Cornell University（康奈尔大学）

Bellman Calibration for Marginalized Importance Weighting in Offline Reinforcement Learning

离线强化学习中边缘化重要性加权的贝尔曼校准

Lars van der Laan, Nathan Kallus

机构 * Stanford University（斯坦福大学） ； Netflix（网飞） ； Cornell University（康奈尔大学） 纠错

AI总结 本文针对离线强化学习中边缘化重要性加权的残留占用平衡违反问题，提出等渗贝尔曼校准方法，可减少此类违反并保证下游策略价值估计等任务的性能。

Comments 43 pages, 1 figure, 4 tables

Physics-Integrated Operator Learning via Gaussian Splatting Representations

基于高斯溅射表示的物理集成算子学习

Jihao Zhang, Junyi Guo, Jian-Xun Wang

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本研究提出基于前馈高斯溅射（FFGS）表示的物理集成算子学习框架，在多类PDE系统长时序预测中降低相对ℓ₂误差1.5-2.2倍，提升光谱保真度，对部分已知控制方程具鲁棒性。

Cross-Generation Optimization of YOLOv26, YOLOv11, and YOLOv8 for Fine-Grained Small-Object Detection and Instance Segmentation in Complex Orchards

面向复杂果园中细粒度小目标检测与实例分割的YOLOv26、YOLOv11和YOLOv8跨代优化

Ranjan Sapkota, Manoj Karkee

机构 * Cornell University（康奈尔大学） 纠错

AI总结 该研究针对复杂果园中小目标检测与实例分割难题，对YOLOv8、YOLOv11、YOLOv26开展跨代基准测试，发现YOLOv11s-960精度最优、YOLOv26s-960效率与精度均衡，为农业机器人感知提供实用基准。

Token-weighted Direct Preference Optimization with Attention

基于注意力的令牌加权直接偏好优化

Chengyu Huang, Zhuohang Li, Sheng-Yen Chou, Claire Cardie

机构 * Cornell University（康奈尔大学） ； Vanderbilt University（范德比大学） 纠错

AI总结 提出Token-weighted DPO (TwDPO)方法，利用注意力机制估计令牌权重，在不增加额外训练成本的情况下提升大语言模型与人类偏好对齐的性能。

Single-Subject Multi-View MRI Super-Resolution via Implicit Neural Representations

单受试多视角MRI超分辨率通过隐式神经表示

Heejong Kim, Abhishek Thanki, Roel van Herten, Daniel Margolis, Mert R Sabuncu

机构 * Department of Radiology, Weill Cornell Medicine, New York, USA（韦尔·科恩医学系放射科，纽约，美国） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； Cornell Tech, New York, USA（康奈尔科技，纽约，美国） ； Weill Cornell Graduate School of Medical Sciences, New York, USA（韦尔·科恩医学科学研究生院，纽约，美国） 纠错

AI总结 本文提出SIMS-MRI框架，通过隐式神经表示和多分辨率哈希编码实现单患者多视角MRI的等效超分辨率，无需预处理。

Comments 11 pages, 3 figures. Accepted at MICCAI 2026

Two-Sided Nearest Neighbors: An adaptive and minimax optimal procedure for matrix completion

双边最近邻：一种用于矩阵补全的自适应且极小极大最优方法

Tathagata Sadhukhan, Manit Paul, Raaz Dwivedi

机构 * Cornell University（康奈尔大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Cornell Tech（康奈尔科技） 纠错

AI总结 本文针对矩阵补全问题，提出自适应且极小极大最优的双边最近邻算法，其均方误差可自适应非线性光滑度，在正则条件下达到神谕误差率，经模拟和HeartSteps数据验证有效。

Comments 40 pages, 14 figures