Columbia University（哥伦比亚大学）

Representation learning to advance multi-institutional studies with electronic health record data from US and France

利用表示学习推动多机构研究的电子健康记录数据：来自美国和法国的数据

Doudou Zhou, Han Tong, Linshanshan Wang, Suqi Liu, Xin Xiong, Ziming Gan, Romain Griffier, Boris Hejblum, Yun-Chung Liu, Chuan Hong, Clara-Lea Bonzel, Tianrun Cai, Kevin Pan, Yuk-Lam Ho, Lauren Costa, Vidul A. Panickan, J. Michael Gaziano, Kenneth Mandl, Vianney Jouhet, Rodolphe Thiebaut, Zongqi Xia, Kelly Cho, Katherine Liao, Tianxi Cai

机构 * Department of Statistics and Data Science, National University of Singapore（新加坡国立大学统计与数据科学系） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Harvard Medical School（哈佛医学院） ； Department of Statistics, University of Chicago（芝加哥大学统计系） ； Univ. Bordeaux, INSERM, Bordeaux Population Health Research Center（波尔多大学，法国国家健康与医学研究院，波尔多人口健康研究中心） ； CHU de Bordeaux, Service d’Information Médicale（波尔多大学医院医学信息部） ； Inria SISTM Team（法国国家信息与自动化研究所SISTM团队） ； Duke University（杜克大学） ； VA Boston Healthcare System（VA波士顿医疗系统） ； Brigham and Women’s Hospital（布里格姆妇女医院） ； Brown University（布朗大学） ； Computational Health Informatics Program, Boston Children’s Hospital（波士顿儿童医院计算健康信息学项目） ； Department of Neurology, University of Pittsburgh（匹兹堡大学神经病学系） 纠错

AI总结 本文提出基于图的框架，通过学习共享语义空间解决多机构电子健康记录数据表示不一致问题，提升跨机构临床模型训练与部署的鲁棒性。

HyperCT: Low-Rank Hypernet for Unified Chest CT Analysis

HyperCT：用于统一胸部CT分析的低秩超网络

Fengbei Liu, Sunwoo Kwak, Hao Phung, Nusrat Binta Nizam, Ilan Richter, Nir Uriel, Hadar Averbuch-Elor, Daborah Estrin, Mert R. Sabuncu

机构 * Cornell Tech and Cornell University（康奈尔科技校区与康奈尔大学） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

AI总结 HyperCT通过动态调整视觉Transformer骨干网络，结合低秩适应技术，实现高效的多任务统一分析，优于现有基线方法。

Comments MIDL 2026

AdamFlow: Adam-based Wasserstein Gradient Flows for Surface Registration in Medical Imaging

AdamFlow: 基于Adam的Wasserstein梯度流用于医学影像中的表面配准

Qiang Ma, Qingjie Meng, Xin Hu, Yicheng Wu, Wenjia Bai

机构 * Department of Brain Sciences, Imperial College London（帝国理工学院脑科学系） ； Department of Computing, Imperial College London（帝国理工学院计算系） ； School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Data Science Institute, Imperial College London（帝国理工学院数据科学研究所） 纠错

AI总结 本文提出AdamFlow方法，将表面网格视为概率测度，利用高效 sliced Wasserstein 距离实现表面配准，理论分析其收敛性并在不同解剖结构上展示了优越性能。

The Self Driving Portfolio: Agentic Architecture for Institutional Asset Management

自主驾驶型投资组合：面向机构资产管理部门的智能架构

Andrew Ang, Nazym Azimbayev, Andrey Kim

机构 * Tau Balance ； Columbia University（哥伦比亚大学） ； Altbridge 纠错

AI总结 本文提出一个智能架构，通过50个专门代理生成资本市场假设，使用20种竞争方法构建投资组合，并相互批评和投票。研究代理提出新方法，元代理比较历史预测与实际回报，优化代理代码和提示以提高未来表现。

Comments 31 pages, 11 exhibits

SURE: Synergistic Uncertainty-aware Reasoning for Multimodal Emotion Recognition in Conversations

SURE：用于对话中多模态情绪识别的协同不确定性推理

Yiqiang Cai, Chengyan Wu, Bolei Ma, Bo Chen, Yun Xue, Julia Hirschberg, Ziwei Gong

机构 * Guangdong Provincial Key Laboratory of Quantum Engineering and Quantum Materials（广东省量子工程与量子材料重点实验室） ； School of Electronic Science and Engineering (School of Microelectronics), South China Normal University（华南师范大学电子科学与工程学院（微电子学院）） ； Shenzhen University（深圳大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 SURE通过整合多模态信号并增强鲁棒性和上下文建模，改进了对话中情绪识别的不确定性处理和细粒度推理能力。

