Cornell University（康奈尔大学）

HyperCT: Low-Rank Hypernet for Unified Chest CT Analysis

HyperCT：用于统一胸部CT分析的低秩超网络

Fengbei Liu, Sunwoo Kwak, Hao Phung, Nusrat Binta Nizam, Ilan Richter, Nir Uriel, Hadar Averbuch-Elor, Daborah Estrin, Mert R. Sabuncu

机构 * Cornell Tech and Cornell University（康奈尔科技校区与康奈尔大学） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

AI总结 HyperCT通过动态调整视觉Transformer骨干网络，结合低秩适应技术，实现高效的多任务统一分析，优于现有基线方法。

Comments MIDL 2026

Domain-Adapted Retrieval for In-Context Annotation of Pedagogical Dialogue Acts

领域适应的检索用于上下文注释教学对话行为

Jinsook Lee, Kirk Vanacore, Zhuqian Zhou, Bakhtawar Ahtisham, Rene F. Kizilcec

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文提出一种领域适应的RAG流水线，用于教学对话行为标注，通过轻量级嵌入模型在对话层面索引以提高标注精度，实验显示其在两个真实教学对话数据集上显著优于无检索基线。

Comments 20 pages, 20 tables, 4 figures

Communication-Efficient Distributed Learning with Differential Privacy

具有差分隐私的通信高效分布式学习

Xiaoxing Ren, Yuwen Ma, Nicola Bastianello, Karl H. Johansson, Thomas Parisini, Andreas A. Malikopoulos

机构 * School of Civil and Environmental Engineering, Cornell University（康奈尔大学土木与环境工程学院） ； Department of Electronic and Electrical Engineering, University College London（伦敦大学学院电子与电气工程系） ； School of Electrical Engineering and Computer Science, and Digital Futures, KTH Royal Institute of Technology（KTH皇家理工学院电气工程与计算机科学学院及数字未来研究所） ； Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院电气与电子工程系） ； Department of Electronic Systems, Aalborg University（奥尔堡大学电子系统系） ； Department of Engineering and Architecture, University of Trieste（的里雅斯特大学工程与建筑系） ； Applied Mathematics, Systems Engineering, Mechanical Engineering, Electrical & Computer Engineering, Cornell University（康奈尔大学应用数学、系统工程、机械工程、电气与计算机工程系） 纠错

AI总结 本文提出一种通信高效且保证隐私的分布式学习算法，通过局部训练减少通信频率，并利用梯度裁剪和加性噪声保障数据隐私，证明算法能收敛至问题的平稳点，并在相同隐私预算下优于现有方法。

Scene Grounding In the Wild

野外场景的场景定位

Tamir Cohen, Leo Segre, Shay Shomer-Chai, Shai Avidan, Hadar Averbuch-Elor

机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出一种框架，通过将部分重建与完整的参考模型对齐，提升无视觉重叠时的大尺度场景重建一致性。方法基于伪合成渲染，利用3D高斯点云和逆特征优化，引入WikiEarth数据集验证效果。

Comments CVPR 2026. Project page at https://tau-vailab.github.io/SceneGround/

CQA-Eval: Designing Reliable Evaluations of Multi-paragraph Clinical QA under Resource Constraints

CQA-Eval: 设计在资源受限情况下多段临床问答系统可靠评估

Federica Bologna, Tiffany Pan, Matthew Wilkens, Yue Guo, Lucy Lu Wang

机构 * Cornell University（康奈尔大学） ； University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出CQA-Eval框架，通过医生标注300个真实患者问题，比较粗粒度答案级与细粒度句子级评估在正确性、相关性和风险披露维度上的效果，发现细粒度标注提升正确性一致性，粗粒度提升相关性一致性，而风险披露判断仍不一致，且少量标注可提供与粗标注相当的可靠性。

Constrained free energy minimization for the design of thermal states and stabilizer thermodynamic systems

受限自由能最小化用于热态设计和稳定子热力学系统的设计

Michele Minervini, Madison Chin, Jacob Kupperman, Nana Liu, Ivy Luo, Meghan Ly, Soorya Rethinasamy, Kathie Wang, Mark M. Wilde

机构 * School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； School of Applied and Engineering Physics, Cornell University（康奈尔大学应用与工程物理学院） ； Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院） ； School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） 纠错

AI总结 本文提出利用混合量子-经典算法设计可控哈密顿量的基态和热态，并引入稳定子热力学系统，通过实验验证算法在不同模型中的有效性及在编码中的应用。

Comments v3: 21 pages of main text, 15 pages of appendices, 12 figures

Journal ref Physical Review A, vol. 113, no. 4, page 042407, April 2026