Cornell University（康奈尔大学）

Beyond scalar losses: calibrating segmentation models via gradient vector field surgery

超越标量损失：通过梯度向量场手术校准分割模型

Laurin Lux, Alexander H. Berger, Moritz Knolle, Daniel Rückert, Johannes C. Paetzold

机构 * School of Computation, Information and Technology, TUM（慕尼黑工业大学计算、信息与技术学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Department of Radiology, Weill Cornell Medicine（威尔康乃尔医学院放射科） ； School of Medicine and Health, TUM University Hospital（慕尼黑工业大学医院医学与健康学院） ； Cornell Tech（康奈尔科技学院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

AI总结 研究针对基于区域损失函数训练的分割模型校准不佳问题，提出对梯度向量场进行“手术”，即给损失偏导数添加因子，依预测误差线性缩放梯度大小，经2D和3D医学分割任务验证该方法有效且能保持高预测准确性。

Comments MIDL 2026. Published version: https://proceedings.mlr.press/v315/lux26a.html

Journal ref Proceedings of Machine Learning Research 315:3397-3423, 2026

EMAGN: Efficient Multi-Attention Graph Network via Learned Clustering for Scalable Traffic Forecasting

EMAGN：基于学习聚类的高效多注意力图网络用于可扩展交通流量预测

Mingxing Xu, Rakesh Chowdary Machineni, Ke Liu, Xi Cheng, Chengqi Lu, Xin Hu, Lyuhao Chen, Xiangyu Li, Junwei You, Oliver Gao

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Cornell University（康奈尔大学） ； Technische Universität Dresden（德累斯顿工业大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 针对交通流量预测中自注意力机制扩展性有限的问题，提出EMAGN，通过学习聚类矩阵将空间注意力机制线性化，降低复杂度，实验表明其在准确性和效率上优于其他模型，扩展了可行模型配置。

Cost-Optimal Foundation Model Deployment Portfolio for Transportation Management

用于交通管理的成本最优基础模型部署组合

Xi Cheng, Ke Liu, Siyuan Feng, Jane Lin, H. Oliver Gao

机构 * Cornell University（康奈尔大学） ； University of California, Berkeley（加州大学伯克利分校） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 研究交通管理中基础模型部署组合问题，提出FMDP混合整数规划，证明其NP难，给出多项式时间贪婪启发式算法，通过案例研究确定低成本组合，经盈亏平衡分析得出本地GPU投资合理的条件。

Comments Accepted at IEEE ITSC 2026

Power from Potential: A Survey of Electrostatic Actuators for Haptics

源于电势的动力：用于触觉的静电致动器综述

Ahad M. Rauf, Ran Zhou, Eric Acome, Madeline Balaam, Sean Follmer, Teng Han, Craig Shultz, Daniel Leithinger

机构 * Stanford University（斯坦福大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Artimus Robotics（阿蒂姆斯机器人公司） ； Chinese Academy of Science（中国科学院） ； Fluid Reality, Inc.（流体现实公司） ； Cornell University（康奈尔大学） 纠错

AI总结 该文综述用于触觉的高压静电致动器，考察静电可切换粘合剂等四类，描述其触觉输出机制、表征相关性能，通过跨技术分析确定设计限制与新兴策略，指出其在推动触觉交互上的独特定位及关键研究方向。

Comments Copyright 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Towards end-to-end optimization in multimaterial 3D printing

迈向多材料3D打印中的端到端优化

Xue-Ling Luo, Steven Yang, Jingye Tan, Robert F. Shepherd, Noy Cohen, Nikolaos Bouklas

机构 * addressline= Sibley School of Mechanical ； Aerospace Engineering, Cornell University , city= Ithaca , state= NY , country= USA ； addressline= Department of Aerospace \& Mechanical Engineering, University of Southern California , city= Los Angeles , state= CA , country= USA ； addressline= Department of Materials Science ； Engineering, Technion - Israel Institute of Technology , city= Haifa , country= Israel ； addressline= Pasteur Labs , city= Brooklyn , state= NY , country= USA 纠错

AI总结 针对多材料3D打印中优化空间材料分布与结构拓扑的难题，提出将稀疏物理增强神经网络与有限元拓扑优化集成的端到端框架，通过提取本构定律实现精确微分，应用于软机器人抓手，可取代经验原型制作，建立实用的机器学习设计模型。

Language Identification with Succinct Machine-Independent Traces

基于简洁的与机器无关的迹进行语言识别

Moses Charikar, Jon Kleinberg, Chirag Pabbaraju

机构 * Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） 纠错

AI总结 本文受大语言模型启发，针对语言识别的Gold-Angluin模型相关问题，解决能否用小字母表迹及能否直接从语言定义迹的问题，给出肯定答案，展示了如何定义计算迹实现极限识别，所用字母表与语言定义字母表大小成线性关系且与语言其他属性无关。