Comments ICASSP 2026

LiveMathematicianBench: A Live Benchmark for Mathematician-Level Reasoning with Proof Sketches

LiveMathematicianBench: 一个用于数学家级推理的实时基准

Linyang He, Qiyao Yu, Hanze Dong, Baohao Liao, Xinxing Xu, Micah Goldblum, Jiang Bian, Nima Mesgarani

机构 * Columbia University（哥伦比亚大学） ； Microsoft Research（微软研究院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 本文提出LiveMathematicianBench，一个基于近期arXiv论文的动态多选基准，用于评估大语言模型的数学推理能力，通过证明草图指导的干扰项生成机制，提升对真实理解的检测。

Comments Project page: https://livemathematicianbench.github.io/

AdaRadar: Rate Adaptive Spectral Compression for Radar-based Perception

AdaRadar: 基于雷达感知的自适应频谱压缩

Jinho Park, Se Young Chun, Mingoo Seok

机构 * Columbia University（哥伦比亚大学） ； Seoul National University（首尔国立大学） 纠错

AI总结 本文提出AdaRadar，通过自适应反馈机制实现雷达数据压缩，动态调整压缩比并利用零阶梯度近似，结合离散余弦变换和量化技术，实现超过100倍的特征尺寸缩减，性能损失仅约1%。

Comments Accepted to CVPR 2026. Project page: https://jp4327.github.io/adaradar/

Beyond Laplace and Gaussian: Exploring the Generalized Gaussian Mechanism for Private Machine Learning

超越拉普拉斯和高斯：探索通用高斯机制用于隐私机器学习

Roy Rinberg, Ilia Shumailov, Vikrant Singhal, Rachel Cummings, Nicolas Papernot

机构 * Harvard University（哈佛大学） ； University of Oxford（牛津大学） ； Columbia University（哥伦比亚大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 本文研究了通用高斯机制在隐私保护机器学习中的应用，证明其满足差分隐私，并在PATE和DP-SGD中验证了其有效性，表明高斯机制在可计算范围内表现优异。

CARE: Privacy-Compliant Agentic Reasoning with Evidence Discordance

CARE：具有证据不一致性的隐私合规代理推理

Haochen Liu, Weien Li, Rui Song, Zeyu Li, Chun Jason Xue, Xiao-Yang Liu, Sam Nallaperuma, Xue Liu, Ye Yuan

机构 * University of Cambridge（剑桥大学） ； McGill University（麦吉尔大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Columbia University（哥伦比亚大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） 纠错

AI总结 针对医疗领域中症状与体征矛盾的问题，CARE框架通过多阶段隐私合规的代理推理，在不访问敏感数据的情况下提升冲突证据处理能力。

Comments Preprint

Foundation Model-guided Iteratively Prompting and Pseudo-Labeling for Partially Labeled Medical Image Segmentation

基于基础模型的迭代提示与伪标签方法用于部分标注的医学图像分割

Qiaochu Zhao, Wei Wei, David Horowitz, Richard Bakst, Yading Yuan

机构 * Department of Biomedical Engineering, Columbia University（哥伦比亚大学生物医学工程系） ； Department of Radiation Oncology, Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心放射肿瘤科） ； Data Science Institute, Columbia University（哥伦比亚大学数据科学研究所） ； Herbert Irving Comprehensive Cancer Center, Columbia University（哥伦比亚大学赫伯特·欧文综合癌症中心） ； Department of Radiation Oncology, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院放射肿瘤科） 纠错

AI总结 本文提出IPnP框架，通过训练网络与冻结基础模型协作，迭代生成并优化未标注器官的伪标签，提升部分标注条件下医学图像分割性能。

Comments 5 pages, 5 figures. Accepted for presentation at IEEE International Symposium on Biomedical Imaging (ISBI) 2026

HabitatAgent: An End-to-End Multi-Agent System for Housing Consultation

HabitatAgent：一种端到端的多智能体系统用于住房咨询

Hongyang Yang, Yanxin Zhang, Yang She, Yue Xiao, Hao Wu, Yiyang Zhang, Jiapeng Hou, Rongshan Zhang

机构 * Fangdongdong（方东东） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出HabitatAgent，一种基于LLM的多智能体系统，通过四个专业角色提供可审计且可靠的住房咨询流程，实现高准确率的住房选择支持。

