Cornell University（康奈尔大学）

2608.25449 2026-08-27 cs.CL cs.AI cs.LO 新提交

MathAdv: What Theorem Provers Know, Reason, Formalize, and Generalize

MathAdv：定理证明器所知晓、推理、形式化及泛化的内容

Jiaxin Yuan, Connor Martinez Lockhart, Xiaoyu Liu, Jiaqi Wang, Chenghao Deng, Xiayimei Han, Vlasios Mastrantonis, Dmitrii Gudin, Shaopeng Zhu, Abdirisak Abdullahi Mohamed, Bilal Hamdi Aytekin, Jiewen Lang, Zezheng Song, Furong Huang

机构 * University of Maryland（马里兰大学）； Georgia Institute of Technology（佐治亚理工学院）； Cornell University（康奈尔大学）； All Purpose AI

AI总结本研究推出涵盖13个数学领域的诊断基准MathAdv，结合Lean 4评估当代定理证明器，发现形式化是瓶颈、性能跨领域差异大等问题，为分组件评估模型能力提供依据。

2608.25267 2026-08-27 cs.LG eess.SY 新提交

Mitigating LLM sycophancy with RL-based fine-tuning: Bayesian Truth Serum approach

基于RL微调缓解大语言模型的奉承倾向：贝叶斯真理血清方法

Serhii Mytsyk, Yiming Zhang, Vikram Krishnamurthy

机构 * Cornell University（康奈尔大学）； Center for Applied Mathematics（应用数学中心）； Department of Electrical and Computer Engineering（电气与计算机工程系）

AI总结本研究提出基于GRPO的贝叶斯真理血清奖励机制，在无标签情况下微调LLM，有效降低其奉承倾向，提升压力下的回答准确率，效果优于SMART。

2608.24935 2026-08-27 cs.CV cs.AI 新提交

A Lightweight Multimodal Vision-Language Framework for Early-Stage Anatomical Green Fruit Classification in Commercial Orchards

面向商业果园早期解剖结构青果分类的轻量级多模态视觉-语言框架

Ranjan Sapkota, William Bu, Chen Chen, Yunjun Xu, Manoj Karkee

机构 * Cornell University（康奈尔大学）； University of Central Florida（中佛罗里达大学）； Institute of Artificial Intelligence (IAI)（人工智能研究所（IAI））

AI总结本研究提出适配TinyCLIP的轻量级多模态视觉-语言框架，实现复杂果园环境下幼果解剖结构细粒度分类，在NVIDIA T4上取得0.93宏F1，经优化可边缘部署，支撑自动化幼果分析与机器人疏果系统。

2608.24934 2026-08-27 cs.CV cs.AI 新提交

Fusing Perceptual Vision Experts with Multimodal Large Language Models for Explainable Plant Disease Diagnosis: From Benchmark Imagery to Real-World Robotic Field Validation

融合感知视觉专家与多模态大语言模型的可解释植物病害诊断：从基准图像到真实世界机器人现场验证

Ranjan Sapkota, Konstantinos I. Roumeliotis, Pengyao Xie, Nikolaos D. Tselikas, Lirong Xiang, Manoj Karkee

机构 * Cornell University（康奈尔大学）； University of the Peloponnese（伯罗奔尼撒大学）； Agricultural University of Athens（雅典农业大学）

AI总结该研究提出H²MAF框架，结合EfficientNet-B3、ConvNeXt-Tiny与Gemma、Qwen等MLLM，在PlantDoc及Cornell机器人田间数据集上实现高准确率可解释植物病害诊断，验证了MLLM仲裁的应用潜力。