Cornell University（康奈尔大学）

FMIR, a foundation model-based Image Registration Framework for Robust Image Registration

FMIR：一种基于基础模型的图像配准框架，用于稳健的图像配准

Fengting Zhang, Yue He, Qinghao Liu, Yaonan Wang, Xiang Chen, Hang Zhang

机构 * School of Artificial Intelligence and Robotics（人工智能与机器人学院） ； Hunan University（湖南大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Cornell University（康奈尔大学） 纠错

AI总结 FMIR通过基于基础模型的特征编码器和通道正则化策略，在单一数据集上实现域内最佳性能并保持域外配准的鲁棒性。

Comments Accepted to the International Symposium on Biomedical Imaging (ISBI 2026)

TALES: A Taxonomy and Analysis of Cultural Representations in LLM-generated Stories

TALES: 关于LLM生成故事中文化表征的分类与分析

Kirti Bhagat, Shaily Bhatt, Athul Velagapudi, Aditya Vashistha, Shachi Dave, Danish Pruthi

机构 * Indian Institute of Science（印度科学研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 TALES通过分类和分析LLM生成故事中的文化误表征，揭示了印度不同文化身份的表征问题，并构建了评估模型文化知识的问题库。

Comments Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13--17, 2026, Barcelona, Spain

Vision-Language-Action (VLA) Models: Concepts, Progress, Applications and Challenges

视觉-语言-动作（VLA）模型：概念、进展、应用与挑战

Ranjan Sapkota, Yang Cao, Konstantinos I. Roumeliotis, Manoj Karkee

机构 * Cornell University（康奈尔大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of the Peloponnese（希腊皮洛斯大学） 纠错

AI总结 本文综述了视觉-语言-动作（VLA）模型的概念、进展、应用与挑战，探讨了其在自动驾驶、医疗机器人等领域的应用及未来发展方向。

ChunkWise LoRA: Adaptive Sequence Partitioning for Memory-Efficient Low-Rank Adaptation and Accelerated LLM Inference

ChunkWise LoRA: 适应性序列分块用于内存高效低秩适应和加速大语言模型推理

Ketan Thakkar, Maitreyi Chatterjee, Ramasubramanian Balasubramanian, Achyuthan Jootoo, Rajendra Ugrani

机构 * Bentley University USA（伯克利大学） ； Cornell University USA（康奈尔大学） ； University of California Berkeley USA（加州大学伯克利分校） ； George Mason University USA（乔治·马歇尔大学） ； Georgia Institute of Technology USA（佐治亚理工学院） 纠错

AI总结 ChunkWise LoRA通过动态分块和适应性配置提升LLM推理效率，实现更低延迟和内存消耗的同时保持性能。

Comments Presented at 13th IEEE International Conference on Intelligent Systems and Embedded Design

SteerEval: A Framework for Evaluating Steerability with Natural Language Profiles for Recommendation

SteerEval: 一个用于通过自然语言配置文件评估可操控性的框架用于推荐

Joyce Zhou, Weijie Zhou, Doug Turnbull, Thorsten Joachims

机构 * Cornell University（康奈尔大学） ； Ithaca College（伊萨卡学院） 纠错

AI总结 SteerEval通过自然语言配置文件评估推荐系统的可操控性，分析不同干预措施对操控效果的影响，并提出设计建议。

Comments 10 pages, 2 figures, 8 tables. Pre-print

Magellan: Autonomous Discovery of Novel Compiler Optimization Heuristics with AlphaEvolve

Magellan：利用AlphaEvolve自主发现新型编译器优化启发式方法

Hongzheng Chen, Alexander Novikov, Ngân Vũ, Hanna Alam, Zhiru Zhang, Aiden Grossman, Mircea Trofin, Amir Yazdanbakhsh

机构 * Google（谷歌） ； Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学） 纠错

AI总结 Magellan通过AlphaEvolve自主发现新型编译器优化启发式方法，提升编译器优化效率与性能。

Comments Accepted to C4ML@CGO'26

Scaling Medical Reasoning Verification via Tool-Integrated Reinforcement Learning

