Cornell University（康奈尔大学）

Temporal Smoothness Regularisers for Neural Link Predictors

用于神经链接预测器的时序平滑正则化器

Manuel Dileo, Pasquale Minervini, Matteo Zignani, Sabrina Gaito

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出了一种基于时间平滑正则化器的神经链接预测方法，在三个数据集上实现了更准确的结果。

On the Feasibility and Opportunity of Autoregressive 3D Object Detection

关于自回归3D目标检测的可行性与机会

Zanming Huang, Jinsu Yoo, Sooyoung Jeon, Zhenzhen Liu, Mark Campbell, Kilian Q Weinberger, Bharath Hariharan, Wei-Lun Chao, Katie Z Luo

机构 * The Ohio State University（俄亥俄州立大学） ； Cornell University（康奈尔大学） ； Boston University（波士顿大学） ； Stanford University（斯坦福大学） 纠错

AI总结 AutoReg3D通过自回归序列生成方法实现3D目标检测，无需锚点或NMS，展示了在LiDAR检测中的可行性与灵活性。

Comments CVPR 2026 Findings Project Page: https://tzmhuang.github.io/autoreg3d/

Column Generation for the Micro-Transit Zoning Problem

为微通勤区划问题设计的列生成方法

Hins Hu, Rishav Sen, Jose Paolo Talusan, Abhishek Dubey, Aron Laszka, Samitha Samaranayake

机构 * Cornell University（康奈尔大学） ； Vanderbilt University（范德比大学） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 本文提出了一种列生成方法，用于解决微通勤区划问题，通过全局预算优化提升解决方案质量和计算效率。

Uncertainty-Gated Generative Modeling

不确定性门控生成建模

Xingrui Gu, Haixi Zhang

机构 * Electrical Engineering and Computer Science University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系） ； School of Electrical and Computer Engineering Cornell University（康奈尔大学电气与计算机工程学院） 纠错

AI总结 本文提出UGGM方法，通过不确定性门控机制提升金融时间序列预测的鲁棒性和准确性，实验显示在NYISO数据集上MSE显著降低。

Comments Accepeted by ICLR 2026 Workshop Advances in Financial AI

Journal ref ICLR 2026