Columbia University（哥伦比亚大学）

Anatomically Consistent Cross-Contrast Super-Resolution of Anisotropic Brain T2w MRI

各向异性脑部T2加权MRI的解剖学一致跨对比度超分辨率

Mengqi Shen, Haicheng Wang, Meghna Trivedi, Tony J. Wang, Yuanguang Xu, Yingyan Zeng, Yading Yuan

机构 * Columbia University（哥伦比亚大学） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） ； Herbert Irving Comprehensive Cancer Center（赫伯特·欧文综合癌症中心） ； University of Cincinnati（辛辛那提大学） 纠错

AI总结 该研究提出VIPP-SR框架，利用跨对比度引导实现各向异性脑部T2w MRI的超分辨率，经实验验证可提升下游分割性能，且具备跨队列泛化能力。

Router Sensitivity Under Lightweight Fine-Tuning Identifies Prunable Experts in Mixture-of-Experts Models

Ali Janati, Kaoutar El Maghraoui, Xinyi Luo, Wenyuan Shen, Owen Zou, Yankai Mao

机构 * Columbia University（哥伦比亚大学） ； Data Science Institute, Columbia University（哥伦比亚大学数据科学研究所） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） 纠错

Comments 25 pages, 6 figures, 11 tables. Code: https://github.com/ianKa1/MoE_pruning/tree/main

Evolving Safety Landscape of Multi-modal Large Language Models: A Survey of Emerging Threats and Safeguards

多模态大语言模型的演进安全态势：新兴威胁与防护措施综述

Xi Li, Shu Zhao, Xiaohan Zou, Fei Zhao, Fuxiao Liu, Yusen Zhang, Cheng Han, Yushun Dong, Jiaqi Wang

机构 * University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； NVIDIA（英伟达公司） ； Penn State University（宾夕法尼亚州立大学） ； Columbia University（哥伦比亚大学） ； University of Missouri-Kansas City（密苏里大学堪萨斯分校） ； Florida State University（佛罗里达州立大学） ； Auburn University（奥本大学） 纠错

AI总结 本综述针对多模态大语言模型（MLLMs）的新型安全威胁，提出多模态安全威胁分类法，梳理安全策略进展，探讨未来安全机制的研究方向。

Comments Accepted at the ICLR 2026 Workshop on Principled Design for Trustworthy AI