高校专区
给评分者打分：评估智能数据分析系统的经验教训
机构 * Columbia University（哥伦比亚大学）
AI总结 针对智能数据分析系统输出复杂、难以评估的问题，提出三层人机评分级联（严格正则匹配、LLM宽松评分、基于片段的人工检查），在153个任务上实现100%精确率，宽松评分召回率97%，并通过迭代提示机制将评分成功率从36%提升至97%。
基于流的逆求解器近似了什么？一种后验传输视角
机构 * RIKEN iTHEMS（日本理化学研究所跨学科理论数学科学项目） ； RIKEN AIP（日本理化学研究所人工智能项目） ； South China University of Technology（华南理工大学） ； Columbia University（哥伦比亚大学）
AI总结 本文从后验传输角度分析基于流的逆问题求解器，证明源分布重加权可精确采样后验，而轨迹引导方法存在偏差，并提出一种高效的修正求解器。
修剪视觉世界建模评估的长尾
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学） ； Columbia University（哥伦比亚大学）
AI总结 针对视觉世界模型在罕见物理交互上泛化不足的问题，提出Tailor-Bench基准，通过常规、非常规和不可能三种场景模式系统评估模型推理能力，揭示长尾性能差距。
因果强化学习导论
机构 * Columbia University（哥伦比亚大学） ； Graduate School of Data Science（数据科学研究生院）
AI总结 本文提出将因果推断与强化学习统一在结构因果模型框架下，引入广义策略学习、模仿学习和反事实学习等新任务，形成因果强化学习（CRL）领域。
闭环：形式化验证的法律作为自我改进法律AI的奖励信号
机构 * Harvard University（哈佛大学） ； Columbia University（哥伦比亚大学）
AI总结 提出一种架构，通过LLM驱动的形式化转换和验证内核，为法律AI提供可验证的奖励信号，实现闭环强化学习，并在多个法律领域展示其优势。
Comments 14 pages, no figures
分布漂移下的目标感知线性回归
机构 * Department of Statistics（统计学系） ； Columbia University（哥伦比亚大学）
AI总结 针对训练与部署间的分布漂移，提出混合损失估计器作为目标感知基准，并开发了约束矩匹配和两阶段估计两种计算可行方案，推导渐近均方误差并比较性能。
未来软件职业的技能：超越智能体AI！
机构 * National University of Singapore（新加坡国立大学） ； Columbia University（哥伦比亚大学）
AI总结 本文通过2026年在纽约和新加坡举行的两场圆桌会议，总结未来软件工程师所需的核心技能，强调验证与确认在智能体处理实现时的重要性。
MortarBench: 评估抵押贷款发起代理
机构 * Columbia University（哥伦比亚大学） ； Tidalwave
AI总结 提出MortarBench基准，通过金融数据合成与变异管道生成覆盖边缘案例的示例，评估大语言模型在贷款发起任务中的表现，发现模型准确率低且存在偏见，并引入CRIT校准框架提升准确率至80.5%。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