Columbia University（哥伦比亚大学）

When One Modality Rules Them All: Backdoor Modality Collapse in Multimodal Diffusion Models

当一种模态统治一切：多模态扩散模型中的后门模态崩溃

Qitong Wang, Haoran Dai, Haotian Zhang, Christopher Rasmussen, Binghui Wang

机构 * University of Delaware（德克萨斯大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文研究了多模态扩散模型中后门攻击的模态崩溃现象，发现攻击常依赖单一模态，跨模态交互反而降低攻击效果，揭示了现有评估的盲点。

Comments Accepted to the ICLR 2026 Workshop on Principled Design for Trustworthy AI. The first two authors contributed equally

Revisiting the (Sub)Optimality of Best-of-N for Inference-Time Alignment

重新审视最佳-N在推理时间对齐中的（次）最优性

Ved Sriraman, Adam Block

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文重新审视了最佳-N在推理时间对齐中的次优性，证明在特定条件下BoN在胜率上最优，并提出消除奖励黑客攻击的改进方法。

Comments 52 pages

Warm Starting State-Space Models with Automata Learning

基于自动机构建的状态空间模型的暖启动方法

William Fishell, Sam Nicholas Kouteili, Mark Santolucito

机构 * Columbia University（哥伦比亚大学） ； Yale University（耶鲁大学） 纠错

AI总结 本文提出基于自动机构建的状态空间模型的暖启动方法，通过结合符号学习与连续学习的优势，提高了复杂系统学习的效率和准确性。

ZK-HybridFL: Zero-Knowledge Proof-Enhanced Hybrid Ledger for Federated Learning

ZK-HybridFL：零知识证明增强的混合账本用于联邦学习

Amirhossein Taherpour, Xiaodong Wang

机构 * Electrical Engineering Department, Columbia University（哥伦比亚大学电气工程系） 纠错

AI总结 ZK-HybridFL通过整合DAG账本、侧链和零知识证明，实现隐私保护的分布式联邦学习，提升模型训练效率和安全性。

Comments Accepted for publication in IEEE Transactions on Neural Networks and Learning Systems (TNNLS)