Characterizing Linear Alignment Across Language Models
表征语言模型间的线性对齐
机构 * Independent Researcher（独立研究者） ； Department of Computer Science（计算机科学系） ； Columbia University（哥伦比亚大学）
AI总结 研究独立训练的大语言模型间是否存在线性对齐，并探索其在文本生成、嵌入分类、分布外检测及隐私保护跨孤岛推理中的应用。
高校专区
Columbia University（哥伦比亚大学）
Reward-free Alignment for Conflicting Objectives
无奖励的冲突目标对齐
机构 * Columbia University（哥伦比亚大学）
AI总结 提出RACO框架，通过冲突规避梯度下降的裁剪变体直接利用成对偏好数据解决多目标冲突，实现帕累托最优对齐。
Comments Accepted to ICML 2026 (Oral)
Growing a Neural Network in Breadth, Depth, and Time
在广度、深度和时间上生长神经网络
机构 * Columbia University（哥伦比亚大学） ； NSF AI Institute for Artificial and Natural Intelligence（国家科学基金会人工智能与自然智能研究院）
AI总结 提出在循环卷积神经网络中定义广度、深度和时间的可微成本，通过反向传播联合优化任务误差和资源成本，发现三者可相互权衡，且模型使用的时间与人类反应时间相关。
Abduction-Deduction Entanglement: Domain Generalization via Representation Transplants
溯因-演绎纠缠：通过表示移植实现领域泛化
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出一种基于表示移植的方法，通过参数化溯因-演绎纠缠中的非可识别性，在源分布约束下搜索目标分布空间，实现领域泛化中的最优目标预测。
Representation Without Control: Testing the Realization Effect in Language Models
无控制的表征：测试语言模型中的实现效应
机构 * Columbia University（哥伦比亚大学）
AI总结 通过提示行为、线性读出和因果控制三个层面，测试语言模型是否表现出类似人类的实现效应，发现潜在读出成功但因果控制无效，表明三者不自动共存。
Towards Multi-Turn Dialog Systems for Industrial Asset Operations and Maintenance
面向工业资产运维的多轮对话系统
机构 * Columbia University（哥伦比亚大学）
AI总结 针对工业资产运维中的多轮、迭代问答问题，提出基于监督者-专家多智能体架构的多轮对话系统，通过结构化工件复用、动态重规划和并行工具执行，显著提升规划效果和任务完成率。
Reflect-Guard: Enhancing LLM Safeguards against Adversarial Prompts via Logical Self-Reflection
Reflect-Guard: 通过逻辑自我反思增强大语言模型对对抗性提示的防护
机构 * Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； Citigroup（摩根大通） ； Independent Researcher（独立研究者）
AI总结 提出Reflect-Guard方法，通过参数高效微调为大语言模型安全分类器注入链式思维自我反思能力，显著提升对对抗性越狱攻击的检测性能。
Comments 12 pages, 2 figures, and 4 tables
LLM-SAA: LLM-persona Generated Distributions for Decision-making
LLM-SAA：基于LLM人格生成分布的决策方法
机构 * Stern School of Business, New York University（纽约大学 Stern 商学院） ； Department of Computer Science, Columbia University（哥伦比亚大学 计算机科学系） ； Graduate School of Business and Data Science Institute, Columbia University（哥伦比亚大学 商学院和数据科学研究院）
AI总结 研究利用LLM生成分布（如模拟消费者支付意愿）支持下游决策，通过三个经典问题（分类优化、定价、报童模型）评估其实际效用，发现低数据场景下有效，且决策无关指标（如Wasserstein距离）可能误导。
An Interactive Paradigm for Deep Research
深度研究的交互式范式
机构 * Adobe Research（Adobe研究院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系）
AI总结 提出SteER框架，通过可解释的中间过程控制、成本效益决策和实时用户模型，在深度研究中实现用户对齐，性能优于现有基线。
Right-Sizing Communication and Recommendation Set Size in AI-Assisted Search
AI辅助搜索中的通信与推荐集规模合理设定
机构 * Columbia Business School, Columbia University（哥伦比亚大学商学院） ； Amazon.com Inc.（亚马逊公司）
AI总结 通过建模用户与AI推荐系统的交互，研究在考虑通信成本和搜索成本时，如何优化消息精度和推荐集大小以最大化用户期望收益。
Authority Signals in Claude AI Health Citations: A Descriptive Analysis Using the Authority Signals Framework
Claude AI 健康引用中的权威信号：基于权威信号框架的描述性分析
机构 * Department of Health and Human Performance, York College, The City University of New York（健康与人类绩效系，约克学院，纽约市立大学） ； Department of Health Studies & Applied Educational Psychology, Teachers College, Columbia University（健康研究与应用教育心理学系，哥伦比亚大学教师学院） ； Department of Accounting and Finance, York College, The City University of New York（会计与金融系，约克学院，纽约市立大学） ； Department of Public Health, William Paterson University（公共卫生系，威廉·帕特森大学）
AI总结 本研究使用权威信号框架，分析 Anthropic 的 Claude AI 在回答消费者健康问题时引用来源的权威信号，发现机构来源占主导地位（97.8%），并建立了 Claude 引用行为的基线。
Comments 10 pages, 2 figures, 2 tables
VineLM: Trie-Based Fine-Grained Control for Agentic Workflows
VineLM: 基于Trie的细粒度控制用于智能体工作流
机构 * Columbia University（哥伦比亚大学）
AI总结 提出VineLM工作流管理器，通过Trie结构动态选择每个阶段调用的模型，在请求级目标下优化成本-延迟-准确率边界，稀疏分析减少离线分析成本98-99.8%。
Uncovering Autoregressive LLM Knowledge of Thematic Fit in Event Representation
揭示自回归LLM在事件表示中主题适配性的知识
机构 * Imperial College London（伦敦帝国学院） ； Columbia University（哥伦比亚大学） ； University of Washington（华盛顿大学）
AI总结 通过多种提示设计、输入上下文操作、推理和输出形式，研究自回归大语言模型是否具有一致且可表达的事件参数主题适配性知识，并在基准测试上取得新最优结果。
Comments Significant update with massive changes: all experiments rerun with current LLMs; includes new probability estimate analysis and expanded results in Sections 4 and 5. The paper has been accepted to CoNLL-2026
