Cornell University（康奈尔大学）

Long-tail Internet photo reconstruction

长尾互联网照片重建

Yuan Li, Yuanbo Xiangli, Hadar Averbuch-Elor, Noah Snavely, Ruojin Cai

机构 * Cornell University（康奈尔大学） ； Kempner Institute, Harvard University（哈佛大学凯普勒研究所） 纠错

AI总结 本文针对长尾分布的互联网照片重建问题，提出MegaDepth-X数据集和采样策略，提升极端稀疏场景下的3D重建鲁棒性，并增强对对称重复场景的重建可靠性。

Comments Project page: https://megadepth-x.github.io/

ArchSym: Detecting 3D-Grounded Architectural Symmetries in the Wild

ArchSym：在真实场景中检测3D基础的建筑对称性

Hanyu Chen, Ruojin Cai, Steve Marschner, Noah Snavely

机构 * Cornell University（康奈尔大学） ； Kempner Institute, Harvard University（哈佛大学凯普勒研究所） 纠错

AI总结 本文提出首个基于单张真实RGB图像检测3D基础反射对称性的框架，通过自动生成大规模建筑对称性数据集ArchSym，并引入单视角对称检测器，实现对3D对称性的精确定位。

Comments project page: https://hanyuc.com/archsym/

AdaFair-MARL: Enforcing Adaptive Fairness Constraints in Multi-Agent Reinforcement Learning

AdaFair-MARL：在多智能体强化学习中强制适应性公平性约束

Promise Ekpo, Saesha Agarwal, Felix Grimm, Lekan Molu, Angelique Taylor

机构 * Cornell Tech（康奈尔科技） ； Cornell University（康奈尔大学） ； Bala-Cynwyd, PA, USA（巴拉-辛威德, 美国宾夕法尼亚州） 纠错

AI总结 本文提出AdaFair-MARL框架，通过将工作负载公平性作为显式约束，使智能体在优化团队性能的同时保持贡献平衡，实验表明其在医院协调环境中的有效性。

Pre-trained Large Language Models Learn Hidden Markov Models In-context

预训练大语言模型通过上下文学习学习隐马尔可夫模型

Yijia Dai, Zhaolin Gao, Yahya Sattar, Sarah Dean, Jennifer J. Sun

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文研究预训练大语言模型通过上下文学习有效建模由隐马尔可夫模型生成的数据，并揭示了其在复杂数据中挖掘隐藏结构的潜力。

Comments NeurIPS 2025