Comments Accepted at the DMO-FinTech Workshop (PAKDD 2026)

Robust Geospatial Coordination of Multi-Agent Communications Networks Under Attrition

在 Attrition（ attrition）下多智能体通信网络的鲁棒地理协调

Jonathan S. Kent, Eliana Stefani, Brian Plancher

机构 * Advanced Technology Center, Lockheed Martin Space（洛克希德·马丁航天公司先进技术中心） ； Fu Foundation School of Engineering and Applied Science, Columbia University（哥伦比亚大学傅氏基金工程与应用科学学院） ； Lockheed Martin AI Center, Lockheed Martin Corporation（洛克希德·马丁公司人工智能中心） ； Barnard College, Columbia University（哥伦比亚大学巴纳德学院） ； Dartmouth College（达特茅斯学院） 纠错

AI总结 本文提出在极端环境中通过鲁棒任务网络下 attrition（ attrition）问题，利用物理启发的多智能体网络算法实现高可靠性通信，实验表明其在高 attrition 环境下仍能保持高任务 uptime。

Comments 8 pages, 4 figures, 4 tables, accepted to IEEE RA-L

Regularizing Extrapolation in Causal Inference

在因果推断中正则化外推

David Arbour, Harsh Parikh, Bijan Niknam, Elizabeth Stuart, Kara Rudolph, Avi Feller

机构 * Adobe Research（Adobe研究院） ； Yale University（耶鲁大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出统一框架，通过正则化外推水平来改进因果推断中的外推问题，引入偏倚-偏倚-方差权衡，并通过合成实验和实际应用验证其有效性。

VectorGym: A Multitask Benchmark for SVG Code Generation, Sketching, and Editing

VectorGym：一个多任务基准用于SVG代码生成、草图和编辑

Juan Rodriguez, Haotian Zhang, Abhay Puri, Tianyang Zhang, Rishav Pramanik, Meng Lin, Xiaoqing Xie, Marco Terral, Darsh Kaushik, Aly Shariff, Perouz Taslakian, Spandana Gella, Sai Rajeswar, David Vazquez, Christopher Pal, Marco Pedersoli

机构 * ServiceNow Research（ServiceNow 研究院） ； Mila, Quebec AI Institute（Mila 魁北克人工智能研究所） ； Columbia University（哥伦比亚大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Stony Brook University（石溪大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Minzu University of China（中央民族大学） ； University of Waterloo（滑铁卢大学） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能讲席） ； Computer Vision Center（计算机视觉中心） 纠错

AI总结 VectorGym提出一个涵盖SVG生成、复杂编辑和视觉理解的多任务基准，通过专家标注解决现有基准的不足，采用多任务强化学习方法，训练出性能领先的Qwen3-VL模型，公开可用。

IMPASTO: Integrating Model-Based Planning with Learned Dynamics Models for Robotic Oil Painting Reproduction

IMPASTO：整合基于模型的规划与学习的动力学模型用于机器人油画复现

Yingke Wang, Hao Li, Yifeng Zhu, Hong-Xing Yu, Ken Goldberg, Li Fei-Fei, Jiajun Wu, Yunzhu Li, Ruohan Zhang

机构 * Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学） 纠错

AI总结 IMPASTO通过整合学习的动力学模型与基于模型的规划，实现机器人基于目标油画图像的复现，无需人类示范或精确模拟，提升复现精度。

A Semi-amortized Lifted Learning-to-Optimize Masked (SALLO-M) Transformer Model for Scalable and Generalizable Beamforming

一种用于可扩展和通用波束成形的半 amortized 提升学习到优化遮蔽（SALLO-M）变换器模型

Yubo Zhang, Xiao-Yang Liu, Xiaodong Wang

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出SALLO-M模型，通过多层Transformer和迭代优化实现可扩展波束成形，采用双令牌化与结构化遮蔽提升泛化能力，结合滑动窗口、课程学习和样本回放策略提升鲁棒性，实现在不同信道条件下优于基线方法的性能。

Comments 13 pages

Cheap Bootstrap for Fast Uncertainty Quantification of Stochastic Gradient Descent

低成本的Bootstrap方法用于快速的随机梯度下降不确定性量化

Henry Lam, Zitong Wang

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出两种计算成本低的重采样方法，用于构建随机梯度下降解的置信区间，通过改进的Berry-Esseen型界减少计算量，避免现有分批方法的复杂混合条件。

