Columbia University（哥伦比亚大学）

2606.09659 2026-06-09 cs.CL cs.AI cs.LG 新提交

End-to-End Context Compression at Scale

端到端上下文压缩的规模化

Ang Li, Sean McLeish, Haozhe Chen, Nimit Kalra, Zaiqian Chen, Artem Gazizov, Venkata Anoop Suhas Kumar Morisetty, Bhavya Kailkhura, Harshitha Menon, Zhuang Liu, Brian R. Bartoldson, Tom Goldstein, Sanae Lotfi, Micah Goldblum, Pavel Izmailov

机构 * New York University（纽约大学）； Modal Labs（Modal实验室）； University of Maryland（马里兰大学）； Princeton University（普林斯顿大学）； Columbia University（哥伦比亚大学）； Harvard University（哈佛大学）； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）； FAIR at Meta（Meta FAIR实验室）

AI总结本研究通过架构搜索和持续预训练，提出潜在上下文语言模型（LCLMs），一种端到端编码器-解码器压缩器，在通用任务性能、压缩速度和峰值内存上改进帕累托前沿，并可作为长时智能体的高效骨干。

2606.08610 2026-06-09 cs.RO cs.AI 新提交

HARBOR: A Harness Framework for Agentic Robot Reinforcement Learning

HARBOR：面向智能体机器人强化学习的框架

Zechu Li, Yufeng Jin, Xiaoyang Liu, Puze Liu, Vignesh Prasad, Carlo D'Eramo, Georgia Chalvatzaki

机构 * TU Darmstadt（达姆施塔特工业大学）； Honda Research Institute Europe（本田欧洲研究所）； Columbia University（哥伦比亚大学）； Tongji University（同济大学）； Shanghai Research Institute for Intelligent Autonomous Systems（上海智能自主系统研究院）； University of Würzburg（维尔茨堡大学）； Hessian.AI（黑森人工智能中心）

AI总结提出HARBOR框架，通过将机器人强化学习自动化视为框架工程问题，利用专用智能体、标准化命令和可复用知识，在模拟中自动完成从环境搭建到策略训练的全流程，并在6个基准测试和16个任务中验证其有效性。

2606.08311 2026-06-09 cs.AI 新提交

Curation of a Cardiology Interface Terminology for Highlighting Electronic Health Records using Machine Learning

利用机器学习构建心脏病学接口术语以突出电子健康记录

Mahshad Koohi Habibi Dehkordi, Shuxin Zhou, Yehoshua Perl, Fadi P. Deek, James Geller, Gai Elhanan, Andrew J. Einstein, Luke Lindemann, Vipina K. Keloth

机构 * Department of Computer Science, New Jersey Institute of Technology（新泽西理工学院计算机科学系）； Department of Computer Science, St.Francis College（圣弗朗西斯学院计算机科学系）； Department of Informatics, New Jersey Institute of Technology（新泽西理工学院信息学系）； Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系）； Center for Genomic Medicine, School of Medicine, University of Nevada（内华达大学医学学院基因组医学中心）； Department of Medicine, Cardiology Division, Columbia University Irving Medical Center（哥伦比亚大学伊万杰琳医学中心内科部（心内科））； Advanced Metrics Laboratory, School of Medicine and Health Sciences, George Washington University（乔治华盛顿大学医学院与健康科学学院高级指标实验室）； Department of Biomedical Informatics and Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系）

AI总结提出基于机器学习的心脏病学接口术语（CIT）设计方法，通过半自动构建训练数据并训练模型，实现对电子健康记录中关键信息的高亮，覆盖率达74.21%。

2606.07688 2026-06-09 cs.IR cs.AI cs.CL cs.LG 新提交

TRACER: Token ReAssignment for Concept ERasure in Generative Recommendation

TRACER: 面向生成式推荐中概念擦除的令牌重分配

Ziheng Chen, Jiali Cheng, Zezhong Fan, Hadi Amiri, Diyuan Wu, Gabriele Tolomei, Yang Zhang

机构 * Stony Brook University（石英布鲁克大学）； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）； Columbia University（哥伦比亚大学）； Institute of Science and Technology Austria（奥地利科学技术研究院）； Sapienza University of Rome（罗马大学 sapienza）； National University of Singapore（新加坡国立大学）

AI总结针对生成式推荐中概念遗忘与推荐效用冲突的问题，提出基于令牌重分配的概念遗忘框架TRACER，通过将概念相关物品重分配给替代令牌并引入一致性正则化，有效移除目标概念同时保持推荐效用。