通过工具集成强化学习扩展医学推理验证

Hang Zhang, Ruheng Wang, Yuelyu Ji, Mingu Kwak, Xizhi Wu, Chenyu Li, Li Zhang, Wenqi Shi, Yifan Peng, Yanshan Wang

机构 * University of Pittsburgh（匹兹堡大学） ； UT Southwestern Medical Center（西南医学中心） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出$\method$，通过工具集成强化学习实现医学推理验证的扩展，显著提升验证效果并降低采样预算需求。

Communication-Avoiding Linear Algebraic Kernel K-Means on GPUs

基于GPU的通信回避线性代数核K均值算法

Julian Bellavita, Matthew Rubino, Nakul Iyer, Andrew Chang, Aditya Devarakonda, Flavio Vella, Giulia Guidi

机构 * Cornell University（康奈尔大学） ； University of Trento（特伦托大学） 纠错

AI总结 本文提出了一种基于多GPU的通信回避线性代数核K均值算法，通过分布式内存并行算法实现大规模数据集的高效聚类，显著提升了计算效率和扩展性。

Journal ref Proceedings of the 40th IEEE International Parallel and Distributed Processing Symposium (IPDPS) 2026

Metric $k$-clustering using only Weak Comparison Oracles

使用弱比较 oracle 的度量 k-聚类

Rahul Raychaudhury, Aryan Esmailpour, Sainyam Galhotra, Stavros Sintos

机构 * Duke University（杜克大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出了一种使用弱比较 oracle 的 k-聚类算法，能够在噪声和成本受限的情况下实现高效的聚类效果。

Journal ref ICLR 2026

FlowMorph: Physics-Consistent Self-Supervision for Label-Free Single-Cell Mechanics in Microfluidic Videos

FlowMorph：用于微流体视频中无标签单细胞力学的物理一致自监督方法

Bora Yimenicioglu, Vishal Manikanden

机构 * RareGen Oakton（RareGen公司） ； Cornell University（康奈尔大学） 纠错

AI总结 FlowMorph通过物理一致的自监督方法从微流体视频中学习无标签的红血细胞力学代理，实现高精度轮廓和力学参数预测。

Revealing the Truth with ConLLM for Detecting Multi-Modal Deepfakes

用ConLLM揭示真相以检测多模态深度伪造

Gautam Siddharth Kashyap, Harsh Joshi, Niharika Jain, Ebad Shabbir, Jiechao Gao, Nipun Joshi, Usman Naseem

机构 * Macquarie University（麦考瑞大学） ； Bharati Vidyapeeth’s College Of Engineering（巴里蒂大学工程学院） ； Vivekananda Institute of Professional Studies (VIPS)（维维kananda专业研究学院） ； DSEU-Okhla ； Center for SDGC（SDGC研究中心） ； Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） 纠错

AI总结 ConLLM通过对比学习和大语言模型推理，有效提升多模态深度伪造检测的准确率和泛化能力。

Comments Accepted at EACL Findings 2026

Fluent but Foreign: Even Regional LLMs Lack Cultural Alignment

流畅但异域：即使区域LLM也缺乏文化契合

Dhruv Agarwal, Anya Shukla, Sunayana Sitaram, Aditya Vashistha

机构 * Cornell University（康奈尔大学） ； Microsoft Research（微软研究院） 纠错

AI总结 研究发现，即使区域LLM也缺乏文化契合，需通过社区基础的数据和厚宽评估来构建真正主权的LLM。

Comments Under review

A Concept-Centric Approach to Multi-Modality Learning

面向多模态学习的概念中心方法

Yuchong Geng, Ao Tang

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出了一种以概念为中心的多模态学习框架，通过共享的概念空间和模态特定的投影模型，实现高效的知识迁移与跨模态适应。

Comments Published in Transactions on Machine Learning Research (TMLR), 2026. Official version: https://openreview.net/forum?id=8WAAPP32c7