Journal ref Journal of Machine Learning Research, 27(25-0008):1-42, 2026

EffiSkill: Agent Skill Based Automated Code Efficiency Optimization

EffiSkill：基于代理技能的自动代码效率优化

Zimu Wang, Yuling Shi, Mengfan Li, Zijun Liu, Jie M. Zhang, Chengcheng Wan, Xiaodong Gu

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学） ； King's College London（伦敦国王学院） ； East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 EffiSkill通过构建可移植的优化工具箱，利用代码效率优化机制，实现无运行反馈的代码优化，提升了优化成功率。

Investigation on the Robustness of Acoustic Foundation Models on Post Exercise Speech

对运动后语音上 acoustic 基础模型鲁棒性的研究

Xiangyuan Xue, Yuyu Wang, Ruijie Yao, Xiaoyue Ni, Xiaofan Jiang, Jingping Nie

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Auckland（奥克兰大学） ； Duke University（杜克大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文研究了运动后语音中自动语音识别的鲁棒性，比较了多种模型在不同条件下的表现，发现领域微调能显著提升CTC模型性能，但Whisper适应性不稳定，非流畅说话者表现更差。

Autonomous Agent-Orchestrated Digital Twins (AADT): Leveraging the OpenClaw Framework for State Synchronization in Rare Genetic Disorders

自主代理协调数字孪生（AADT）：利用OpenClaw框架实现罕见遗传病中的状态同步

Hongzhuo Chen, Zhanliang Wang, Quan M. Nguyen, Gongbo Zhang, Chunhua Weng, Kai Wang

机构 * Raymond G. Perelman Center for Cellular and Molecular Therapeutics, Children's Hospital of Philadelphia（费城儿童医院雷蒙德·G·佩雷尔曼细胞与分子治疗中心） ； Applied Mathematics and Computational Science Graduate Program, University of Pennsylvania（宾夕法尼亚大学应用数学与计算科学研究生项目） ； Bioengineering Graduate Program, University of Pennsylvania（宾夕法尼亚大学生物工程研究生项目） ； Department of Biomedical Informatics, Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心生物医学信息学系） ； Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院病理学与实验医学系） 纠错

AI总结 本文提出基于OpenClaw框架的自主代理协调数字孪生框架，通过持续监控数据流和自动化工作流，实现医疗数字孪生状态与纵向表型更新和进化基因组知识的同步，提升罕见病诊断和疾病进展建模的准确性。

Voice-based debate with an AI adversary is associated with increased divergent ideation

基于语音的辩论与AI对手互动与发散性思维增加相关

Neelam Modi Jain, Dan J. Wang

机构 * Management Division, Columbia Business School, Columbia University（哥伦比亚大学哥伦比亚商学院管理系） 纠错

AI总结 研究通过分析957次开放式辩论，发现语音互动在结构上与文本互动不同，语音更冗长但有助于保持连贯性，而文本更简洁但限制了概念广度。

Comments 16 pages, 1 figure, 1 table

Mean--Variance Portfolio Selection by Continuous-Time Reinforcement Learning: Algorithms, Regret Analysis, and Empirical Study

连续时间强化学习中的均值-方差投资组合选择：算法、遗憾分析与实证研究

Yilie Huang, Yanwei Jia, Xun Yu Zhou

机构 * Columbia University（哥伦比亚大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出一种连续时间强化学习方法，用于均值-方差投资组合选择，通过直接学习预承诺投资策略，不需估计市场系数，并在Black-Scholes市场中证明了其性能保证，实证显示其在波动市场中表现优异。

Comments 94 pages, 8 figures, 18 tables

HASS: Hierarchical Simulation of Logopenic Aphasic Speech for Scalable PPA Detection

HASS：面向可扩展PPA检测的层次化日语口语模拟

Harrison Li, Kevin Wang, Cheol Jun Cho, Jiachen Lian, Rabab Rangwala, Chenxu Guo, Emma Yang, Lynn Kurteff, Zoe Ezzes, Willa Keegan-Rodewald, Jet Vonk, Siddarth Ramkrishnan, Giada Antonicelli, Zachary Miller, Marilu Gorno Tempini, Gopala Anumanchipalli

机构 * UC Berkeley（加州大学伯克利分校） ； UCSF（加州大学旧金山分校） ； Zhejiang University（浙江大学） ； Columbia University（哥伦比亚大学） ； Basque Center on Cognition, Brain and Language（巴斯克认知、大脑与语言中心） 纠错

AI总结 本文提出HASS框架，通过系统模拟lvPPA的语义、语音和时间缺陷，提升PPA检测模型的准确性和泛化能力。

The Limits of Learning from Pictures and Text: Vision-Language Models and Embodied Scene Understanding

