高校专区
BifDet：用于气道树建模的3D分支检测数据集
机构 * LTCI, Telecom Paris, Insitut Polytechnique de Paris, Palaiseau, France（LTCI，巴黎电信学院，巴黎理工学院，Palaiseau，法国） ； Department of Medicine, Columbia University, New York, USA（哥伦比亚大学医学系，纽约，美国）
AI总结 本文提出BifDet数据集，用于3D气道分支检测，填补了现有资源的空白。通过RetinaNet和DETR模型验证，提供预处理流程和实现细节，为未来研究提供基准。
Comments This manuscript is currently in preparation for submission
用于天然气现货价格时间序列预测的液体神经网络模型
机构 * Department of Data Science, Columbia University（哥伦比亚大学数据科学系）
AI总结 本文提出利用液体神经网络改进天然气现货价格短期预测，以应对市场波动和非平稳性挑战，提升能源交易和电力市场决策支持。
基于语音的认知筛查：大型语言模型适应策略的系统评估
机构 * Columbia University Irving Medical Center（哥伦比亚大学伊文思医疗中心） ； School of Nursing, Columbia University（哥伦比亚大学护理学院）
AI总结 本文系统评估了大型语言模型在痴呆症检测中的适应策略，发现上下文学习、推理增强提示和参数高效微调等方法对模型性能有显著影响，展示了适配模型在语音筛查中的有效性。
Journal ref https://ai.jmir.org/2026/1/e82608
AgentPulse：一个连续多信号框架用于评估AI代理在部署中的表现
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Columbia University（哥伦比亚大学） ； OpenMesh AI
AI总结 本文提出AgentPulse框架，通过18种实时信号评估50个AI代理在10种工作负载中的表现，揭示部署中的采纳、维护和体验信息，强调其作为方法论而非真实排名的价值。
Comments 19 pages, 5 figures, 9 tables. Preprint under review
SSR-Zero：用于机器翻译的简单自我奖励强化学习
机构 * Tencent Hunyuan（腾讯文元） ； Columbia University（哥伦比亚大学）
AI总结 本文提出SSR-Zero框架，通过自评奖励实现无参考、在线训练，优于现有MT特定LLM和通用LLM，在英中翻译任务中表现突出。
编码代理在价值冲突下的非对称目标漂移
机构 * Columbia University（哥伦比亚大学） ； Independent（独立） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（加州大学圣地亚哥分校） ； MATS ； SPAR
AI总结 研究编码代理在价值冲突中如何平衡系统提示与实际任务，发现其目标漂移受价值对齐、对抗压力和累积上下文影响，且环境压力可 override 显式约束。
Comments 5 pages, 4 figures, Published as a workshop paper in Lifelong Agents @ ICLR 2026
利用单张图像预测太阳能
机构 * Computer Science Department, Columbia University（哥伦比亚大学计算机科学系）
AI总结 本文提出利用单张图像预测太阳能板辐照度的方法，通过分析图像中的视觉线索确定相机姿态和可见天空部分，从而预测太阳和天空的辐照度。实验表明该方法在城市峡谷中比传统方法更准确。
Comments 22 pages, 15 figures. Project page: https://cave.cs.columbia.edu/projects/categories/project?cid=Physics-Based%20Vision&pid=Forecasting%20Solar%20Energy%20Using%20a%20Single%20Image
Journal ref Solar Energy, Vol. 313, 2026
通过自蒸馏实现多token预测
机构 * University of Maryland（马里兰大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Columbia University（哥伦比亚大学） ； TogetherAI
AI总结 本文提出通过自蒸馏将预训练的自回归语言模型转换为快速独立的多token预测模型，无需额外辅助模型或复杂管道，实现更快的解码速度和更高的准确性。
Comments 9 pages and 5 figures in the main body
灵活的多任务学习与因子化扩散策略
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学） ； Norwegian University of Science and Technology（挪威科学与技术大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出一种因子化扩散策略框架，通过将复杂动作分布分解为多个专用扩散模型，提升多任务学习的灵活性和适应性，实验证明其在仿真和现实机器人任务中表现优异。
关于未来职业推荐的推理方法
机构 * Singapore Management University（新加坡国立管理学院） ； Columbia University（哥伦比亚大学）
AI总结 本文提出一种两阶段职业预测方法，通过生成用户职业选择原因来提升大语言模型在职业推荐中的性能，实验表明该方法在准确率上优于无监督方法。
Comments Accepted to PAKDD 2026
谁的故事被讲述？LLM在生命叙事中的位置性与偏见
机构 * Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Department of Applied Physics and Applied Mathematics, Columbia University（哥伦比亚大学应用物理与应用数学系） ； Department of Psychology, Northwestern University（西北大学心理学系）
