Cornell University（康奈尔大学）

Learning from Synthetic Data Improves Multi-hop Reasoning

通过合成数据学习提升多跳推理能力

Anmol Kabra, Yilun Yin, Albert Gong, Kamilė Stankevičiūtė, Dongyoung Go, Johann Lee, Katie Z. Luo, Carla P. Gomes, Kilian Q. Weinberger

机构 * Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本研究通过规则生成的合成数据提升LLM多跳推理能力，发现合成数据能有效训练模型组成知识，从而在现实问答任务中表现更优。

Comments Accepted to ICLR 2026

GenDB: The Next Generation of Query Processing -- Synthesized, Not Engineered

GenDB：查询处理的下一代——合成而非工程

Jiale Lao, Immanuel Trummer

机构 * Cornell University（康奈尔大学） 纠错

AI总结 GenDB利用大语言模型合成查询执行代码，以替代传统复杂的查询处理引擎，实现更高效和定制化的查询处理系统。

BiMotion: B-spline Motion for Text-guided Dynamic 3D Character Generation

BiMotion: B-spline 动作 for 文本引导的动态 3D 人物生成

Miaowei Wang, Qingxuan Yan, Zhi Cao, Yayuan Li, Oisin Mac Aodha, Jason J. Corso, Amir Vaxman

机构 * University of Edinburgh（爱丁堡大学） ； Cornell University（康奈尔大学） ； University of Michigan（密歇根大学） ； Voxel51 纠错

AI总结 BiMotion 通过 B-spline 曲线生成高质量文本引导的动态 3D 人物动作，提升动作生成的表现力和质量。

Comments Accepted to CVPR 2026

Clustering by Denoising: Latent plug-and-play diffusion for single-cell data

去噪聚类：单细胞数据的潜在插件扩散

Dominik Meier, Shixing Yu, Sagnik Nandy, Promit Ghosal, Kyra Gan

机构 * Cornell Tech（康奈尔技术学院） ； Ohio State University（俄亥俄州立大学） ； University of Chicago（芝加哥大学） 纠错

AI总结 通过去噪的潜在插件扩散方法提升单细胞数据聚类精度和生物相干性

The GeometricKernels Package: Heat and Matérn Kernels for Geometric Learning on Manifolds, Meshes, and Graphs

几何核包：用于流形、网格和图上几何学习的热核和Matérn核

Peter Mostowsky, Vincent Dutordoir, Iskander Azangulov, Noémie Jaquier, Michael John Hutchinson, Aditya Ravuri, Leonel Rozo, Alexander Terenin, Viacheslav Borovitskiy

机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Italian Institute of Artificial Intelligence for Industry（意大利人工智能工业研究所） ； Cornell University（康奈尔大学） ； ETH Zürich and University of Edinburgh（苏黎世联邦理工学院和爱丁堡大学） 纠错

AI总结 GeometricKernels 是一个用于几何学习的Python包，实现了热核和Matérn核，支持在流形、网格和图上进行不确定性量化和自动微分。

Journal ref Journal of Machine Learning Research, 2025

Estimating Dimensionality of Neural Representations from Finite Samples

从有限样本估计神经表示的维度

Chanwoo Chun, Abdulkadir Canatar, SueYeon Chung, Daniel Lee

机构 * Harvard University（哈佛大学） ； New York University（纽约大学） ； Flatiron Institute（Flatiron研究所） ； Cornell Tech（康奈尔科技） 纠错

AI总结 本文提出了一种偏倚校正估计器，用于从有限样本中准确估计神经表示的维度，并展示了其在生物神经记录和语言模型中的应用。

ArtiFixer: Enhancing and Extending 3D Reconstruction with Auto-Regressive Diffusion Models

ArtiFixer：利用自回归扩散模型增强和扩展3D重建

Riccardo de Lutio, Tobias Fischer, Yen-Yu Chang, Yuxuan Zhang, Jay Zhangjie Wu, Xuanchi Ren, Tianchang Shen, Katarina Tothova, Zan Gojcic, Haithem Turki

机构 * NVIDIA ； NVIDIA Santa Clara USA（NVIDIA） ； NVIDIA Zurich Switzerland（NVIDIA） ； Cornell University（康奈尔大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 ArtiFixer通过自回归扩散模型提升3D重建质量，解决现有方法在未观测区域的外推问题。

Comments Video results: https://artifixer2026.github.io/

LLMs Can Learn to Reason Via Off-Policy RL

大语言模型可通过非策略强化学习进行推理

Daniel Ritter, Owen Oertell, Bradley Guo, Jonathan Chang, Kianté Brantley, Wen Sun

机构 * Cornell University（康奈尔大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出OAPL算法，通过接受非策略性解决LLM强化学习中的策略滞后问题，在竞赛数学和编码任务中表现优异，训练效率更高。

Velocity Disambiguation for Video Frame Interpolation

视频帧插值中的速度歧义消除

Zhihang Zhong, Yiming Zhang, Wei Wang, Xiao Sun, Yu Qiao, Gurunandan Krishnan, Sizhuo Ma, Jian Wang

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Cornell University（康奈尔大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； OtoNexus Medical Technologies（OtoNexus医疗科技公司） ； Snap Inc（Snap公司） 纠错

AI总结 本文提出距离索引方法，通过显式提示对象移动距离来提升视频帧插值的精度和质量。

Comments ECCV2024 Oral; TPAMI