高校专区
机构 * R2M AI ； Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校）
AI总结 本研究构建混合多智能体交易系统，结合LLM分析师、动量投资组合构建与规则执行，经回溯测试其模拟账户回报率34.5%优于SPY的14.4%，且设计对比揭示现金权限等因素对策略的影响。
Comments 37 pages, including appendices. Code and supporting materials available upon request
机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Ant Group（蚂蚁集团） ； Zhejiang Lab（之江实验室）
AI总结 提出DynOLAT框架，通过预测OLAT基视频并结合环境图实现可控动态全身重光照，构建含224种组合超2400万帧的数据集，实验显示其光照响应更精准。
Comments Accepted to SIGGRAPH Asia 2026 (Journal Track). Project page: this https URL (https://zju3dv.github.io/DynOLAT)
机构 * Cornell University（康奈尔大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National Yang Ming Chiao Tung University（国立阳明交通大学）
AI总结 Hibana是一款针对统一内存设备的推理引擎，通过协同优化模型表示、内存管理与解码策略，在单台DGX Spark上实现比vLLM等框架更高的智能体任务处理量与解码吞吐量。
机构 * The Ohio State University（俄亥俄州立大学） ； West Virginia University（西弗吉尼亚大学） ； Cornell University（康奈尔大学）
AI总结 提出K-PWM结构化概率世界模型，结合Koopman双线性动力学与扩展卡尔曼推理，在部分观测的MuJoCo系统上，实现更低预测误差、更短训练时间与实时部署潜力。
Comments Accepted at NeurIPS 2026
机构 * University of Connecticut（康涅狄格大学） ； Cornell University（康奈尔大学）
AI总结 本文提出针对正值金融时间序列的log-vMEM模型正则化估计方法，结合分层滞后结构与多种惩罚，采用块坐标下降算法，并利用GPU加速积分提升计算可扩展性。
Comments ISBIS-STATFIN Conference 2026 contributed talk (Conference link: this https URL (https://statfin.cmi.ac.in/ISBIS2026/), Talk link: this https URL (https://statfin.cmi.ac.in/ISBIS2026/#:~:text=72-,Rohan%20Chattre,-UConn) )
机构 * Carnegie Mellon Univeristy（卡内基梅隆大学） ； Netflix（网飞） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； Rutgers University（罗格斯大学）
AI总结 针对自适应采样下M-估计量泛函的推断问题，提出基于Neyman正交性的两种新方法，构造渐近有效置信区间，允许非参数估计干扰参数，并在模型误设定下保持有效，模拟验证了动态定价中的优势。
Comments 47 pages, 5 figures. Accepted at The Fortieth Annual Conference on Neural Information Processing Systems (NeurIPS 2026)
机构 * Cornell Tech（康奈尔科技学院）
AI总结 提出3D点泼溅（3DPS），首个可微雷达点渲染器，基于雷达方程推导，实现物理忠实、复数值和多视点合成，在ColoRadar数据集上性能优于光学NVS基线1.7-5.2倍。
Comments Accepted to the Conference on Neural Information Processing Systems (NeurIPS) 2026. Project page: this https URL (https://3d-point-splatting.github.io/)
机构 * Kean University（基恩大学） ； University of Chicago（芝加哥大学） ； Cornell University（康奈尔大学）
AI总结 该研究针对星图与长路、长圈的在线拉姆齐数问题，改进了固定k≥4时两类在线拉姆齐数的渐近上界，将原有的(k+o(1))n提升至更紧的((2k+4)/5+o(1))n，推动了在线拉姆齐理论的定量研究。
机构 * University of Waterloo（滑铁卢大学） ； Cornell University（康奈尔大学） ； Harvard University（哈佛大学）
AI总结 提出模糊函数编程范式，通过Program-as-Weights方法将自然语言规范编译为轻量可执行神经工件，在保持性能的同时大幅降低推理成本。
Comments NeurIPS 2026 camera-ready version
机构 * Cornell Tech（康奈尔科技） ； University of Cambridge（剑桥大学） ； Microsoft Research（微软研究院）
