Learning Clinical Representations Under Systematic Distribution Shift
在系统分布偏移下学习临床表示
机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出了一种实践不变的多模态临床预测框架，通过联合优化预测性能与抑制环境信息，提升模型在分布外情况下的鲁棒性和可转移性。
高校专区
Columbia University（哥伦比亚大学）
CbLDM: A Diffusion Model for recovering nanostructure from atomic pair distribution function
CbLDM：一种用于从原子对分布函数恢复纳米结构的扩散模型
机构 * School of Statistics and Data Science, Nankai University, Tianjin 300071, China（统计与数据科学学院，南开大学，天津300071，中国） ； NITFID, School of Statistics and Data Science, Nankai University, Tianjin 300071, China（NITFID，统计与数据科学学院，南开大学，天津300071，中国） ； Department of Applied Physics and Applied Mathematics, Columbia University, New York, NY, 10027, USA（应用物理与应用数学系，哥伦比亚大学，纽约，NY，10027，美国） ； Department of Materials, University of California, Santa Barbara, Santa Barbara, CA 93101（材料系，加州大学，圣巴巴拉，CA 93101）
AI总结 CbLDM通过条件先验和拉普拉斯矩阵改进，实现从原子对分布函数恢复纳米结构的高效生成。
ShakyPrepend: A Multi-Group Learner with Improved Sample Complexity
ShakyPrepend：一种改进样本复杂度的多组学习器
机构 * Department of Statistics and Data Science（统计与数据科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； Computer Science Department（计算机科学系） ； Data Science Institute（数据科学学院） ； Columbia University（哥伦比亚大学） ； Machine Learning Department（机器学习系）
AI总结 ShakyPrepend通过差分隐私启发的工具改进多组学习的样本复杂度，适应组结构和空间异质性，并提供现实应用指导。
Comments 29 pages, 10 figures, submitted to ICML2026
Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering
音频-语言模型在倾听吗？音频专家头用于自适应音频引导
机构 * Bar-Ilan University（巴伊兰大学） ； Columbia University（哥伦比亚大学）
AI总结 本文通过识别音频专家注意力头，提出一种方法来增强音频信息在音频-语言模型中的作用，从而提升模型性能。
Mining Beyond the Bools: Learning Data Transformations and Temporal Specifications
挖掘超越布尔值：学习数据转换与时间规范
机构 * Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； Barnard College（巴纳德学院）
AI总结 本文提出了一种基于SyGuS技术挖掘数据转换与时间规范的方法，通过扩展TSL_f语义提升系统行为建模的表达能力，并在ToyText环境中验证了其高效性和鲁棒性。
Margin-Consistent Deep Subtyping of Invasive Lung Adenocarcinoma via Perturbation Fidelity in Whole-Slide Image Analysis
通过全滑片图像分析中的扰动保真度实现侵袭性肺腺癌的边缘一致性深度子类型化
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出通过扰动保真度实现侵袭性肺腺癌全滑片图像分析的边缘一致性深度子类型化，显著提升了分类准确率和泛化能力。
Comments This document is the author's accepted manuscript (author version). The final published version is available online in the Journal of Imaging Informatics in Medicine at DOI: 10.1007/s10278-026-01875-6
Variational Learning of Gaussian Process Latent Variable Models through Stochastic Gradient Annealed Importance Sampling
通过随机梯度退火重要性采样学习高斯过程潜在变量模型
机构 * South China University of Technology（华南理工大学） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学）
AI总结 本研究提出了一种基于退火重要性采样的方法，用于改进高斯过程潜在变量模型的变分推断，通过重新参数化ELBO提升效率，并在多个数据集上验证了其优越的性能。