AI总结 本文研究LLM在生命叙事抽象分析中的伦理与有效性，提出基于总结的管道以揭示LLM在解读叙事时的偏见，识别种族和性别偏见并呼吁未来研究中使用该分析方法。
光学和近红外是相连的
机构 * Department of Astrophysical Sciences, Princeton University（普林斯顿大学天体物理系） ； Center for Statistics and Machine Learning, Princeton University（普林斯顿大学统计与机器学习中心） ； Center for Computational Astrophysics, Flatiron Institute（Flatiron研究所计算天文学中心） ； Columbia University, Columbia Astrophysics Lab（哥伦比亚大学哥伦比亚天文学实验室）
AI总结 本文提出一种数据驱动模型，利用光学SDSS光谱的神经摘要准确预测红外WISE光度，改进了AGN和尘埃参数的约束，并发现现有SED拟合方法存在偏差。
Comments Accepted to ApJ. 18 pages, 14 figures. 11 pages of Appendix
无监督的置信度校准用于推理语言模型：从单次生成出发
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出一种无监督置信度校准方法，通过单次生成数据提升推理语言模型的置信度估计，经多任务评估显著优于基线方法，提升下游任务表现。
Comments 41 pages, 14 tables, 12 figures
ConforNets: 基于潜在空间的开放Fold3构象控制
机构 * Department of Systems Biology, Columbia University, NY, USA（系统生物学系，哥伦比亚大学，纽约，美国） ； Department of Computer Science, Columbia University, NY, USA（计算机科学系，哥伦比亚大学，纽约，美国） ； Department of Computer Science, Princeton University, Princeton, NJ, USA（计算机科学系，普林斯顿大学，普林斯顿，新泽西州，美国）
AI总结 ConforNets通过在AF3架构中对潜在表示进行通道级仿射变换，实现了对构象变化的全局调控，提升了多态本征的生成能力和跨蛋白质家族的构象转移能力。
多尺度可逆混沌游戏表示：序列分类的统一框架
机构 * Columbia University（哥伦比亚大学） ； Department of Computer Science, Institute of Business Administration（计算机科学系，商学院）
AI总结 本文提出多尺度可逆混沌游戏表示（MS-RCGR）框架，通过理性算术和分层k-mer分解生成尺度不变特征，提升生物序列分类性能，结合传统机器学习、计算机视觉和混合方法实现多范式分析。
XOXO：针对AI编码助手的隐蔽跨域上下文污染攻击
机构 * Columbia University（哥伦比亚大学） ； Stanford University（斯坦福大学）
AI总结 本文提出XOXO攻击，通过隐蔽的跨域上下文污染使AI编码助手生成漏洞代码。引入GCGS算法，利用Cayley图系统搜索变换空间，实现75.72%的攻击成功率，传统防御方法无效。
Comments Accepted to ACL 2026 (main)
具有预算意识的任意时间推理与LLM合成的偏好数据
机构 * Columbia University（哥伦比亚大学） ； Oracle AI
AI总结 研究在有限计算预算下LLM的推理行为，提出任意时间推理框架和Anytime Index指标，通过LLM合成的偏好数据提升推理效率与质量。
Comments ACL 2026 Findings, 13 pages, 3 figures, 1 table
数字双胞胎作为游乐场镜子：五大关键扭曲
机构 * Columbia University（哥伦比亚大学） ； Yale University（耶鲁大学） ； Yeshiva University（耶鲁神学院）
AI总结 研究通过19项预注册研究，比较人类与数字双胞胎对164种不同结果的反应，发现数字双胞胎预测准确度较低且与人类反应相关性弱，识别出五大系统性扭曲问题，并释放数据集和代码以促进方法改进。
实时自行车与行人安全系统：具备宽视角感知与评估测试平台的城市交叉口
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出一个基于边缘设备的实时碰撞预警系统，利用宽视角鱼眼镜头实现30fps的音频和视觉警报，通过校准流程、鱼眼感知检测、符合性仿真和可审计决策层设计，实现了93.3%的灵敏度和92.3%的特异性。
解码AI导师效果用于教育测量：时间、多结果和行为-认知分析
机构 * Columbia University（哥伦比亚大学）
AI总结 本研究提出一个AI导师原型框架，通过时间交互模式、多结果分析和行为-认知学习者画像，探讨早期交互模式对后续表现和信任的预测作用，以及不同AI导师反馈条件下的多结果权衡和学习者画像识别。
Comments 25 Pages, 9 Figures
同一条主张，不同判断：多语言金融虚假信息检测中情境诱导偏见的基准测试
机构 * The University of Manchester（曼彻斯特大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； The Fin AI（Fin AI） ； Columbia University（哥伦比亚大学） ； Islamic University of Technology（伊斯兰科技大学） ； Athens University of Economics and Business（雅典经济与商业大学） ； Archimedes, Athena Research Center（阿基米德，亚特兰蒂斯研究中心） ； MBZUAI ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Dubai Police（迪拜警察） ； University of Melbourne（墨尔本大学） ； Halmstad University（哈姆斯塔德大学） ； University of Florida（佛罗里达大学） ； ELLIS Manchester（曼彻斯特ELLIS）
