高校专区
视觉模型是否像人类一样感知静态图像中的错觉运动？
机构 * Columbia University（哥伦比亚大学） ； Kyoto University（京都大学）
AI总结 研究评估了多种光流模型在Rotating Snakes illusion中的表现，发现大多数模型无法生成与人类感知一致的流场，仅人类启发的Dual-Channel模型在模拟眼跳条件下表现出预期的旋转运动。
Comments Accepted to CVPR 2026 Findings
多模态数学推理综述：从感知、对齐到推理
机构 * University of Notre Dame（诺丁汉大学） ； Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； New York University（纽约大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 本文综述了多模态数学推理的研究进展，探讨了如何从多模态输入中提取信息、对齐文本与视觉信息、进行推理以及评估推理过程的正确性。
Comments ACL 2026
神经广义混合效应模型
机构 * Department of Statistics, Columbia University, New York, USA（哥伦比亚大学统计系，纽约，美国） ； Department of Computer Science, Columbia University, New York, USA（哥伦比亚大学计算机科学系，纽约，美国）
AI总结 本文提出神经广义混合效应模型（NGMM），通过将线性函数替换为神经网络，提升对非线性协变量与响应变量关系的建模能力，在合成数据和现实数据集上均优于传统GLMM。
大型语言模型构建空间世界模型了吗？基于网格世界迷宫任务的证据
机构 * University of Notre Dame（圣母大学） ； Columbia University（哥伦比亚大学） ； MQube Cognition（MQube认知实验室）
AI总结 本文通过迷宫任务评估LLM的空间理解能力，发现其空间推理依赖于表示形式而非任务类型，表明LLM缺乏稳健的空间世界模型。
一步式基于分数的密度比率估计
机构 * School of Mathematics, South China University of Technology（华南理工大学数学学院） ； Tensor Learning Team, RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心张量学习团队） ； Department of Electrical Engineering, Columbia University（哥伦比亚大学电气工程系） ； School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息工程学院）
AI总结 本文提出OS-DRE，一种结合直接和基于分数方法优势的框架，通过分解时间分数为空间和时间成分，利用解析径向基函数框架，实现高效密度比率估计。
基于LLM的现实安全关键驾驶视频生成
机构 * Department of Civil Engineering and Engineering Mechanics, Columbia University（哥伦比亚大学土木工程与工程力学系） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系）
AI总结 本文提出利用LLM生成少样本代码实现安全关键驾驶场景生成，结合CARLA模拟器与Cosmos-Transfer1和ControlNet生成真实驾驶视频，提升自动驾驶测试效率。
EgoTL：用于长时任务的目视思考链
机构 * UMN（明尼苏达大学） ； TAMU（德克萨斯农工大学） ； Brown University（布朗大学） ； McGill University（麦吉尔大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Columbia University（哥伦比亚大学） ； Northwestern University（西北大学）
AI总结 本文提出EgoTL，通过构建目视思考链管道，提升长时任务中视觉语言模型和世界模型的推理与规划能力，发现基础模型在作为目视助手或开放世界模拟器方面仍有不足。
Comments https://ego-tl.github.io/
CrashSight：面向交通事故场景理解与推理的相位感知、基础设施导向视频基准
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Wyoming（怀俄明大学） ； Columbia University（哥伦比亚大学）
AI总结 CrashSight通过真实道路摄像头数据构建大规模视频基准，评估视觉语言模型在交通事故场景中的理解与推理能力，揭示现有模型在时间与因果推理方面的不足。
Loom：一种可扩展的分析神经计算机架构
机构 * Columbia University（哥伦比亚大学）
AI总结 Loom是一种可扩展的分析神经计算机架构，通过循环变压器执行编译后的C程序，具有固定成本和固定参数的高效执行机制。
MeshOn：无交集的网格到网格组合
机构 * Columbia University（哥伦比亚大学） ； University of Chicago（芝加哥大学） ； Cornell University（康奈尔大学）
AI总结 MeshOn通过多步骤优化框架实现两个输入网格的物理和语义真实组合，利用结构对齐方案和几何损失防止表面交叠，适用于多种材质配件的精准拟合。
Comments Project page: \hyperlink{https://threedle.github.io/MeshOn/}{this https URL}
从急性肾损伤到慢性肾病的疾病进展表征方法
机构 * Department of Biomedical Informatics, Columbia University（哥伦比亚大学生物医学信息学系） ； Department of Medicine, Division of Nephrology, Columbia University（哥伦比亚大学医学系肾脏病科） ； Department of Medicine, Division of General Medicine, Columbia University（哥伦比亚大学医学系全科医学）
AI总结 本文通过电子健康记录数据动态追踪AKI患者临床演变，利用多状态模型估计状态转移概率，识别CKD风险因素，发现15种不同AKI后状态，揭示不同临床状态下CKD发展概率差异。