图像与文本学习的极限：视觉语言模型与具身场景理解

Gillian Rosenberg, Skylar Stadhard, Bruce C. Hansen, Michelle R. Greene

机构 * Barnard College, Columbia University（哥伦比亚大学巴纳德学院） ； Colgate University（科尔盖特大学） 纠错

AI总结 研究探讨图像与文本学习在人类场景理解中的局限性，通过对比18个视觉语言模型与2000名人类观察者在15项任务中的表现，发现模型在具身认知任务中存在显著缺陷，表明分布学习不足以实现基于 affordance 的场景理解。

Comments 7 figures, 5 tables

FastCache: Fast Caching for Diffusion Transformer Through Learnable Linear Approximation

通过可学习线性近似加速扩散变换器的FastCache

Dong Liu, Yanxuan Yu, Jiayi Zhang, Yifan Li, Ben Lengerich, Ying Nian Wu

机构 * Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Wisconsin--Madison（威斯康星大学麦迪逊分校） ； Michigan State University（密歇根州立大学） 纠错

AI总结 本文提出FastCache，通过隐藏状态层面的缓存与压缩框架，利用模型内部表示中的冗余性加速扩散变换器推理，结合可学习线性近似方法，有效降低计算开销并保持生成质量。

R-C2: Cycle-Consistent Reinforcement Learning Improves Multimodal Reasoning

R-C2：循环一致性强化学习提升多模态推理

Zirui Zhang, Haoyu Dong, Kexin Pei, Chengzhi Mao

机构 * Rutgers University（罗格斯大学） ； Columbia University（哥伦比亚大学） ； University of Chicago（芝加哥大学） 纠错

AI总结 R-C2通过循环一致性强化学习解决多模态推理中的内部冲突，提升推理准确率7.6个百分点。

ByteStorm: a multi-step data-driven approach for Tropical Cyclones detection and tracking

ByteStorm：一种多步骤数据驱动方法用于热带气旋检测与追踪

Davide Donno, Donatello Elia, Gabriele Accarino, Marco De Carlo, Enrico Scoccimarro, Silvio Gualdi

机构 * CMCC Foundation - Euro-Mediterranean Center on Climate Change（CMCC基金会 - 欧洲-地中海气候变化中心） ； University of Salento, Department of Engineering for Innovation（萨伦托大学创新工程系） ； Department of Earth and Environmental Engineering, Columbia University（哥伦比亚大学地球与环境工程系） 纠错

AI总结 本文提出ByteStorm方法，利用深度学习检测气旋中心并追踪，实现高效、准确的气旋追踪。

Comments 26 pages, 17 figures

The System Prompt Is the Attack Surface: How LLM Agent Configuration Shapes Security and Creates Exploitable Vulnerabilities

系统提示是攻击面：LLM代理配置如何影响安全并创造可利用的漏洞

Ron Litvak

机构 * Independent Researcher（独立研究员） ； Columbia University（哥伦比亚大学） 纠错

AI总结 研究探讨了LLM邮件代理中系统提示配置对安全性和漏洞的影响，发现提示模型交互是关键安全变量，通过不同配置可使钓鱼检测率从低于1%到97%波动，同时提出Safetility指标以平衡检测、可用性和对抗鲁棒性。

Comments 32 pages, 4 figures, 6 tables

Rethinking Health Agents: From Siloed AI to Collaborative Decision Mediators

重新思考健康代理：从孤立AI到协作决策调解者

Ray-Yuan Chung, Xuhai Xu, Ari Pollack

机构 * University of Washington（华盛顿大学） ； Columbia University（哥伦比亚大学） ； Seattle Children’s Hospital（西雅图儿童医院） 纠错

AI总结 本文提出一种新的健康代理框架，通过临床验证的病例研究，展示孤立AI在协作医疗中的不足，并提出设计能整合上下文信息、协调认知模型的AI协作方案。

Comments Accepted in CHI '26 Workshop on Human-Agent Collaboration

Gaze patterns predict preference and confidence in pairwise AI image evaluation

注视模式预测成对AI图像评估中的偏好和信心

Nikolas Papadopoulos, Shreenithi Navaneethan, Sheng Bai, Ankur Samanta, Paul Sajda

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 研究通过眼动追踪揭示成对AI图像评估中的偏好形成过程，发现注视模式能预测二元选择和信心，表明眼动数据能提供与偏好注释质量相关的隐含信号。

Comments This paper has been accepted to ACM ETRA 2026