027
机构 * Cornell University（康奈尔大学） ； Duke University（杜克大学）
AI总结 该研究在Kleinberg-Mullainathan模型中，通过下巴拿赫密度表征语言生成的局部广度，分析了一维最优值、高维权衡、密度轮廓及近一半保证，为语言生成的有效性与广度权衡提供了理论表征。
机构 * Cornell University（康奈尔大学）
AI总结 本研究提出先验拟合扩散Transformer，将其用于汤普森采样，开发非高斯先验并量化模型规模与预训练迭代的权衡，在全局优化基准上性能优于高斯过程传统流程。
Journal ref Advances in Neural Information Processing Systems, 2026
MechFoundry：一种用于对现实世界物体进行工程分析与优化的智能体循环
机构 * Cornell University（康奈尔大学） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 MechFoundry是一种智能体循环，可自动化现实世界物体的结构分析与优化，经50个物体测试，平均耗时6.5分钟、成本1.3美元，由语言模型评审员评估其工程判断的有效性。
广义嵌套 logit 模型下用于 assortment 优化的乘积图与巢图的树分解
机构 * Marshall School of Business（马歇尔商学院） ； School of Operations Research and Information Engineering, Cornell Tech（康奈尔科技分校运营研究与信息工程学院）
AI总结 该研究针对广义嵌套 logit 模型下的 assortment 优化问题，证明其 NP 难性，引入乘积图与巢图概念，利用树分解得到多项式时间算法及近似方案，且实验显示该模型拟合效果更优。
Comments 32 pages in main text, 18 pages in appendices
竞赛还是不竞赛？通过根门控资源分配利用混合整数规划中的性能变异性
机构 * Cornell University（康奈尔大学）
AI总结 该研究针对混合整数规划求解器运行时间的随机变异性问题，提出根门控资源分配策略，在130对实例的实验中，该策略的最优性证明率优于基线方法，且降低了资源占用。
Comments 17 pages, 4 figures, 2 tables
用于自主湍流模型发现的梯度感知AI智能体：基于可微计算流体动力学
机构 * Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学西尔比机械与航空航天工程学院）
AI总结 本研究提出梯度感知AI智能体框架，将湍流闭合发现视为双层问题，结合多智能体LLM与可微CFD求解器，自主发现并训练湍流模型，提升与参考统计量的一致性，验证了端到端自主湍流模型开发的可行性。
通过分子束外延（MBE）制备的氮化物晶体势垒外延SIS约瑟夫森结
机构 * Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Yale University（耶鲁大学） ； Auburn University（奥本大学） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室）
AI总结 本研究通过MBE技术首次制备出功能性氮化物晶体势垒SIS约瑟夫森结，其具备相干约瑟夫森隧穿等特性，为超导量子电路与有源器件集成提供了新途径。
机构 * Max Planck Institute for the Structure and Dynamics of Matter（马克斯·普朗克物质结构与动力学研究所） ； Cornell University（康奈尔大学） ； National Institute for Materials Science（日本国立材料研究所）
AI总结 研究人员实现首个基于门控的单层WSe₂量子霍尔法布里-珀罗干涉仪，测得弱体-边缘耦合与边缘速度，确立单层WSe₂为量子霍尔干涉术的洁净平台，为后续研究奠定基础。
以汽车为中心的社会规范在交通方式利用的分区模型中对交通拥堵的影响
机构 * Cornell University（康奈尔大学）
AI总结 该研究采用分区建模方法，揭示以汽车为中心的社会规范对交通拥堵的影响，提出提高公众拥堵认知可作为提升公共交通利用率的有效策略。
Comments 6 pages, 5 figures, submitted to ECC 2027 Conference
Progress Probes $P^2$：面向视觉-语言-动作模型的轻量级运行时监控
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学）
AI总结 针对现有视觉-语言-动作模型运行时监控依赖外部模型导致复杂度与成本高的问题，本研究提出利用VLA自身内部激活训练线性探针估计进度以检测故障，该方法在故障检测上表现优于部分现有方法，无需外部基础模型即可实现可靠监控。
机构 * NVIDIA（英伟达） ； Cornell University（康奈尔大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出首个大规模连续扩散语言模型Sigma，通过低维ODE/SDE轨迹和分块似然训练，实现与离散模型相当的性能，并具备引导质量-多样性权衡和高效蒸馏等独特优势。
Comments Model family weights are publicly available at https://huggingface.co/collections/nvidia/nemotron-labs-sigma
机构 * Cornell Tech（康奈尔科技学院）
AI总结 提出一种低成本、可复制的模型行为测量方法，通过跨供应商面板和多种读取方式，发现模型行为在趋同、抵抗、立场和账户方面存在系统性差异，并随版本和供应商变化。