Journal ref Journal of Biomedical Informatics 172 (2025) 104956
基于上下文的元学习实现无训练跨受试者脑解码
机构 * University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harvard University（哈佛大学） ； Columbia University（哥伦比亚大学） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一种基于上下文的元学习方法，无需微调即可实现跨受试者的脑解码，通过上下文学习和分层推理提升解码效率与鲁棒性。
Comments Accepted to CVPR 2026, website: https://github.com/ezacngm/brainCodec
视觉-语言与大语言模型在胃肠病学中的表现：GPT、Claude、Llama、Phi、Mistral、Gemma及量化模型
机构 * Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院） ； University of Texas Health（德克萨斯大学健康科学中心） ； Virginia Hospital Center（弗吉尼亚医院中心） ； Shahid Beheshti University of Medical Sciences（沙希德·贝赫什提医科大学） ； Stanford University（斯坦福大学） ； Cedars-Sinai Medical Center（西达赛奈医疗中心） ； Inova Fairfax Medical Campus（伊诺瓦费尔法克斯医疗中心） ； University of California–Los Angeles（加州大学洛杉矶分校） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Columbia University（哥伦比亚大学）
AI总结 本研究评估了大语言模型和视觉-语言模型在胃肠病学中的医学推理性能，比较了不同模型配置、参数及提示工程策略对性能的影响，发现专有模型在准确性上优于开源模型，且图像描述对视觉-语言模型性能有显著影响。
Comments Manuscript Pages: 34, Figures: 7, Tables: 2, Supplementary File Pages: 35, Data Transparency Statement: Code is available at: https://github.com/Sdamirsa/LLM-VLM-in-Gastroenterology . Study data from American College of Gastroenterology (ACG) are restricted and available upon request with ACG permission. Correction: updated abstract considering Llama3.1 results
Journal ref npj Digital Medicine 8, 797 (2025)
SYN-DIGITS: 一种合成控制框架用于校准数字孪生模拟
机构 * Finance Division, Columbia Business School（哥伦比亚商学院金融系） ； Department of IEOR, Columbia University（哥伦比亚大学工业工程与运筹学系） ； Decision, Risk, and Operations Division, Columbia Business School（哥伦比亚商学院决策、风险与运营系） ； Department of IEOR and Data Science Institute, Columbia University（哥伦比亚大学工业工程与运筹学系和数据科学研究所）
AI总结 本文提出SYN-DIGITS框架，通过学习数字孪生响应的潜在结构，校准大语言模型预测与人类行为的一致性，提升市场研究和社交科学中的模拟可靠性。
位置即一切：连续时空神经表示法用于地球观测数据
机构 * University of the Bundeswehr Munich（慕尼黑联邦国防军大学） ； IBM Research – Europe（IBM欧洲研究院） ； Columbia University（哥伦比亚大学） ； German Aerospace Center (DLR)（德国航空航天中心）
AI总结 本文提出LIANet，通过连续时空神经场建模多时相遥感数据，无需原始数据即可实现卫星影像重建，并在各种下游任务中取得与从头训练或使用现有GFMs相当的性能。
Comments Updated the affiliation of one of the authors, no changes to the technical content
通过形式验证高效PRM训练数据合成
机构 * Penn State University（宾夕法尼亚州立大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出FoVer框架，利用形式验证工具生成PRM训练数据，提升LLM推理能力，实验显示其在数学逻辑和自然语言推理任务中均有效。
Comments ACL 2026 Findings. Datasets, models, and code are provided at https://github.com/psunlpgroup/FoVer. Please also refer to our project website at https://fover-prm.github.io/
SensorPersona: 一种基于大语言模型的持续性人设提取系统，用于从长期移动传感器流中无感获取
机构 * The Chinese University of Hong Kong（香港中文大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出SensorPersona系统，通过多模态长期传感器流持续提取稳定用户人设，提升LLM代理的个性化响应质量。系统通过上下文编码、分层人设推理和自适应更新，实现对物理行为、心理特质和生活经验的全面分析。
MAE-SAM2：基于掩码自编码器的SAM2用于临床视网膜血管渗漏分割
