高校专区
社交调解机器人能做什么？来自真实世界调解场景的启示
机构 * Honda Research Institute Europe GmbH（本田欧洲研究院） ； Honda Research Institute USA, Inc.（本田美国研究院） ； University of Siegen（锡根大学） ； Cornell University（康奈尔大学）
AI总结 本文探讨了社交调解机器人在真实场景中的六种潜在角色，并提出评估其调解效果的方法，旨在推动机器人辅助社会调解的研究发展。
因果性无需因果模型
机构 * Cornell University（康奈尔大学）
AI总结 本文提出了一种无需因果模型即可定义因果性的抽象方法，适用于包含复杂逻辑结构的模型，并扩展了解释定义的应用范围。
Comments In Proceedings TARK 2025, arXiv:2511.20540
Journal ref EPTCS 437, 2025, pp. 160-174
在大型语言模型对齐中操作多元价值观揭示了安全、包容性和模型行为之间的权衡
机构 * Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； Cornell University（康奈尔大学）
AI总结 本研究探讨了在大型语言模型对齐中融入多元价值观的影响，发现不同群体偏好和设计选择对模型行为和安全性有显著影响。
AI中的严谨性：进行严谨的AI工作需要一种更广泛、负责任的AI导向的严谨性观念
机构 * Microsoft Research（微软研究院） ； Cornell Tech（康奈尔科技学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Harvard University（哈佛大学） ； Hugging Face（Hugging Face公司） ； Drexel University（德雷塞尔大学） ； University of Oxford（牛津大学）
AI总结 本文提出AI研究需更广泛的严谨性观念，涵盖方法论、背景知识、规范标准、理论构念、报告方式及推论支持等方面，以提升AI工作的责任性和严谨性。
Comments 21 pages, 1 figure, 1 table, accepted at NeurIPS'25 position papers track
从文本到多模态：探索大型语言模型在医疗实践中的演变与影响
机构 * Kyoto University（京都大学） ； Georgia Institute of Technology（佐治亚理工学院） ； National Taiwan Normal University（台湾师范大学） ； Indiana University（印第安纳大学） ； Hong Kong University of Science（香港科学大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； University of Liverpool（利物浦大学） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学） ； Purdue University（Purdue 大学） ； Emory University, Atlanta, GA, USA（埃默里大学） ； West China Biomedical Big Data Center, West China Hospital, Sichuan University, Chengdu, China（西京生物大数据中心，四川大学西京医院，成都，中国）
AI总结 本文探讨了多模态大型语言模型在医疗实践中的发展与影响，分析其在医疗影像、临床决策支持等领域的应用及面临的挑战。
Comments 12 pages, 1 figure
大语言模型与认知科学：对相似性、差异性和挑战的全面综述
机构 * Kyoto University（京都大学） ； Indiana University（印第安纳大学） ； National Taiwan Normal University（台湾师范大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Hong Kong University of Science（香港科学大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； University of Liverpool, UK（利物浦大学） ； University of Edinburgh, UK（爱丁堡大学） ； Zhejiang University（浙江大学） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； West China Biomedical Big Data Center, West China Hospital, Sichuan University（四川大学西昌生物大数据中心、西昌医院）
AI总结 本文综述了大语言模型与认知科学的相似性、差异性和挑战，探讨了LLMs在认知领域的应用及改进方法。
Comments 10 pages, 1 figure
单策略与双策略强化学习用于动态自行车再平衡
机构 * Department of Mathematical and Industrial Engineering, Polytechnique Montréal（蒙特利尔理工学院数学与工业工程系） ； School of Management, Université du Québec à Montréal（魁北克大学蒙特利尔分校管理学院） ； Cornell Tech and Technion - IIT（康奈尔科技与技术Ion研究所）
AI总结 本文提出单策略与双策略强化学习方法，用于解决动态自行车再平衡问题，通过解耦库存与路由决策提升效率，减少损失需求。
通过随机神经动态模式分解实现稀疏到场的重建
机构 * Cornell University（康奈尔大学）
AI总结 本文提出随机NODE-DMD方法，通过建模连续时间非线性动态实现稀疏到场的重建，并量化预测不确定性，提升科学机器学习中动态系统建模的准确性与可靠性。
量子波兹曼机学习基态能量
机构 * Department of Computer Science, Cornell University, Ithaca, New York 14850, USA（计算机科学系，康奈尔大学，Ithaca，纽约14850，美国） ； Air Force Research Lab, Information Directorate, Rome, New York 13441, USA（空军研究实验室，信息 Directorate，Rome，纽约13441，美国） ； School of Electrical and Computer Engineering, Cornell University, Ithaca, New York 14850, USA（电气与计算机工程系，康奈尔大学，Ithaca，纽约14850，美国）
AI总结 本文提出了一种基于量子波兹曼机的混合算法，用于高效估计哈密顿量的基态能量，避免 barren-plateau 问题，并证明其收敛性。
Comments v3: 8 pages of main text, 31 pages of supplementary material, 5 figures
高效罚函数法：改进分析、新更新方法及平坦性条件
机构 * University of Rochester（罗切斯特大学） ； Cornell University（康奈尔大学）
AI总结 本文提出PBGD-Free算法，通过解耦变量和引入平坦性条件，改进双层优化的收敛性和效率。
Comments arXiv admin note: text overlap with arXiv:2507.20400
PoE-World: 通过程序专家的乘积进行组合世界建模
机构 * Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； Dalhousie University（达尔豪斯大学）
AI总结 PoE-World通过程序专家的乘积有效建模复杂非网格世界领域，利用LLMs学习世界模型并实现高效泛化。
机构 * Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Medicine and Health, TUM University Hospital（医学与健康学院，塔尔博恩大学医院） ； School of Computation, Information and Technology, TUM（计算、信息与技术学院，塔尔博恩大学） ； Weill Cornell Medicine, Cornell University, New York City（韦尔·科恩医学中心，康奈尔大学，纽约市）
