Cornell University（康奈尔大学）

2607.00460 2026-07-02 cs.CE cs.AI physics.comp-ph 新提交

A Multi-Resolution Finite-Volume Inspired Deep Learning Framework for Spatiotemporal Dynamics Prediction

一种多分辨率有限体积启发的深度学习框架用于时空动力学预测

Xin-Yang Liu, Xiantao Fan, Jian-Xun Wang

机构 * University of Notre Dame（圣母大学）； Cornell University（康奈尔大学）

AI总结提出MuRFiV网络，结合有限体积的全局守恒性和深度学习的局部表达能力，用于偏微分方程控制的时空系统预测，在长期预测中优于纯数据驱动方法。

Comments 19 pages, 11 figures

2607.01218 2026-07-02 cs.CL cs.AI cs.LG 新提交

状态-预测分离假说

Giovanni Monea, Nathan Godey, Kianté Brantley, Yoav Artzi

机构 * Cornell University（康奈尔大学）； Harvard University（哈佛大学）

AI总结提出状态-预测分离假说，通过双流Transformer解耦状态存储与下一词预测，在预训练中提升数据与计算效率，下游任务平均提升2-3个百分点。

Comments Preprint

2606.25997 2026-07-02 cs.GT cs.AI cs.MA econ.TH math.OC 新提交

多人非完美信息博弈中纳什均衡计算的变量边界收紧

Sam Ganzfried

机构 * Ganzfried Research, Cornell University（甘茨菲德研究，康奈尔大学）

AI总结提出一种通过推导非线性互补问题中松弛变量和乘子变量的有限边界来收紧凸松弛的方法，显著加速多人非完美信息博弈的精确纳什均衡计算。

Comments arXiv admin note: substantial text overlap with arXiv:2509.25618