Columbia University（哥伦比亚大学）

AdamFlow: Adam-based Wasserstein Gradient Flows for Surface Registration in Medical Imaging

AdamFlow: 基于Adam的Wasserstein梯度流用于医学影像中的表面配准

Qiang Ma, Qingjie Meng, Xin Hu, Yicheng Wu, Wenjia Bai

机构 * Department of Brain Sciences, Imperial College London（帝国理工学院脑科学系） ； Department of Computing, Imperial College London（帝国理工学院计算系） ； School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Data Science Institute, Imperial College London（帝国理工学院数据科学研究所） 纠错

AI总结 本文提出AdamFlow方法，将表面网格视为概率测度，利用高效 sliced Wasserstein 距离实现表面配准，理论分析其收敛性并在不同解剖结构上展示了优越性能。

The Self Driving Portfolio: Agentic Architecture for Institutional Asset Management

自主驾驶型投资组合：面向机构资产管理部门的智能架构

Andrew Ang, Nazym Azimbayev, Andrey Kim

机构 * Tau Balance ； Columbia University（哥伦比亚大学） ； Altbridge 纠错

AI总结 本文提出一个智能架构，通过50个专门代理生成资本市场假设，使用20种竞争方法构建投资组合，并相互批评和投票。研究代理提出新方法，元代理比较历史预测与实际回报，优化代理代码和提示以提高未来表现。

Comments 31 pages, 11 exhibits

SURE: Synergistic Uncertainty-aware Reasoning for Multimodal Emotion Recognition in Conversations

SURE：用于对话中多模态情绪识别的协同不确定性推理

Yiqiang Cai, Chengyan Wu, Bolei Ma, Bo Chen, Yun Xue, Julia Hirschberg, Ziwei Gong

机构 * Guangdong Provincial Key Laboratory of Quantum Engineering and Quantum Materials（广东省量子工程与量子材料重点实验室） ； School of Electronic Science and Engineering (School of Microelectronics), South China Normal University（华南师范大学电子科学与工程学院（微电子学院）） ； Shenzhen University（深圳大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 SURE通过整合多模态信号并增强鲁棒性和上下文建模，改进了对话中情绪识别的不确定性处理和细粒度推理能力。

Comments ICASSP 2026

LiveMathematicianBench: A Live Benchmark for Mathematician-Level Reasoning with Proof Sketches

LiveMathematicianBench: 一个用于数学家级推理的实时基准

Linyang He, Qiyao Yu, Hanze Dong, Baohao Liao, Xinxing Xu, Micah Goldblum, Jiang Bian, Nima Mesgarani

机构 * Columbia University（哥伦比亚大学） ； Microsoft Research（微软研究院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 本文提出LiveMathematicianBench，一个基于近期arXiv论文的动态多选基准，用于评估大语言模型的数学推理能力，通过证明草图指导的干扰项生成机制，提升对真实理解的检测。

Comments Project page: https://livemathematicianbench.github.io/

AdaRadar: Rate Adaptive Spectral Compression for Radar-based Perception

AdaRadar: 基于雷达感知的自适应频谱压缩

Jinho Park, Se Young Chun, Mingoo Seok

机构 * Columbia University（哥伦比亚大学） ； Seoul National University（首尔国立大学） 纠错

AI总结 本文提出AdaRadar，通过自适应反馈机制实现雷达数据压缩，动态调整压缩比并利用零阶梯度近似，结合离散余弦变换和量化技术，实现超过100倍的特征尺寸缩减，性能损失仅约1%。

Comments Accepted to CVPR 2026. Project page: https://jp4327.github.io/adaradar/

Beyond Laplace and Gaussian: Exploring the Generalized Gaussian Mechanism for Private Machine Learning

超越拉普拉斯和高斯：探索通用高斯机制用于隐私机器学习

Roy Rinberg, Ilia Shumailov, Vikrant Singhal, Rachel Cummings, Nicolas Papernot

机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Columbia University（哥伦比亚大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 本文研究了通用高斯机制在隐私保护机器学习中的应用，证明其满足差分隐私，并在PATE和DP-SGD中验证了其有效性，表明高斯机制在可计算范围内表现优异。