Cornell University（康奈尔大学）

Hitting a Moving Target: Test-Time Adaptation for AI Text Detection under Continual Distribution Shift

击中移动目标：持续分布漂移下AI文本检测的测试时适应

Kevin Ren, Manish Raghavan, Nikhil Garg

机构 * Cornell Tech（康奈尔科技） ； MIT（麻省理工学院） 纠错

AI总结 提出一种基于半监督学习的测试时适应方法，利用推理时未标记样本的同质性，应对AI文本检测中持续出现的分布漂移，显著优于现有监督检测器。

The Clinician's Veto: Navigating Trust, Liability, and Uncertainty in Autonomous AI Prescribing

临床医生的否决权：自主AI处方中的信任、责任与不确定性导航

Eileanor LaRocco, Sarah Tan, Adarsh Subbaswamy, Anne Andrews, Andrew Taylor, Cree Gaskin, Chirag Agarwal

机构 * University of Virginia（弗吉尼亚大学） ； Cornell University（康奈尔大学） ； University of Maryland, Baltimore（马里兰大学巴尔的摩分校） ； National Institute of Standards and Technology（美国国家标准与技术研究院） 纠错

AI总结 本文提出自主AI处方系统应具备校准置信度、区分认知与偶然不确定性、以及决策时推理透明性三个最低架构要求，并通过136名美国临床医生调查验证，以促进临床采纳并合理分配责任。

Dustin: Draft-Augmented Sparse Verification for Efficient Long-Context Generation with Speculative Decoding

Dustin: 用于高效长上下文推测解码的草稿增强稀疏验证

WenHung Lee, Jian-Jia Chen, Xiaolin Lin, Pei-Shuo Wang, Chi-Chih Chang, Chun-Che Yang, Ning-Chi Huang, Grace Li Zhang, Kai-Chiang Wu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Cornell University（康奈尔大学） 纠错

AI总结 提出Dustin框架，利用草稿模型的前瞻信号和目标模型的历史注意力，在推测解码中实现高效稀疏验证，显著加速长上下文生成。

Comments Accepted to ICML 2026. 9 pages main text, includes references and appendix

Rational Neural Networks have Expressivity Advantages

有理神经网络具有表达优势

Maosen Tang, Alex Townsend

机构 * Center for Applied Mathematics, Cornell University, United States（应用数学中心，康奈尔大学，美国） ； Department of Mathematics, Cornell University, United States（数学系，康奈尔大学，美国） 纠错

AI总结 本文证明可训练低次有理激活函数网络在表达性和参数效率上优于常见固定激活函数，理论上有指数级参数节省，实验验证其与标准架构兼容。