AI总结 提出 Express 工具，将非因果注意力近似转换为因果近似，结合 Thinformer 实现最优因果注意力保证，并加速语言建模中的四个资源瓶颈。
CurveBench：一种用于嵌套乔丹曲线精确拓扑推理的基准
机构 * Maastricht University（马斯特里赫特大学） ； Cornell University（康奈尔大学） ； TU Wien（维也纳技术大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 CurveBench是一个用于从视觉输入中进行层次拓扑推理的基准，包含756张非相交的乔丹曲线图像，通过结构预测任务恢复由曲线诱导的根树结构。
Comments 16 pages. Accepted as a poster at NeurIPS 2026 (Evaluations & Datasets Track). Updated evaluation protocol, results, and discussion
机构 * Smith School of Chemical and Biomolecular Engineering, Cornell University, USA（卡内基梅隆大学斯密斯化学与生物分子工程学院，美国）
AI总结 本文提出Evo-PU框架，利用突变知识建模幸存者偏差，提升单物种序列数据的功能预测性能，优于传统PU学习、OCC和PLMs。
Comments 21 pages, 1 figure, 3 tables
机构 * Cornell University（康奈尔大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
AI总结 UTe₂的复杂相图中多种超导态共存机制被揭示，通过超声脉冲回声技术发现新的相变边界，证实四临界点及多组分超导态形成机制。
机构 * Cornell University（康奈尔大学）
AI总结 本文研究了两阶段排队系统中并行与单服务选项的控制策略，通过马尔可夫决策过程建模，分析了最优控制策略的结构性质，并通过数值实验验证其性能优势。
机构 * Cornell University（康奈尔大学） ； RWTH Aachen University（亚琛工业大学）
AI总结 本文提出首个针对定量分段线性量的QE算法，并展示了其在概率程序验证中的应用，包括定量CI定理和期望结果计算。
机构 * Weill-Cornell Medicine（韦恩康奈尔医学院） ； Cornell Tech（康奈尔科技）
AI总结 本研究针对异构双参数MRI数据的前列腺病变分割问题，基于nnU-Net框架引入随机sym4小波增强与CC-Dice-CE损失，在Prostate158测试集达到0.614的Dice分数，建立新的最先进性能并公开相关代码与权重。
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Cornell University（康奈尔大学） ； LA General Hospital（洛杉矶综合医院） ； Google（谷歌） ； Arizona State University（亚利桑那州立大学）
AI总结 该研究对比DeepSeek-R1/V3、GPT-5/4o的短篇小说心理深度，发现推理相关质量差异小，LLM-as-a-Judge评估会掩盖读者主观性，无普遍推理优势。
庞加莱-爱因斯坦刘维尔定理与透镜空间的 Yamabe 不变量
机构 * Southern Connecticut State University（南康涅狄格州立大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Chicago（芝加哥大学） ； Cornell University（康奈尔大学）
AI总结 本文证明了所有透镜空间的 Yamabe 不变量由圆度量实现的 Schoen 猜想，关键是构造 Z_p 等变庞加莱-爱因斯坦填充，主定理证明由 AI 生成，本文为其学习笔记。
Comments 42 pages, comments are welcome!
机构 * Cornell University（康奈尔大学） ； Steklov Mathematical Institute（斯捷克洛夫数学研究所） ； Michigan State University（密歇根州立大学） ； School of Mathematical Sciences, University of Science and Technology of China（中国科学技术大学数学科学学院）
AI总结 该研究针对满秩n×n矩阵的量子反射方程，利用q-行列式技术构造量子Pfaffian与新量子卡西米尔，提出自伴性蕴含交换性的猜想，并探讨其与量子簇变量网络的关联。
Comments 53 pages, many figures
机构 * Cornell University（康奈尔大学）
AI总结 该研究提出DEFEAT方法，结合EquiformerV3基础模型与梯度优化，成功设计出39种临界温度超10 K的超导体及10种带隙接近目标的光伏吸收体，揭示了训练泛函误差及有限温度效应对材料设计的影响。
机构 * Cornell University（康奈尔大学） ； California Institute of Technology（加州理工学院） ； Carnegie Science Observatories（卡内基科学天文台） ； Hillsdale College（希尔斯代尔学院） ； Eureka Scientific（尤里卡科学公司） ； SETI Institute（SETI研究所） ； Rochester Institute of Technology（罗切斯特理工学院） ； Green Bank Observatory（格林班克天文台）