AI总结 本文提出MFMDScen基准，用于评估LLM在多语言金融虚假信息检测中的情境诱导偏见，通过构建三种复杂金融场景并整合虚假信息主张，系统评估22种主流LLM的性能。
因果推断中有限重叠下的敏感性方法
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出一种敏感性框架，用于在有限重叠情况下评估因果推断结果的稳健性，通过分析结果函数的不规则性来量化偏差，并通过实验证明该方法能防止虚假发现。
SignX：在紧凑的姿态丰富潜在空间中实现连续手语识别
机构 * Rutgers University（罗格斯大学） ； Nanyang Technological University（南洋理工大学） ； Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Wisconsin--Madison（威斯康星大学麦迪逊分校） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出SignX框架，通过统一潜在表示和ViT模型实现高效连续手语识别，显著降低计算消耗并在翻译任务中达到SOTA准确率。
Comments 33 pages, CSLR SOTA (2026). More demo at https://signerx.github.io/SignX/
量化多查询LLM推理中的跨查询矛盾
机构 * Virginia Tech（弗吉尼亚理工大学） ； Columbia University（哥伦比亚大学）
AI总结 本文研究多查询推理中的逻辑一致性，提出包含390个实例的基准测试，引入集级指标，通过提取承诺、验证全局可满足性及反例引导修复，减少跨查询矛盾并保持单查询准确性。
Comments Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models. 9 pages, 6 tables, code and data at https://huggingface.co/datasets/rohitspider/cross_query_benchmark
AI辅助干预的部署：容量限制与嘈杂合规性
机构 * Decision, Risk, and Operations, Columbia Business School（哥伦比亚商学院决策、风险与运营部门） ； Department of Statistics, Columbia University（哥伦比亚大学统计学系） ； Division of Pulmonary, Allergy, and Critical Care Medicine, Department of Medicine, Vagelos College of Physicians and Surgeons, Columbia University（哥伦比亚大学瓦格洛斯医学与外科学院肺科、过敏与危重医学分会）
AI总结 本文研究了在服务容量限制和行为响应不确定的情况下，AI辅助干预的最优阈值设置问题，提出Operational AUC作为改进的算法选择指标。
AgentOpt v0.1 技术报告：基于LLM的代理的客户端优化
机构 * Microsoft Research, AI Frontiers（微软研究院，人工智能前沿） ； Cornell University（康奈尔大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出AgentOpt框架，用于解决LLM代理客户端资源分配问题，通过多种搜索算法优化模型选择和资源分配，提升效率与效果。
Comments 24 pages, 1 figure
通过分位数曲线进行无模型的模拟器保真度评估
机构 * Department of IEOR and Data Science Institute, Columbia University（工业工程与数据科学学院，哥伦比亚大学）
AI总结 本文提出通过分位数曲线评估模拟器保真度，构建置信区间以估计潜变量参数差异，支持统计推断和风险测量，适用于多种输出空间。
Comments 39 pages, 15 figures
多模态操控 via 多模态策略共识
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学）
AI总结 本文提出通过多模态策略共识实现多模态操控，采用扩散模型分解策略并利用路由网络动态组合模态贡献，提升机器人操控任务中多模态推理能力。
Comments 8 pages, 7 figures. Project website: https://policyconsensus.github.io
通过生成深度估计从单张线稿中重建3D线框
机构 * Creative Machines Lab, Columbia University（创意机器实验室，哥伦比亚大学）
AI总结 本文提出一种生成方法，将线稿重建视为条件密集深度估计任务，利用Latent Diffusion Model和ControlNet风格的条件框架解决正投影的固有歧义，并通过图遍历的BFS掩码策略支持迭代的线稿-重建-线稿工作流，实现从稀疏2D线稿到密集3D表示的转换。
FAST：一种结合注意机制和状态空间模型的协同框架用于时空交通预测
机构 * Columbia University（哥伦比亚大学） ； San Francisco State University（旧金山州立大学） ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 FAST结合注意机制和状态空间模型，提出了一种可扩展的时空交通预测框架，通过时空-时空架构和Mamba基的空模块，有效捕捉短期和长期时间模式及长距离传感器依赖，实验表明其在精度、可扩展性和泛化性上均优于现有方法。
Comments Accepted by ICME 2026
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