Latent-Identity Tuning in Text-to-Image Personalization Models

文本到图像个性化模型中的潜在身份调整

Daniel Garibi, Ronen Kamenetsky, Hadar Averbuch-Elor, Daniel Cohen-Or, Or Patashnik

机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学） 纠错

AI总结 研究文本到图像个性化模型中细粒度身份调整问题，利用预训练冻结编码器潜在空间，无需额外训练，通过揭示潜在语义方向实现局部、细粒度且语义连贯的面部编辑，经实验验证有效。

Comments Project page at: https://garibida.github.io/IdentityTuning/

A Minimalist Retargeting-Guided Reinforcement Learning Recipe for Dexterous Manipulation

一种用于灵巧操作的极简重定向引导强化学习方法

Yunhai Feng, Natalie Leung, Jiaxuan Wang, Lujie Yang, Haozhi Qi, Preston Culbertson

机构 * Cornell University（康奈尔大学） ； Amazon FAR（亚马逊FAR） 纠错

AI总结 研究如何将重定向引导强化学习用于灵巧操作，提出REGRIND方法，从单人演示学习策略，经重定向、模拟训练、零样本转移到硬件，在丰富接触任务中产生类人行为，还分析了模拟到现实转移的关键因素。

Comments Website: https://yunhaifeng.com/REGRIND

Globally Consistent Coloring Schemes for Language Identification

用于语言识别的全局一致着色方案

Moses Charikar, Jon Kleinberg, Chirag Pabbaraju

机构 * Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） 纠错

AI总结 研究对抗性语言学习所需额外信息，探讨终端着色能否替代整个颜色序列用于语言识别，证明每个字符串只需一个终端位，全局构造用超限递归，还表明有限颜色的博雷尔映射终端着色不能识别所有可数子集合。

Comments Abstract shortened to fit arxiv limit

ERR@HRI 3.0 Challenge: Multimodal Detection of Errors and Anticipation in Human-Robot Interactions

ERR@HRI 3.0 挑战赛：人机交互中错误与预期的多模态检测

Maria Teresa Parreira, Micol Spitale, Maia Stiber, Shiye Cao, Amama Mahmood, Chien-Ming Huang, Hatice Gunes, Wendy Ju

机构 * Cornell University（康奈尔大学） ； Microsoft Research（微软研究院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 ERR@HRI 3.0 挑战赛提供自然场景视频数据集，供研究者开发多模态机器学习模型检测人机交互错误与预期，三个团队提交的有效模型超卷积神经网络基线，为构建相关检测系统提供了数据、任务、基线及结果等参考。

SensorPerch: Sense Wherever and Whenever it Matters

SensorPerch：随时随地感知重要之处

Zhanxin Wu, Ruofei Tong, Tapomayukh Bhattacharjee

机构 * Cornell University（康奈尔大学） 纠错

AI总结 针对机器人感知视角受限问题，提出SensorPerch，通过将传感器视为独立实体实现主动感知。它由可重构传感器平台和视角选择框架组成，能按需构建与任务相关的视角。在对象耦合和策略耦合感知任务中验证了该范式的有效性。

The Compliance Trap: Diagnosing How AI Agents Consume Conflicting Memory

合规陷阱：诊断人工智能代理如何处理冲突记忆

Yixiong Chen, Xinyi Bai, Alan Yuille

机构 * Johns Hopkins University（约翰·霍普金斯大学） ； Cornell University（康奈尔大学） 纠错

AI总结 研究人工智能代理处理冲突记忆的问题，提出E-P-R框架，通过在WebArena和MemTrapBench上实例化发现主要失败始于入口，冲突记忆导致合规陷阱，强调评估记忆增强型代理应考虑其处理记忆的全过程。

ShapKO: Shapley-Adaptive Modality Knockout for Robust Multimodal Learning

ShapKO：用于稳健多模态学习的Shapley自适应模态剔除

Nusrat Binta Nizam, Fengbei Liu, Sunwoo Kwak, Minh Nguyen, Ruining Deng, Mert R. Sabuncu

机构 * Cornell University（康奈尔大学） ； Cornell Tech（康奈尔科技学院） ； Weill Cornell Medicine（威尔康乃尔医学院） 纠错

AI总结 针对多模态医学模型在输入缺失或模态主导时性能不佳的问题，提出ShapKO动态训练策略，基于验证效用学习特定模态剔除概率，通过评估性能、估计重要性和更新概率促进互补表示，在多数据集上提升了模型性能。

The Individual-Targeting Assumption: A Systematic Review of Proactive Robots in Human Group Settings