Comments Corrects the author list and title of the reference to Alnasser et al. (arXiv:2609.07662). No other changes
机构 * Thayer School of Engineering, Dartmouth College（达特茅斯学院塔耶尔工程学院） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院）
AI总结 研究净需求不确定下与经济调度协同优化的爬坡采购，分析单间隔与多间隔协同优化设计，提出评估发电机利润、消费者支付、投标成本回收和运营效率的分析框架，并比较三种定价机制。
Comments 5 figures
机构 * Cornell University（康奈尔大学） ； Google Deepmind（谷歌DeepMind）
AI总结 本文提出AgentOWL方法，通过高效样本学习抽象世界模型和层级神经选项，使智能体在Object-Centric Ataris游戏中以更少数据学习更多技能。
Comments Accepted to NeurIPS 2026
机构 * Department of Statistics, University of Washington（华盛顿大学统计系） ； Netflix（网飞） ； Cornell University（康奈尔大学）
AI总结 本文提出GenPQR方法，通过模块化分类和回归技术，实现逆强化学习中的奖励恢复，无需依赖锚点动作限制或专用神经网络架构，理论支持更广泛的状态wise线性归一化。
Comments Accepted to NeurIPS 2026
机构 * Qognitive, Inc.（Qognitive公司） ； Stony Brook University（石溪大学） ； Wayne State University（韦恩州立大学） ； University of Vienna（维也纳大学） ； Cornell University（康奈尔大学） ； Department of Psychological and Brain Sciences, Indiana University（印第安纳大学心理与脑科学系） ； Theory and Simulations of Materials (THEOS), and National Centre for Computational Design and Discovery of Novel Materials (MARVEL), École Polytechnique Fédérale de Lausanne（材料理论与模拟（THEOS）和国家计算设计与发现新材料中心（MARVEL），洛桑联邦理工学院） ； New Jersey Institute of Technology（新泽西理工学院）
AI总结 本研究提出量子认知机器学习（QCML）将数据编码为量子几何的方法，用厄米矩阵表示特征、将数据映射到希尔伯特空间，推导数据的几何拓扑结构，规避维度灾难，为认知现象研究提供新视角。
Comments 31 pages, 16 figures. Updated the Wisconsin Breast Cancer analysis, added a versioned repository reference, clarified the distinction between the response matrix and the quantum metric, and corrected formulas and simulation details
机构 * Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； Cornell University（康奈尔大学）
AI总结 针对超导transmon量子比特传统读出受多激发共振限制、保真度低的问题，本研究通过将读出频率提至transmon频率的12倍大幅失谐，指数抑制虚假共振，实现99.93%的量子非破坏测量保真度，泄漏率仅0.02%。
Comments 37 pages, 18 figures
机构 * Cornell University（康奈尔大学）
AI总结 该研究提出对比式发现方法，用对比集替代单一假设，在六个领域及盲法研究中，该方法能提升智能体解析科学问题的比例，优于逐点评估方法。
Comments Accepted at NeurIPS 2026. 55 pages. Project page: https://codiscovery.ai/contrastive-discovery/
机构 * Cornell University（康奈尔大学） ； Worcester Polytechnic Institute（伍斯特理工学院） ； Leiden University（莱顿大学）
AI总结 本文提出了用于非局部控制流的CFGKAT的可靠且完整的公理化，验证了Erosa-Hendren goto消除算法的循环情况，并在Rocq中实现了相关元理论与案例研究。
机构 * Cornell University（康奈尔大学）
AI总结 本研究探讨复合建模在多目标贝叶斯优化（MOBO）中的益处，通过理论分析和多组实验，发现当中间响应到最终目标的映射为非双射且非仿射时，复合建模可提升优化效率。
Comments 20 pages, 6 tables
机构 * Lenovo Group（联想集团） ； Marquette University（马凯特大学） ； Cornell University（康奈尔大学）
AI总结 该研究发现智能体基准排名停止的问题源于测量方式，提出截断对数比率评分法，重新分析8个基准后揭示了通过/失败评分的缺陷及模型间的量化差异。
机构 * Cornell University（康奈尔大学）
AI总结 本文将多种计算技术应用于纽约州北部Greenidge比特币挖矿电厂的社区抗争，构建计算支持的抗争储备，推动更具政治参与性的人机交互形式以纠正相关差距。
Comments As submitted to ACM CHI 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