Journal ref Transactions on Machine Learning Research, 2026

PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models

PhysicsMind: 为基础多模态大语言模型和世界模型中的物理推理和预测进行仿真与现实力学基准测试

Chak-Wing Mak, Guanyu Zhu, Boyi Zhang, Hongji Li, Xiaowei Chi, Kevin Zhang, Yichen Wu, Yangfan He, Chun-Kai Fan, Wentao Lu, Kuangzhi Ge, Xinyu Fang, Hongyang He, Kuan Lu, Tianxiang Xu, Li Zhang, Yongxin Ni, Youhua Li, Shanghang Zhang

机构 * Peking University（北京大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Science and Technology of China（中国科学技术大学） ； Cornell University（康奈尔大学） ； Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 PhysicsMind是一个结合现实和仿真环境的统一基准，用于评估基础多模态大语言模型和世界模型在物理推理和预测中的能力。

Codebook-Injected Dialogue Segmentation for Multi-Utterance Constructs Annotation: LLM-Assisted and Gold-Label-Free Evaluation

用于多轮对话结构标注的代码表注入对话分割：LLM辅助且无需黄金标签的评估

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

机构 * Cornell University（康奈尔大学） ； LMU Muinich（慕尼黑大学） 纠错

AI总结 本文提出一种基于LLM的对话分割方法，通过代码表注入提升分割一致性，并在无黄金标签情况下评估不同分割器的性能，发现需根据下游任务优化分割策略。

Comments Under Review for ACL 2026

MedSimAI: Simulation and Formative Feedback Generation to Enhance Deliberate Practice in Medical Education

MedSimAI：通过模拟和形成性反馈提升医学教育中的刻意练习

Yann Hicke, Jadon Geathers, Kellen Vu, Justin Sewell, Claire Cardie, Jaideep Talwalkar, Dennis Shung, Anyanate Gwendolyne Jack, Susannah Cornes, Mackenzi Preston, Rene Kizilcec

机构 * Cornell University（康奈尔大学） ； UCSF School of Medicine（旧金山加利福尼亚大学医学院） ； Yale School of Medicine（耶鲁大学医学院） 纠错

AI总结 MedSimAI通过模拟和形成性反馈提升医学教育中的刻意练习，通过AI生成临床互动并提供自动评估，提高病史采集和沟通技能。

Comments Accepted to LAK 2026; 11 pages, 5 figures

CT-PatchTST: Channel-Time Patch Time-Series Transformer for Long-Term Renewable Energy Forecasting

CT-PatchTST：用于长周期可再生能源预测的通道-时间补丁时间序列变压器

Kuan Lu, Menghao Huo, Yuxiao Li, Qiang Zhu, Zhenrui Chen

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学） ； Fu Foundation School of Engineering and Applied Science（富兰克林基金会工程与应用科学学院） ； Columbia University in the City of New York（纽约市哥伦比亚大学） ； School of Engineering（工程学院） ； Santa Clara University（圣克拉拉大学） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） 纠错

AI总结 CT-PatchTST通过捕捉时间依赖性和跨通道相关性，提升风能和太阳能的长周期预测精度，优化能源存储调度，增强电网稳定性与响应性。

Comments Published in: 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT)

Journal ref 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT), pp. 86-95

Project Aletheia: Verifier-Guided Distillation of Backtracking for Small Language Models

项目Aletheia：指导验证的回溯蒸馏

Aradhya Dixit, Tianxi Liang, Jai Telang

机构 * Wake Technical Community College（韦克技术社区学院） ； Cornell University（康奈尔大学） ； Algoverse 纠错

AI总结 项目Aletheia通过指导验证的蒸馏方法，使小型语言模型能够通过回溯和冲突检测提升其在约束满足问题上的表现。

Do Clinical Question Answering Systems Really Need Specialised Medical Fine Tuning?