个体目标假设：对人类群体环境中主动机器人的系统综述

Tauhid Tanjim, Tasmia Mayen, Malte F. Jung, Susan R. Fussell

机构 * Department of Information Science at Cornell University（康奈尔大学信息科学系） ； School of Education, Louisiana State University（路易斯安那州立大学教育学院） 纠错

AI总结 通过对63项群体环境中主动人机交互研究的系统综述，发现个体目标假设（ITA）普遍存在，群体感知方法滞后，未解决机器人进入预先形成群体的问题，还出现三种失败模式，重新定义主动HRI为独特设计问题，确定进入阶段为关键挑战。

Comments 8 pages, 3 figures, 4 tables. Accepted at the 2026 IEEE International Conference on Robot and Human Interactive Communication (RO-MAN)

Playing ZendoWorld: Challenging AI Agents on Active Visual Concept Induction

玩禅道世界：在主动视觉概念归纳中挑战人工智能代理

Sophia Koehler, Antonia Wüst, Inga Ibs, Wasu Top Piriyakulkij, Wolfgang Stammer, Constantin Rothkopf, Kevin Ellis, Kristian Kersting

机构 * AIML Lab, TU Darmstadt（人工智能机器学习实验室，达姆施塔特工业大学） ； Hessian Center for AI (hessian.AI)（黑森州人工智能中心） ； Psychology of Information Processing, TU Darmstadt（信息处理心理学，达姆施塔特工业大学） ； Centre for Cognitive Science, TU Darmstadt（认知科学中心，达姆施塔特工业大学） ； Cornell University（康奈尔大学） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学研究所，SIC组） ； German Center for AI (DFKI)（德国人工智能研究中心） 纠错

AI总结 研究构建智能系统时代理感知、假设形成及实验设计问题，提出禅道世界环境，评估多种代理方法，发现预测标签精度与恢复潜在规则无关，感知和归纳是不同瓶颈，基于视觉语言模型的代理实验无信息，还收集人类数据揭示差距及改进途径。

Deep Learning Method for Stationary Distribution of Reflected Brownian Motion

反射布朗运动平稳分布的深度学习方法

Jim Dai, Zhanhao Zhang

机构 * Cornell University（康奈尔大学） 纠错

AI总结 研究反射布朗运动平稳分布，基于基本伴随关系开发深度学习方法学习其拉普拉斯变换，精心设计框架各部分，在已知尾概率的实例上评估，结果近乎完美，有望成为分析随机系统的通用工具。

Play2Perfect: What Matters in Dexterous Play Pretraining for Precise Assembly?

Play2Perfect：灵巧操作预训练对精密装配的关键因素

Tyler Ga Wei Lum, Kushal Kedia, C. Karen Liu, Jeannette Bohg

机构 * Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） 纠错

AI总结 提出Play2Perfect框架，通过任务无关的玩耍预训练获取可复用的操作先验，再微调用于精密装配，在稀疏奖励和接触密集任务中实现33倍样本效率提升。

Comments 22 pages, 12 figures, 4 tables. Project page: https://play2perfect.github.io

Co-LMLM: Continuous-Query Limited Memory Language Models

Co-LMLM：连续查询有限记忆语言模型

Yair Feldman, Linxi Zhao, Nathan Godey, Dongyoung Go, Yilun Hua, Kilian Q. Weinberger, Jennifer J. Sun, Yoav Artzi

机构 * Department of Computer Science Cornell University（计算机科学系 哥伦比亚大学） 纠错

AI总结 研究提出连续查询有限记忆语言模型CO-LMLM，通过将知识库的键与文本知识值配对，以低成本生成灵活向量查询，整合检索知识。经多数据集预训练和多模型规模测试，在困惑度和事实精度上优于同类模型。

Comments preprint

Breaking Database Lock-in: Agentic Regeneration of High Performance Storage Readers for Database Bypass

打破数据库锁定：用于数据库绕过的高性能存储读取器的智能再生

Victor Giannakouris, Immanuel Trummer

机构 * Cornell University（康奈尔大学） 纠错

AI总结 研究分析工作负载面临的数据访问瓶颈问题，提出Jailbreak方法，利用大语言模型辅助代码合成绕过数据库引擎直接读取存储文件，在PostgreSQL和MySQL上评估，性能显著提升，证明该方法可打破数据库系统数据锁定。

Comments To be presented at AIDB 2026 (co-located with VLDB)

Best-Arm Identification with Generative Proxy

基于生成代理的最佳臂识别

Tianyi Ma, Hanzhang Qin, Ruihao Zhu, Jierui Zuo

机构 * School of Operations Research and Information Engineering, Cornell University（康奈尔大学运营研究与信息工程学院） ； Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； SC Johnson College of Business, Cornell University（康奈尔大学SC约翰逊商学院） ； Michael G. Foster School of Business, University of Washington（华盛顿大学迈克尔·G·福斯特商学院） 纠错

