Columbia University（哥伦比亚大学）

MEDAL: Manifold Embedding Distillation via Autoencoder Learning

MEDAL: 通过自编码器学习的流形嵌入蒸馏

Irene Chang, Tarek M. Zikry, Genevera I. Allen

机构 * Department of Statistics, Columbia University（哥伦比亚大学统计学系） ； School of Data and Information Sciences, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校数据与信息科学学院） ； Irving Institute for Cancer Dynamics, Columbia University（哥伦比亚大学癌症动力学研究所） ； Center for Theoretical Neuroscience, Zuckerman Mind Brain Behavior Institute, Columbia University（哥伦比亚大学理论神经科学中心，Zuckerman心智-大脑-行为研究所） 纠错

AI总结 提出MEDAL框架，通过约束自编码器将流形嵌入蒸馏为可复用的编码器-解码器模型，实现留出验证、超参数选择和分布偏移检测。

Thoughts-as-Planning: Latent World Models for Chain-of-Thoughts Optimization via Reinforcement Planning

思想即规划：通过强化规划进行思维链优化的潜在世界模型

Dong Liu, Yanxuan Yu, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学） 纠错

AI总结 提出Thoughts-as-Planning框架，将思维链优化形式化为潜在语义空间中的序贯决策过程，通过潜在世界模型模拟推理链编辑对下游输出的影响，并利用梯度下降或强化学习进行规划，在语言理解和生成任务上优于现有基线。

Estimating Continuous Treatment Effects with Two-Stage Kernel Ridge Regression

使用两阶段核岭回归估计连续治疗效果

Seok-Jin Kim, Kaizheng Wang

机构 * Department of IEOR, Columbia University（哥伦比亚大学工业工程与运营研究系） ； Department of IEOR and Data Science Institute, Columbia University（哥伦比亚大学工业工程与数据科学研究所） 纠错

AI总结 针对连续治疗的效果函数估计问题，提出两阶段核岭回归方法，通过第一阶段建模响应与治疗和协变量的关系，第二阶段构造伪结果校正分布偏移，无需估计条件治疗密度即可达到最优学习界，并实现数据驱动的模型选择。