Cornell University（康奈尔大学）

From Pragmas to Partners: A Symbiotic Evolution of Agentic High-Level Synthesis

从语义到伙伴：代理高层综合的共生进化

Niansong Zhang, Sunwoo Kim, Shreesha Srinath, Zhiru Zhang

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文探讨了在代理时代高层综合（HLS）的重要性，提出HLS作为代理优化的自然层次，并提出HLS工具的局限性及代理在其中的潜在作用。

GAAVI: Global Asymptotic Anytime Valid Inference for the Conditional Mean Function

GAAVI：全局渐近任意时间有效推断用于条件均值函数

Brian M Cho, Raaz Dwivedi, Nathan Kallus

机构 * Department of ORIE, Cornell Tech, New York, NY, USA（运营与信息学系，康奈尔科技，纽约，纽约州） 纠错

AI总结 GAAVI提出了一种渐近任意时间有效的检验方法，用于条件均值函数的全局空假设和对比推断，实现了最优样本复杂性和误差控制。

Remasking Discrete Diffusion Models with Inference-Time Scaling

通过推理时间缩放重新掩码离散扩散模型

Guanghan Wang, Yair Schiff, Subham Sekhar Sahoo, Volodymyr Kuleshov

机构 * Cornell Tech（康奈尔科技） ； Cornell University（康奈尔大学） 纠错

AI总结 ReMDM通过推理时间缩放提升离散扩散模型的样本质量与可控性

Comments NeurIPS 2025. Project page: https://remdm.github.io

Probabilistic Phase Labeling and Lattice Refinement for Autonomous Material Research

概率相标注与晶格细化用于自主材料研究

Ming-Chiang Chang, Sebastian Ament, Maximilian Amsler, Duncan R. Sutherland, Lan Zhou, John M. Gregoire, Carla P. Gomes, R. Bruce van Dover, Michael O. Thompson

机构 * Department of Materials Science and Engineering, Cornell University（材料科学与工程系，康奈尔大学） ； Department of Computer Science, Cornell University（计算机科学系，康奈尔大学） ； Division of Engineering and Applied Science and Liquid Sunlight Alliance, California Institute of Technology（工程与应用科学系及液阳光联盟，加州理工学院） 纠错

AI总结 CrystalShift通过概率相标注和晶格细化技术，提升XRD数据分析效率，实现材料结构参数的定量分析，加速材料识别与发现。

Comments 13 pages, 6 figures

Journal ref npj Comput. Mater. 11 (2025) 148

Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration?

空间理论：基础模型能否通过主动探索构建空间信念？

Pingyue Zhang, Zihan Huang, Yue Wang, Jieyu Zhang, Letian Xue, Zihan Wang, Qineng Wang, Keshigeyan Chandrasegaran, Ruohan Zhang, Yejin Choi, Ranjay Krishna, Jiajun Wu, Li Fei-Fei, Manling Li

机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出空间理论，探讨基础模型通过主动探索构建空间信念的挑战，发现主动-被动差距、探索低效和信念惯性等问题。

Comments published at iclr 2026