Cornell University（康奈尔大学）

The Rise of Generative AI for Metal-Organic Framework Design and Synthesis

生成式AI在金属有机框架设计与合成中的崛起

Chenru Duan, Aditya Nandy, Shyam Chand Pal, Xin Yang, Wenhao Gao, Yuanqi Du, Hendrik Kraß, Yeonghun Kang, Varinia Bernales, Zuyang Ye, Tristan Pyle, Ray Yang, Zeqi Gu, Philippe Schwaller, Shengqian Ma, Shijing Sun, Alán Aspuru-Guzik, Seyed Mohamad Moosavi, Robert Wexler, Zhiling Zheng

机构 * Deep Principle, Inc.（Deep Principle公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Washington University（华盛顿大学） ； Institute of Materials Science & Engineering, Washington University（华盛顿大学材料科学与工程研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Acceleration Consortium, University of Toronto（多伦多大学加速联盟） ； University of Washington（华盛顿大学） ； University of North Texas（北德克萨斯大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Canadian Institute for Advanced Research（加拿大高等研究院） ； NVIDIA（英伟达） 纠错

AI总结 生成式AI推动金属有机框架设计方法革新，通过自主提出并合成新型多孔结构，结合高通量计算筛选和自动化实验，形成加速发现闭环流程，提升清洁空气和能源应用材料性能。

Comments 10 pages, 5 figures

Journal ref Matter (2026)

ViviDoc: Generating Interactive Documents through Human-Agent Collaboration

ViviDoc：通过人机协作生成交互式文档

Yinghao Tang, Yupeng Xie, Yingchaojie Feng, Tingfeng Lan, Jiale Lao, Yue Cheng, Wei Chen

机构 * National University of Singapore（新加坡国立大学） ； University of Virginia（弗吉尼亚大学） ； Cornell University（康奈尔大学） 纠错

AI总结 ViviDoc通过多智能体流程和三级人类控制，系统性解决交互式文档生成问题，构建了ViviBench基准并实现高内容丰富度和交互质量。

Understanding the Use of a Large Language Model-Powered Guide to Make Virtual Reality Accessible for Blind and Low Vision People

理解大型语言模型驱动的指南在使虚拟现实对视障和低视力用户可访问性中的应用

Jazmin Collins, Sharon Y Lin, Tianqi Liu, Andrea Stevenson Won, Shiri Azenkot

机构 * Cornell University（康奈尔大学） 纠错

AI总结 研究探讨了利用大型语言模型驱动的指南提升视障和低视力用户虚拟现实可访问性的问题，通过实验发现用户在不同情境下对指南的不同反应，提出未来设计建议。

Comments 16 pages, 5 figures, 3 tables, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13-17, 2026, Barcelona, Spain. ACM

AppellateGen: A Benchmark for Appellate Legal Judgment Generation

AppellateGen：上诉法律判决生成的基准测试

Hongkun Yang, Lionel Z. Wang, Wei Fan, Yiran Hu, Lixu Wang, Chenyu Liu, Yu Zeng, Shenghong Fu, Lei Gong, Zhengxin Zhang, Haoyang Li, Jiexin Zheng, Xin Xu

机构 * Nanyang Technological University（南洋理工大学） ； Ocean University of China（中国海洋大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出AppellateGen基准测试，包含7351个案例对，用于生成上诉阶段的法律判决，通过模拟司法流程验证模型在上诉推理中的逻辑一致性与挑战。

Comments 15 pages, 4 figures, 3 tables

Water-Filling is Universally Minimax Optimal

水填充是普遍的最小最大最优

Siddhartha Banerjee, Ramiro N. Deo-Campo Vuong, Robert Kleinberg

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文证明水填充算法在多种目标下是普遍的最小最大最优策略，适用于资源分配问题，无论目标函数、参与者数量或资源可用性如何。