AI总结 本文阐述脉冲星计时基本原理，分析其受自转噪声等因素制约的现状，开发计时质量评估指标，提出利用宽带接收机改进计时流程以提升精度的方案。
Comments Submitted to Living Reviews in Relativity. 223 pages, 82 figures
机构 * Cornell University（康奈尔大学） ； Megagon Labs（Megagon实验室）
AI总结 针对大型语言模型智能体从大型工具库选工具的问题，提出BRIA智能体，通过分支隔离调查候选工具，在PlanBench-XL和MCP-Atlas上优于基线，处于任务性能与输入令牌成本的帕累托前沿。
采样揭示风格：无监督、免训练发现LLM激活中的提示条件风格轴
机构 * Cornell University（康奈尔大学） ； Harvard University（哈佛大学）
AI总结 本文提出一种免训练方法，通过对单提示高温采样补全并对其隐藏激活做PCA，自动发现LLM中的风格轴，经人类标注验证有效，并揭示跨模型差异。
Comments Published at the BlackboxNLP Workshop @ EMNLP 2026
Journal ref Proceedings of the 9th BlackboxNLP Workshop: Analyzing and Interpreting Neural Networks for NLP, pages 639-654, 2026
机构 * Cornell University（康奈尔大学） ； Drexel University（德雷塞尔大学）
AI总结 本研究利用超过10000名学生和24所机构的数据，建立预测模型，发现课堂时间分配（讲座、小组工作表、点击器问题和学生提问）能可靠预测学生概念学习，并识别出一类效果显著的课堂模式。
Comments 20 pages, 8 figures, 2 tables
机构 * Department of Cognition, Development and Education Psychology, University of Barcelona（巴塞罗那大学认知、发展与教育心理学系） ； Institute of Neurosciences, University of Barcelona（巴塞罗那大学神经科学研究所） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Bellvitge Institute for Biomedical Research, Spain（西班牙贝尔维德生物医学研究 institute）
AI总结 该研究探讨了人类大脑是否能无监督地恢复通用几何结构，通过自监督编码器在fMRI数据中学习个体特定的嵌入表示，并证明这些表示可以通过几何变换在不同个体间转换。
Comments Code available at https://github.com/memory-formation/platonic-representations-fmri
机构 * Cornell University（康奈尔大学） ； Headlands Technologies LLC（Headlands科技有限公司） ； Texas A&M University（德克萨斯农工大学）
AI总结 该研究开发了R包dsp，基于动态收缩过程（DSP）构建统一状态空间框架，支持多种非平稳时间序列分析功能，核心用C++实现以提升效率。
Comments 37 pages, 13 figures
作为软件的基准：Terminal-Bench 与持续基准的必要性
机构 * Stanford University（斯坦福大学） ； Cornell University（康奈尔大学）
AI总结 本文提出基准维护债务概念，设计持续验证工作流修复 Terminal-Bench 2.0 并推出 2.1 版本，发现资源分配会影响智能体性能，强调基准需持续维护。
StrataFlux：适配内存层级的低比特大语言模型推理框架
机构 * Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 StrataFlux框架通过协同设计精细化表示、选择与传递机制，在保留低比特量化内存与速度优势的同时恢复准确率，在多款模型与数据集上实现了性能与效率的显著提升。
Comments 34 pages, 18 figures, 44 tables. Includes appendix
用于毫米波雷达微多普勒可微渲染的4D点溅射（4D Point Splatting）
机构 * Cornell Tech（康奈尔理工学院） ； New York University（纽约大学）
AI总结 本文提出4D点溅射（4DPS）可微渲染器，解决毫米波雷达数据集规模不足及sim2real差距问题，在两个数据集上实现最优重建，训练的姿态模型大幅缩小与真实训练的性能差距，首次实现毫米波雷达数据集规模逆渲染。
Comments Under Review
少量去随机化作用显著：利用低度多项式恒等测试（PIT）的无条件电路下界
机构 * JetBrains Research（JetBrains 研究） ； University of Central Florida（中佛罗里达大学） ； Cornell University（康奈尔大学）
AI总结 该研究结合多项式恒等测试（PIT）与电路下界的关联，在有限域和整数上设计确定性PIT算法，无条件证明了布尔或算术电路下界结论，为相关复杂度理论问题提供了细粒度结果。
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