机构 * The Ohio State University（俄亥俄州立大学） ； Cornell University（康奈尔大学） ； FPT Software AI Center（FPT软件人工智能中心） ； VinUniversity（文理大学）
Comments Accepted in WACV 2026 (Algorithms track)
机构 * Department of Electrical and Computer Engineering, Cornell University（电气与计算机工程系，康奈尔大学）
机构 * Cornell Tech（康奈尔科技） ； Microsoft Research（微软研究院）
机构 * University of Pennsylvania（宾夕法尼亚大学） ； School of Mechanical Engineering, Tel Aviv University（特拉维夫大学机械工程学院） ； Brigham Young University ； Cornell University（康奈尔大学）
机构 * CSAIL MIT（MIT计算机科学与人工智能实验室） ； Cornell Tech（康奈尔大学技术学院）
机构 * University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Cornell University（康奈尔大学） ； Yale University（耶鲁大学） ； University of California Irvine（加州大学伊万哥罗市分校） ； Brown University（布朗大学） ； Oak Ridge National Laboratory（橡树岭国家实验室）
Comments Accepted by WACV 2026
机构 * New York University（纽约大学） ； Cornell Tech（康奈尔科技） ； Vanderbilt University（范德比尔特大学） ； Weill Cornell Medicine（韦尔医学院） ； Northwell Health（北well健康）
Journal ref Proceedings of SPIE Medical Imaging 2026
机构 * New York University（纽约大学） ； Cornell Tech（康奈尔科技） ； Vanderbilt University（范德比大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Regensburg（莱茵河畔大学） ； Weill Cornell Medicine（韦尔·科恩医学中心） ； Northwell Health（北well健康）
机构 * Cornell University（康奈尔大学）
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学）
Comments Accepted to the Association for Computing Machinery (ACM) Symposium on Computational Fabrication (SCF '25)
机构 * Department of Statistics, University of Washington, USA（华盛顿大学统计系） ； Netflix Research, USA（Netflix研究） ； Cornell Tech, Cornell University, USA（康奈尔科技学院、康奈尔大学）
机构 * Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； Cornell University（康奈尔大学） ； University of Sydney（悉尼大学）
Comments 22 pages, 5 figures
机构 * Department of Information Science at Cornell University（康奈尔大学信息科学系） ； Weill Cornell Medicine, Cornell University（韦尔医学院，康奈尔大学）
Comments This is the author's original submitted version of the paper accepted to the 2025 IEEE International Conference on Robot and Human Interactive Communication (RO-MAN). \c{opyright} 2025 IEEE. Personal use of this material is permitted. For any other use, please contact IEEE
Journal ref 2025 34th IEEE International Conference on Robot and Human Interactive Communication RO-MAN pp. 1460-1465
机构 * Department of Information Science at Cornell University（康奈尔大学信息科学系） ； Department of Media and Information, Michigan State University（密歇根州立大学媒体与信息系） ； Weill Cornell Medicine, Cornell University（韦尔医学院，康奈尔大学）
Comments This is the author's original submitted version of the paper accepted to the 2025 IEEE International Conference on Robot and Human Interactive Communication (RO-MAN). \c{opyright} 2025 IEEE. Personal use of this material is permitted. For any other use, please contact IEEE
Journal ref Proceedings of the 2025 34th IEEE International Conference on Robot and Human Interactive Communication RO-MAN pp. 1699-1704
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Cornell University（康奈尔大学）
机构 * Department of Computer Science, Cornell University（计算机科学系，康奈尔大学） ； School of Electrical and Computer Engineering, Cornell University（电气与计算机工程学院，康奈尔大学）
Comments v2: 24 pages, 4 figures, final version accepted for publication in Physical Review A
Journal ref Physical Review A vol. 112, no. 5, page 052421, November 2025
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Kyoto University（京都大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； Indiana University（印第安纳大学） ； National Taiwan Normal University（台湾师范大学） ； University of Liverpool（利物浦大学） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； West China Biomedical Big Data Center, West China Hospital, Sichuan University（西京生物大数据中心，西京医院，四川大学）
Comments 25 pages, 5 tables
机构 * University of Edinburgh（爱丁堡大学） ； Cornell University（康奈尔大学） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校）
Comments To appear at NeurIPS 2025 - Datasets and Benchmarks Track
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