AI总结 研究固定置信度最佳臂识别，将其与廉价代理分数配对，提出PROBE算法，通过控制变量调整转化为异方差问题，证明算法是δ - PAC的，能达到已知相关性神谕样本复杂度，实验证实样本节省与相关性强度成比例。

MV-Forcing: Long Multi-View Video Generation via 4D-Grounded Spatio-Temporal Self-Forcing

MV-Forcing：基于4D锚定时空自强制的长时长多视角视频生成

Gal Fiebelman, Hadar Averbuch-Elor, Sagie Benaim

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Cornell University（康奈尔大学） 纠错

AI总结 针对动态场景长时多视角一致视频生成难题，提出MV-Forcing框架，融合时序与视角自回归，实现任意时长视角数的高一致性多视角视频生成。

Comments Accepted to ECCV 2026. Project webpage: https://galfiebelman.github.io/mv-forcing/

Fidelity-Diversity Metrics for Text

文本的保真度-多样性度量

Amanda Wang, Tudor Manole, Florentina Bunea, John Thickstun

机构 * Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Statistics and Data Science Center, Massachusetts Institute of Technology（麻省理工学院统计与数据科学中心） ； Department of Statistics, Cornell University（康奈尔大学统计学系） 纠错

AI总结 随着语言建模技术成熟，数据质量评估对训练模型很关键。基于生成模型精度和召回率的工作，开发一对度量，用最优传输散度函数量化文本的保真度和多样性，能区分候选文本缺陷。

Quantum Spectral Anomaly Detection

量子谱异常检测

Yewei Yuan, Michele Minervini, Mark M. Wilde, Nana Liu

机构 * Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院） ； School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） 纠错

AI总结 研究量子异常检测中计算异常分数的问题，提出量子谱异常检测（QSPADE）方法，直接从正常数据集平均态谱计算PCA类异常分数，避免高昂计算成本，给出高效检测框架。

Canonical quantization of neurons

神经元的正则量子化

Alexander He, Nana Liu, Mark M. Wilde

机构 * Department of Physics, Cornell University（康奈尔大学物理系） ； Institute of Natural Sciences, School of Mathematical Sciences, Ministry of Education Key Laboratory in Scientific and Engineering Computing, and Global College, Shanghai Jiao Tong University（上海交通大学自然科学院、数学科学学院、教育部科学与工程计算重点实验室及全球学院） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） 纠错

AI总结 将正则量子化原理应用于机器学习基本计算单元神经元，通过量子哈密顿量替换能量函数并经矩阵泛函演算应用激活函数，开发混合量子经典算法，证明其在学习任务中表现力增强。

Comments 6 pages, 3 figures, companion paper available at arXiv:2605.24386

LectūraAgents: A Multi-Agent Framework for Adaptive Personalized AI-Assisted Learning and Embodied Teaching

LectūraAgents：面向自适应个性化AI辅助学习与具身教学的多智能体框架

Jaward Sesay, Yue Yu, Siwei Dong, Börje F. Karlsson

机构 * Beijing Institute of Technology（北京理工大学） ； Peking University（北京大学） ； Cornell University（康奈尔大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 提出LectūraAgents多智能体框架，通过层次化架构和自适应具身教学机制（如手势、高亮等）实现端到端个性化学习，并设计教学动作-语音对齐算法提升连贯性，在多个课程级别上优于现有方法。

Comments LecturaAgents TR

Program-as-Weights: A Programming Paradigm for Fuzzy Functions

程序即权重：一种模糊函数的编程范式

Wentao Zhang, Liliana Hotsko, Woojeong Kim, Pengyu Nie, Stuart Shieber, Yuntian Deng

机构 * University of Waterloo（滑铁卢大学） ； Cornell University（康奈尔大学） ； Harvard University（哈佛大学） 纠错

AI总结 提出模糊函数编程范式，通过Program-as-Weights方法将自然语言规范编译为轻量可执行神经工件，在保持性能的同时大幅降低推理成本。

Mechanistic Interpretability and Causal Feature Steering of Neural Quantum States via Sparse Autoencoders

神经量子态的机械可解释性与因果特征引导：基于稀疏自编码器

Zihao Qi, Christopher Earls

机构 * Department of Physics, Cornell University（康奈尔大学物理系） ； Center for Applied Mathematics, Cornell University（康奈尔大学应用数学中心） 纠错

AI总结 利用稀疏自编码器从神经量子态内部激活中无监督提取物理可观测量相关特征，并通过后训练干预单一特征因果地平滑引导对应可观测量，揭示其可解释内部表示。

Comments 15 pages, 7 figures. Comments welcome!

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） 纠错

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

The State-Prediction Separation Hypothesis

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） 纠错

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

Variable Bound Tightening for Nash Equilibrium Computation in Multiplayer Imperfect-Information Games

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） 纠错

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