Columbia University（哥伦比亚大学）

R-C2: Cycle-Consistent Reinforcement Learning Improves Multimodal Reasoning

R-C2：循环一致性强化学习提升多模态推理

Zirui Zhang, Haoyu Dong, Kexin Pei, Chengzhi Mao

机构 * Rutgers University（罗格斯大学） ； Columbia University（哥伦比亚大学） ； University of Chicago（芝加哥大学） 纠错

AI总结 R-C2通过循环一致性强化学习解决多模态推理中的内部冲突，提升推理准确率7.6个百分点。

ByteStorm: a multi-step data-driven approach for Tropical Cyclones detection and tracking

ByteStorm：一种多步骤数据驱动方法用于热带气旋检测与追踪

Davide Donno, Donatello Elia, Gabriele Accarino, Marco De Carlo, Enrico Scoccimarro, Silvio Gualdi

机构 * CMCC Foundation - Euro-Mediterranean Center on Climate Change（CMCC基金会 - 欧洲-地中海气候变化中心） ； University of Salento, Department of Engineering for Innovation（萨伦托大学创新工程系） ； Department of Earth and Environmental Engineering, Columbia University（哥伦比亚大学地球与环境工程系） 纠错

AI总结 本文提出ByteStorm方法，利用深度学习检测气旋中心并追踪，实现高效、准确的气旋追踪。

Comments 26 pages, 17 figures

The System Prompt Is the Attack Surface: How LLM Agent Configuration Shapes Security and Creates Exploitable Vulnerabilities

系统提示是攻击面：LLM代理配置如何影响安全并创造可利用的漏洞

Ron Litvak

机构 * Independent Researcher（独立研究员） ； Columbia University（哥伦比亚大学） 纠错

AI总结 研究探讨了LLM邮件代理中系统提示配置对安全性和漏洞的影响，发现提示模型交互是关键安全变量，通过不同配置可使钓鱼检测率从低于1%到97%波动，同时提出Safetility指标以平衡检测、可用性和对抗鲁棒性。

Comments 32 pages, 4 figures, 6 tables

Rethinking Health Agents: From Siloed AI to Collaborative Decision Mediators

重新思考健康代理：从孤立AI到协作决策调解者

Ray-Yuan Chung, Xuhai Xu, Ari Pollack

机构 * University of Washington（华盛顿大学） ； Columbia University（哥伦比亚大学） ； Seattle Children’s Hospital（西雅图儿童医院） 纠错

AI总结 本文提出一种新的健康代理框架，通过临床验证的病例研究，展示孤立AI在协作医疗中的不足，并提出设计能整合上下文信息、协调认知模型的AI协作方案。

Comments Accepted in CHI '26 Workshop on Human-Agent Collaboration

Gaze patterns predict preference and confidence in pairwise AI image evaluation

注视模式预测成对AI图像评估中的偏好和信心

Nikolas Papadopoulos, Shreenithi Navaneethan, Sheng Bai, Ankur Samanta, Paul Sajda

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 研究通过眼动追踪揭示成对AI图像评估中的偏好形成过程，发现注视模式能预测二元选择和信心，表明眼动数据能提供与偏好注释质量相关的隐含信号。

Comments This paper has been accepted to ACM ETRA 2026