临床问答系统真的需要专门的医学微调吗？

Sushant Kumar Ray, Gautam Siddharth Kashyap, Sahil Tripathi, Nipun Joshi, Vijay Govindarajan, Rafiq Ali, Jiechao Gao, Usman Naseem

机构 * University of Delhi（德里大学） ； Jamia Hamdard（贾迈亚哈马尔德大学） ； Cornell University（康奈尔大学） ； Expedia Group（Expedia集团） ； DSEU-Okhla ； Center for SDGC（SDGC中心） ； Stanford University（斯坦福大学） 纠错

AI总结 MEDASSESS-X通过推理时对齐技术，无需领域微调即可提升临床问答系统性能，解决专门化谬误问题。

Comments Accepted at EACL 2026 (Industry Track)

PRISM: Learning Design Knowledge from Data for Stylistic Design Improvement

PRISM：从数据中学习设计知识以改进风格化设计

Huaxiaoyue Wang, Sunav Choudhary, Franck Dernoncourt, Yu Shen, Stefano Petrangeli

机构 * Cornell University（康奈尔大学） ； Adobe Research（Adobe研究院） 纠错

AI总结 PRISM通过学习设计数据中的知识，改进风格化设计，实现更精准的风格对齐和用户偏好。

Augmented Assembly: Object Recognition and Hand Tracking for Adaptive Assembly Instructions in Augmented Reality

增强装配：面向增强现实自适应装配指令的对象识别与手部追踪

Alexander Htet Kyaw, Haotian Ma, Sasa Zivkovic, Jenny Sabin

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出一种基于增强现实的自适应装配系统，通过对象识别和手部追踪实现动态指导与错误检测，提升装配效率与用户体验。

Comments Submitted to the Association for Computing Machinery (ACM) Conference on Tangible, Embedded, and Embodied Interaction (TEI'26)

Monotone Subsystem Decomposition for Efficient Multi-Objective Robot Design

单调子系统分解用于高效多目标机器人设计

Andrew Wilhelm, Nils Napp

机构 * Department of Electrical and Computer Engineering, Cornell University（电气与计算机工程系，康奈尔大学） 纠错

AI总结 本文提出单调子系统分解方法，用于高效解决多目标机器人设计问题，通过优化子系统帕累托前沿实现大规模设计优化。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2025

Journal ref 2025 IEEE International Conference on Robotics and Automation (ICRA), pp. 8114-8120

FEAT: Free energy Estimators with Adaptive Transport

FEAT: 基于自适应传输的自由能估计器

Jiajun He, Yuanqi Du, Francisco Vargas, Yuanqing Wang, Carla P. Gomes, José Miguel Hernández-Lobato, Eric Vanden-Eijnden

机构 * University of Cambridge（剑桥大学） ； Cornell University（康奈尔大学） ； Xaira Therapeutics ； ML Lab, Capital Fund Management（ML实验室，资本基金管理公司） ； Courant Institute of Mathematical Sciences, NYU（纽约大学数学科学学院） 纠错

AI总结 FEAT提出了一种基于自适应传输的自由能估计框架，通过结合平衡与非平衡方法，提供一致且方差最小的估计器，并在多个科学领域中验证了其有效性。

Comments Accepted to NeurIPS 2025; the first two authors contribute equally to this work

Better LLM Reasoning via Dual-Play

通过双对抗提升大语言模型推理能力

Zhengxin Zhang, Chengyu Huang, Aochong Oliver Li, Claire Cardie

机构 * Department of Computer Science（计算机科学系） ； Cornell University（康奈尔大学） 纠错

AI总结 PasoDoble通过双对抗训练框架提升大语言模型推理能力，无需外部监督，通过Proposer生成挑战性问题和Solver解决问题，共同训练以增强稳定性与性能。

Comments 33 pages, 17 figures, 17 tables

Encoder-Only Image Registration

仅编码器图像配准

Xiang Chen, Renjiu Hu, Jinwei Zhang, Yuxi Zhang, Xinyao Yu, Min Liu, Yaonan Wang, Hang Zhang

机构 * School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering, Johns Hopkins University（电气与计算机工程系，约翰霍普金斯大学） ； Department of Electrical and Computer Engineering, National University of Singapore（电气与计算机工程系，国立新加坡大学） 纠错

AI总结 EOIR通过仅编码器架构实现图像配准的高精度与高效率平衡，利用卷积网络线性化局部强度和和谐化全局对比度变化，构建拉普拉斯特征金字塔以逐步生成全微分变形。

