Columbia University（哥伦比亚大学）

Articulated Humanoid Head for a Robot Receptionist Capable of Natural Human Interaction

用于机器人接待员的具有自然人机交互能力的关节式人形头部

Tharusha Fonseka, Charuka Bandara, Moshintha Hewavitharana, Melisa Arukgoda, Wageesha N. Manamperi, Udaya S. K. Perera Miriya Thanthrige, Peshala Jayasekara

机构 * Engineered Arts（工程艺术公司） ； Realbotix（Realbotix公司） ； Columbia University（哥伦比亚大学） 纠错

AI总结 针对现有人形机器人头部的局限，提出用于接待员的关节式人形机器人头部，集成21自由度机械结构与逼真皮肤，结合多种模型进行人脸识别和自然语言处理，经测试和评估，其对话、重新识别及类人等能力表现良好。

Comments This work is accepted at IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM2026)

Journal ref IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM2026)

RIMS: Preference Optimization via Smoothed Multi-pair Aggregation for Small-Scale LLM Retrieval-Augmented Generation

RIMS：通过平滑多对聚合进行偏好优化以实现小规模语言模型检索增强生成

Pei Tian, Zihan Dong, Tianci Liu, Linjun Zhang, Haoyu Wang

机构 * Columbia University（哥伦比亚大学） ； Rutgers University（罗格斯大学） ； Purdue University（普渡大学） ； SUNY Albany（纽约州立大学奥尔巴尼分校） 纠错

AI总结 研究针对小规模语言模型检索增强生成中对噪声证据敏感的问题，提出RIMS框架，通过合成偏好数据、软聚合机制及偏好优化，实现更好性能，在多基准测试中优于现有方法

Journal ref COLM 2026

Spatial Transport of Integration Error in Generative ODEs

生成常微分方程中积分误差的空间传输

Songheng Yin

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 研究生成常微分方程中积分误差的空间传输问题，通过带符号的源和传输计算，利用单步截断残差和结构破坏零值等方法分析误差，还发现训练惩罚注入变化可降误差，模型可据此训练改变。

Comments 21 pages

AQKA: Active Quantum Kernel Acquisition Under a Shot Budget

AQKA: 在有限量子核预算下的主动量子核获取

Jian Xu, Chao Li, Delu Zeng, John Paisley, Qibin Zhao

机构 * RIKEN iTHEMS（日本理化学研究院iTHEMS研究中心） ； RIKEN AIP（日本理化学研究院Advanced Institute for Physics） ； South China University of Technology（华南理工大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出AQKA方法，通过分解射频预算区域，优化量子核学习中的射频分配，提升稀疏敏感KRR和SVM性能，同时在量子硬件上实现多种子在线自适应射频分配。

Sketching the Readout of Large Language Models for Scalable Data Attribution and Valuation

为大规模语言模型的可扩展数据归因与估值绘制读出

Yide Ran, Jianwen Xie, Minghui Wang, Wenjin Zheng, Denghui Zhang, Chuan Li, Zhaozhuo Xu

机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； Lambda Inc.（Lambda公司） ； Columbia University（哥伦比亚大学） ； Mailman School of Public Health（马利曼公共卫生学院） ； University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校） 纠错

AI总结 本文提出RISE方法，通过聚焦输出层影响热点，利用分解的外积形式实现高效归因与估值，减少存储并扩展至32B参数模型，验证了其在数据检测、领域分离和高质量数据选择中的有效性。

Comments 54 pages

Representation-Aware Distributionally Robust Optimization: A Knowledge Transfer Framework

表示感知分布鲁棒优化：一种知识转移框架

Zitao Wang, Nian Si, Molei Liu

机构 * Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系） ； Department of Biostatistics, Peking University Health Science Center（北京大学北京医科大学生物统计学系） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） 纠错

AI总结 研究提出表示感知分布鲁棒估计（READ）框架，利用外部表示指导鲁棒性几何，增加改变表示坐标扰动的运输成本。在当前目标推断和未来总体部署中研究READ，模拟和应用证明其在多源多任务转移学习中有优势。