Columbia University（哥伦比亚大学）

The First ChineseBabyLM Challenge: training data-efficient and cognitively plausible language models for Chinese

首个中文BabyLM挑战：训练数据高效且认知合理的中文语言模型

Siyuan Song, Zhiheng Qian, Yunhao Zhang, Linyang He, Xiaozhe Ji, Yingxin Lin, Hongao Zhu, Chongtian Shao, Chuhan Lang, Luan Li, Rui Wang, Renfen Hu, Shaonan Wang, Hai Hu

机构 * Princeton University（普林斯顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； Chinese Academy of Sciences（中国科学院） ； Columbia University（哥伦比亚大学） ； Beijing Normal University（北京师范大学） ； Tsinghua University（清华大学） ； University of California San Diego（加利福尼亚大学圣地亚哥分校） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 首个中文BabyLM挑战将在2026年自然语言处理与中文计算会议举办，要求用1亿中文词元从头训练语言模型，在自然语言理解、认知对齐和汉字知识三轨道评估，不限分词器、模型架构和训练轮数。

Comments 13 pages

Subliminal Steering: Stronger Encoding of Hidden Signals

潜意识操控：更强大的隐藏信号编码

George Morgulis, John Hewitt

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出潜意识操控方法，通过训练转向向量增强隐藏信号传输，展示多词偏见传输、机制证据及高精度编码。

Multilook Coherent Imaging: Theoretical Guarantees and Algorithms

多视相干成像：理论保证与算法

Xi Chen, Soham Jana, Christopher A. Metzler, Arian Maleki, Shirin Jalali

机构 * Department of Electrical and Computer Engineering, Rutgers University（电气与计算机工程系，罗格斯大学） ； Department of Applied and Computational Mathematics and Statistics, University of Notre Dame（应用与计算数学与统计系，诺特难大学） ； Department of Computer Science, University of Maryland（计算机科学系，马里兰大学） ； Department of Statistics, Columbia University（统计系，哥伦比亚大学） 纠错

AI总结 本文针对多视相干成像的散斑噪声问题，建立了深度图像先验下最大似然估计的MSE理论上界，结合Newton-Schulz算法与装袋策略改进PGD，实现了最优性能。

Comments 38 pages, 8 figures, 6 tables. arXiv admin note: substantial text overlap with arXiv:2402.15635 (https://arxiv.org/abs/2402.15635). Version accepted for publication in IEEE Transactions on Information Theory