Comments accepted by IEEE Transactions on Circuits and Systems for Video Technology

SRT: Accelerating Reinforcement Learning via Speculative Rollout with Tree-Structured Cache

SRT：通过树结构缓存的推测式回滚加速强化学习

Chi-Chih Chang, Siqi Zhu, Zhichen Zeng, Haibin Lin, Jiaxuan You, Mohamed S. Abdelfattah, Ziheng Jiang, Xuehai Qian

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） ； Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； ByteDance（字节跳动） 纠错

AI总结 SRT通过树结构缓存的推测式回滚方法，有效加速语言模型的在线强化学习，提升生成效率并降低推理成本。

Tracking and Understanding Object Transformations

跟踪和理解物体变换

Yihong Sun, Xinyu Yang, Jennifer J. Sun, Bharath Hariharan

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本文提出TubeletGraph系统，用于跟踪和理解物体在变换中的状态变化，并引入新的基准数据集VOST-TAS，以提升复杂物体变换的跟踪与理解能力。

Comments NeurIPS 2025

Agent Bain vs. Agent McKinsey: A New Text-to-SQL Benchmark for the Business Domain

Agent Bain vs. Agent McKinsey：业务领域的新文本到SQL基准测试

Yue Li, Ran Tao, Derek Hommel, Yusuf Denizay Dönder, Sungyong Chang, David Mimno, Unso Eun Seo Jo

机构 * Cornell University（康奈尔大学） ； Gena AI 纠错

AI总结 CORGI是一个新的文本到SQL基准测试，旨在评估业务领域中更复杂的问题，如预测和推荐，揭示LLM在处理复杂任务时的性能下降。

Comments 23 pages, under review for ACL ARR

Autonomous Materials Exploration by Integrating Automated Phase Identification and AI-Assisted Human Reasoning

通过整合自动化相识别和AI辅助的人类推理实现自主材料探索

Ming-Chiang Chang, Maximilian Amsler, Duncan R. Sutherland, Sebastian Ament, Katie R. Gann, Lan Zhou, Louisa M. Smieska, Arthur R. Woll, John M. Gregoire, Carla P. Gomes, R. Bruce van Dover, Michael O. Thompson

机构 * Department of Materials Science and Engineering, Cornell University, Ithaca, NY 14853, United States（材料科学与工程系，康奈尔大学，Ithaca, NY 14853, United States） ； Department of Computer Science, Cornell University, Ithaca, NY 14853, United States（计算机科学系，康奈尔大学，Ithaca, NY 14853, United States） ； Joint Center for Artificial Photosynthesis, California Institute of Technology, Pasadena, CA 91125（人工光合作研究中心，加州理工学院，Pasadena, CA 91125） ； Cornell High Energy Synchrotron Source, Cornell University, Ithaca, NY 14850, United States（康奈尔高能同步辐射源，康奈尔大学，Ithaca, NY 14850, United States） 纠错

AI总结 通过整合自动化相识别和AI辅助的人类推理，实现自主材料探索，提升材料合成效率和发现新材料的能力。

Comments Main manuscript: 21 pages(including references), 6 figures. Supplementary Information: 12 pages, 9 figures, 1 table

CLAMP: Crowdsourcing a LArge-scale in-the-wild haptic dataset with an open-source device for Multimodal robot Perception

CLAMP：通过开源设备收集大规模真实场景触觉数据集以实现多模态机器人感知

Pranav N. Thakkar, Shubhangi Sinha, Karan Baijal, Yuhan, Bian, Leah Lackey, Ben Dodson, Heisen Kong, Jueun Kwon, Amber Li, Yifei Hu, Alexios Rekoutis, Tom Silver, Tapomayukh Bhattacharjee

机构 * Cornell University（康奈尔大学） ； Horace Mann School（霍拉曼学校） 纠错

AI总结 CLAMP通过开源设备收集大规模真实场景触觉数据集，训练多模态触觉编码器，实现材料识别和机器人操作任务的泛化能力。