机构 * University of Nebraska Omaha（内布拉斯加大学奥马哈分校） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） ； Stanford University（斯坦福大学）
AI总结 本文提出MAE-SAM2，一种用于荧光素血管造影图像视网膜血管渗漏分割的新基础模型。通过结合自监督学习与SAM2，该方法在实验中优于现有模型，实现更高的Dice分数和IoU，性能提升5%。
EffiPair：通过相对对比反馈提升LLM生成代码的效率
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出EffiPair框架，通过相对对比反馈机制在测试时迭代优化代码效率，减少性能反馈开销，实验证明其在代码效率提升方面优于传统方法。
FinCriticalED：一个用于金融事实级OCR的视觉基准
机构 * Columbia University（哥伦比亚大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Georgia Institute of Technology（佐治亚理工学院） ； New York University（纽约大学） ； University of Minnesota（明尼苏达大学） ； Halmstad University（哈尔姆斯塔德大学） ； Harvard University（哈佛大学） ； University of Manchester（曼彻斯特大学）
AI总结 本文提出FinCriticalED基准，用于评估OCR和视觉语言模型在金融关键证据上的保真度，发现数值和货币单位是最脆弱的事实类型，揭示了词汇准确性和事实可靠性之间的差距。
Comments Xueqing Peng: Corresponding-Author
基于事件的可解释推理用于视频问答
机构 * Columbia University（哥伦比亚大学） ； Virginia Tech（弗吉尼亚理工大学）
AI总结 本文提出ENTER系统，通过事件图实现可解释的视频问答，利用事件图结构提升可解释性、上下文信息整合和鲁棒性，优于传统自上而下和自下而上方法。
人工智能聚合如何影响知识
机构 * Massachusetts Institute of Technology（麻省理工学院） ； NBER（美国国家经济研究局） ； CEPR（经济政策研究中心） ； Columbia University（哥伦比亚大学） ； Tuck School of Business at Dartmouth College（达特茅斯学院塔克商学院）
AI总结 本文研究人工智能聚合对学习的影响，通过扩展DeGroot模型引入AI聚合器，分析聚合速度对学习效果的影响，发现局部聚合器优于全局聚合器。
Comments 45 pages
一种鲁棒的SINDy自编码器用于噪声动力系统识别
机构 * Department of Mathematics, Columbia University（哥伦比亚大学数学系）
AI总结 本文提出一种鲁棒的SINDy自编码器，通过引入噪声分离模块提高对噪声动力系统识别的鲁棒性，并在洛伦兹系统上验证了其有效性。
Comments 27 pages
从好奇心到谨慎：通过悲观主义缓解最佳-N中的奖励黑客
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出一种基于悲观主义的缓解方法，通过降低不典型响应的奖励估计来避免奖励黑客，证明其在最佳-N采样中有效。
Comments 29 pages, 8 figures
具有不确定性的临床数据基础模型
机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出一种考虑不确定性的临床数据基础模型框架，通过学习集合值表示并强制一致性，提升预测性能和数据缺失下的鲁棒性。
重写视频：基于文本的视频重写
机构 * Columbia University（哥伦比亚大学） ； Adobe Research（Adobe研究院）
AI总结 本文提出基于文本的视频重写方法，通过生成重建算法将视频转为可编辑文本提示，并通过交互式工具Rewrite Kit实现视频内容的重写，探讨了文本驱动视频重写的新范式。
DoubleAgents：社会嵌入式工作流中的人机对齐
机构 * Columbia University（哥伦比亚大学）
AI总结 DoubleAgents通过分布式认知框架实现人机对齐，整合协调代理、可视化仪表板和策略模块，提升复杂社会嵌入式任务的执行效率与用户信任。
Comments 21 pages, 10 figures
联邦迁移学习与差分隐私
机构 * School of Mathematics, University of Birmingham（伯明翰大学数学学院） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Biostatistics, School of Global Public Health, New York University（纽约大学全球公共卫生学院生物统计系） ； Department of Statistics, University of Warwick（华威大学统计系）
AI总结 本文提出联邦差分隐私框架，解决分布式数据异质性和隐私保护问题，通过多源数据信息提升目标数据集学习效果，分析隐私模型的统计问题及最小最大率。
Comments 101 pages, 7 figures
量化信任：为可信AI代理的金融风险管理
机构 * Microsoft Research（微软研究院） ； Columbia University（哥伦比亚大学） ； Google DeepMind（谷歌DeepMind） ； Stanford University（斯坦福大学） ； t54.ai ； Virtuals ACP ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 本文提出基于金融风险管理的Agentic Risk Standard框架，通过整合风险评估与补偿机制，将信任从隐含期望转为可衡量的产品保证，提升AI代理在开放环境中的可靠性。
Comments 30 pages, 9 figures
近最优半参数带its中的最佳臂识别
机构 * Columbia University（哥伦比亚大学）
AI总结 本文研究了半参数带its中的固定置信度最佳臂识别，通过正交化回归方法，提出高效算法并证明了近最优样本复杂度。
Comments To appear at AISTATS 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