Cornell University（康奈尔大学）

Pruning AMR: Efficient Visualization of Implicit Neural Representations via Weight Matrix Analysis

剪枝AMR：通过权重矩阵分析实现隐式神经表示的高效可视化

Jennifer Zvonek, Andrew Gillette

机构 * Center for Applied Mathematics, Cornell University（应用数学中心，康奈尔大学） ； Center for Applied Scientific Computing, Lawrence Livermore National Laboratory（应用科学计算中心，劳伦斯·利弗莫尔国家实验室） 纠错

AI总结 PruningAMR通过权重矩阵分析，实现隐式神经表示的高效可视化，减少内存消耗并自适应生成网格。

Generative modeling using evolved quantum Boltzmann machines

利用进化量子玻尔兹曼机进行生成建模

Mark M. Wilde

机构 * School of Electrical and Computer Engineering, Cornell University（电气与计算机工程学院，康奈尔大学） 纠错

AI总结 本文提出了一种训练量子玻尔兹曼机进行Born规则生成建模的方法，结合了变分表示和梯度估计器，并展示了四种混合算法及其收敛保证。

Comments 30 pages, 2 figures

QJoin: Transformation-aware Joinable Data Discovery Using Reinforcement Learning

QJoin: 基于强化学习的变换感知可连接数据发现

Ning Wang, Sainyam Galhotra

机构 * Cornell University（康奈尔大学） 纠错

AI总结 QJoin通过强化学习框架学习并重用变换策略，提升连接发现的准确性和效率。

Spatiotemporal Pyramid Flow Matching for Climate Emulation

时空金字塔流匹配用于气候模拟

Jeremy Andrew Irvin, Jiaqi Han, Zikui Wang, Abdulaziz Alharbi, Yufei Zhao, Nomin-Erdene Bayarsaikhan, Daniele Visioni, Andrew Y. Ng, Duncan Watson-Parris

机构 * Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出时空金字塔流匹配方法，用于高效、准确的多时间尺度气候模拟，并通过ClimateSuite数据集验证其有效性。

Emergent Extreme-View Geometry in 3D Foundation Models

三维基础模型中的涌现极端视角几何

Yiwen Zhang, Joseph Tung, Ruojin Cai, David Fouhey, Hadar Averbuch-Elor

机构 * Cornell University（康奈尔大学） ； New York University（纽约大学） ； Kempner Institute, Harvard University（哈佛大学凯普勒研究所） 纠错

AI总结 本文研究了三维基础模型在极端视角下的几何理解能力，并提出轻量级对齐方案提升其相对姿态估计性能，同时引入新的未见过的互联网场景基准。

Comments Project page is at https://ext-3dfms.github.io/

Generative AI in Sociological Research: State of the Discipline

生成式AI在社会学研究中的应用：学科现状

AJ Alvero, Dustin S. Stoltz, Oscar Stuhler, Marshall Taylor

机构 * Center for Data Science for Enterprise and Society, Cornell University（企业与社会的数据科学中心，康奈尔大学） ； Department of Sociology and Anthropology, Lehigh University（社会学与人类学系，莱文大学） ； Department of Sociology, Northwestern University（社会学系，西北大学） ； Department of Sociology, New Mexico State University（社会学系，新墨西哥州立大学） 纠错

AI总结 本文探讨了社会学领域中生成式AI的使用现状，发现学者主要用其辅助写作，但对其信任度低，未来需建立共享规范。

SQLBarber: A System Leveraging Large Language Models to Generate Customized and Realistic SQL Workloads

SQLBarber: 借助大型语言模型生成定制化和真实SQL工作负载的系统

Jiale Lao, Immanuel Trummer

机构 * Cornell University（康奈尔大学） 纠错

AI总结 SQLBarber利用大型语言模型生成定制化且真实的SQL工作负载，通过声明式接口和贝叶斯优化器高效生成符合目标成本分布的查询。

Comments Accepted by SIGMOD 2026; extended version with appendix

From Word Vectors to Multimodal Embeddings: Techniques, Applications, and Future Directions For Large Language Models

从词向量到多模态嵌入：大型语言模型的技术、应用与未来方向

Charles Zhang, Benji Peng, Xintian Sun, Qian Niu, Junyu Liu, Keyu Chen, Ming Li, Pohsun Feng, Ziqian Bi, Ming Liu, Yichao Zhang, Xinyuan Song, Cheng Fei, Caitlyn Heqi Yin, Lawrence KQ Yan, Hongyang He, Tianyang Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Simon Fraser University（西蒙弗雷泽大学） ； Kyoto University（京都大学） ； National Taiwan Normal University（台湾师范大学） ； Purdue University（普渡大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Emory University（埃默里大学） ； Cornell University（康奈尔大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； The Hong Kong University of Science（香港科学大学） ； University of Liverpool（利物浦大学） ； University of Warwick（沃里克大学） 纠错

AI总结 本文综述了从词向量到多模态嵌入的发展，探讨了大型语言模型的技术、应用及未来方向。

Comments 21 pages