Cornell University（康奈尔大学）

From Failure to Feedback: Group Revision Unlocks Hard Cases in Object-Level Grounding

从失败到反馈：群体修订解锁对象级 grounding 的难题

Yuyuan Liu, Yiping Ji, Anjie Le, Jiayuan Zhu, Jiazhen Pan, Can Peng, Jiajun Deng, Fengbei Liu, Junde Wu

机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学人工智能研究所） ； Technical University of Munich（慕尼黑技术大学） ； 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 本文提出群体修订优化方法，通过生成改进候选响应提升硬案例学习效果，改进奖励和优势函数以增强高质量修订影响，优于现有GRPO方法。

Comments 8 pages, 5 figures, IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

Do Chinese models speak Chinese languages?

中国模型会说中文吗？

Andrea W Wen-Yi, Unso Eun Seo Jo, David Mimno

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文通过比较中西方开源大模型的多语言能力，发现中国模型在多数语言上表现与西方模型相似，但对部分中国少数民族语言识别能力较弱，揭示了多语言发展中的优先级与权衡。

Comments First and second author contribute equally

PACER: Acyclic Causal Discovery from Large-Scale Interventional Data

PACER：从大规模干预数据中进行无环因果发现

Ramon Viñas Torné, Sílvia Fàbregas Salazar, Soyon Park, Ivo Alexander Ban, Artyom Gadetsky, Nikita Doikov, Maria Brbić

机构 * Swiss Federal Technology Institute of Lausanne (EPFL), Switzerland（瑞士联邦理工学院洛桑分校） ； Cornell University, USA（康奈尔大学） ； ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） 纠错

AI总结 PACER通过构建无环性保证的因果发现框架，在大规模高维干预数据中实现高效且准确的因果结构推断，优于现有方法。

Comments Accepted at the 43rd International Conference on Machine Learning (2026)

TokenButler: Token Importance is Predictable

TokenButler：令牌重要性是可预测的

Yash Akhauri, Ahmed F AbouElhamayed, Yifei Gao, Chi-Chih Chang, Sameh Gobriel, Nilesh Jain, Mohamed S. Abdelfattah

机构 * Cornell University（康奈尔大学） ； Intel Labs（英特尔实验室） 纠错

AI总结 TokenButler通过高粒度查询感知预测器识别关键令牌，减少KV缓存瓶颈，提升解码效率与准确性。