Columbia University（哥伦比亚大学）

Toward Generalist Neural Motion Planners for Robotic Manipulators: Challenges and Opportunities

迈向通用神经运动规划器的机器人机械臂：挑战与机遇

Davood Soleymanzadeh, Ivan Lopez-Sanchez, Hao Su, Yunzhu Li, Xiao Liang, Minghui Zheng

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University（J. Mike Walker ’66 机械工程系，德克萨斯A&M大学） ； Lab of Biomechatronics and Intelligent Robotics, Department of Biomedical Engineering, Tandon School of Engineering, New York University（生物机械与智能机器人实验室，生物医学工程系，Tandon工程学院，纽约大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Zachry Department of Civil and Environmental Engineering, Texas A&M University（土木与环境工程系，德克萨斯A&M大学） 纠错

AI总结 本文探讨了通用神经运动规划器在机器人机械臂中的挑战与机遇，分析了现有方法的优缺点，并提出了改进方向。

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 23, pp. 4488-4531, 2026

MiniBEE: A New Form Factor for Compact Bimanual Dexterity

MiniBEE：一种新型紧凑双臂灵巧性形式因子

Sharfin Islam, Zewen Chen, Zhanpeng He, Swapneel Bhatt, Andres Permuy, Brock Taylor, James Vickery, Zhengbin Lu, Cheng Zhang, Pedro Piacenza, Matei Ciocarlie

机构 * Dept. of Mechanical Engineering（机械工程系） ； Dept. of Computer Science（计算机科学系） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出MiniBEE，一种紧凑双臂灵巧性装置，通过3+自由度臂的耦合保持抓取器相对位置，提升灵巧空间并实现两种操作模式。

Bi-CRCL: Bidirectional Conservative-Radical Complementary Learning with Pre-trained Foundation Models for Class-incremental Medical Image Analysis

Bi-CRCL：基于预训练基础模型的双向保守-激进互补学习用于类别增量医疗图像分析

Xinyao Wu, Zhe Xu, Cheng Chen, Jiawei Ma, Yefeng Zheng, Raymond Kai-yu Tong

机构 * Department of Biomedical Engineering, The Chinese University of Hong Kong（生物医学工程系，香港中文大学） ； Department of Radiation Oncology, Columbia University Irving Medical Center and Data Science Institute, Columbia University（放射肿瘤学系，哥伦比亚大学伊万杰琳医学中心及数据科学研究院，哥伦比亚大学） ； Department of Electrical and Electronic Engineering and School of Biomedical Engineering, The University of Hong Kong（电气电子工程系和生物医学工程学院，香港大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，城市大学） ； Department of Artificial Intelligence, Westlake University（人工智能系，西湖大学） 纠错

AI总结 本文提出Bi-CRCL框架，通过保守和激进学习者结合双向交互机制，解决医疗图像类别增量学习中的异构数据与隐私约束问题，提升模型持续学习能力。

Comments preprint; under review

Bridging the Know-Act Gap via Task-Level Autoregressive Reasoning

通过任务级自回归推理弥合知行差距

Jihyun Janice Ahn, Ryo Kamoi, Berk Atil, Renze Lou, WonWoo Kang, Heehyun Park, Sarkar Snigdha Sarathi Das, Zhuoyang Zou, Xiaoxin Lu, Yusen Zhang, Asfahan Shah, Ridwanul Hasan Tanvir, Lingxiao Zhao, Hongxi Huang, Vignesh Venkatesh, Dianjun Lin, Hamid Shah, Wentao Wang, Zhanpeng Song, Joshua Reed Bassin, Dax Patel, Ishan Appareddy Agrahar, Sahil Pardasani, Xin Dong, Fatemeh Rahbari, Benjamin David Rishel, Soochan Andrew Lee, Yuv Boghani, Ali B. AlNaseeb, Pranav Suby, Seokhyeon Bae, Shreya Buddharaju, Damien Kula, Soumyadeep Das, Hanyang Frank Liu, Faye Mo, Wenpeng Yin

机构 * Penn State（宾夕法尼亚州立大学） ； UIUC（伊利诺伊大学香槟分校） ； Columbia University（哥伦比亚大学） ； Episcopal Academy 纠错

AI总结 本文提出DeIllusionLLM，通过任务级自回归框架解决LLM在判别识别与生成行为间的知行差距问题，通过自我蒸馏提升回答准确性与推理能力。

Comments 12 pages

MKA: Memory-Keyed Attention for Efficient Long-Context Reasoning

MKA：用于高效长上下文推理的内存键注意

Dong Liu, Yanxuan Yu, Ben Lengerich, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出MKA机制，通过多级KV缓存和动态路由提升长上下文推理效率，FastMKA在保持准确率的同时显著提升训练速度和评估效率。

Comments Accepted to the ACM Computing Frontiers 2026 Conference (Oral Presentation) and the ICML 2025 Long Context Modeling Workshop

Pseudo-Labeling for Unsupervised Domain Adaptation with Kernel GLMs

基于核广义线性模型的无监督域适应伪标签方法

Nathan Weill, Kaizheng Wang

机构 * Department of IEOR, Columbia University（哥伦比亚大学工业工程与运营研究系） ； Department of IEOR and Data Science Institute, Columbia University（哥伦比亚大学工业工程与运营研究系及数据科学研究所） 纠错

AI总结 本文提出一种基于核广义线性模型的无监督域适应框架，通过伪标签技术提升目标域预测性能，建立非渐近风险界并验证在合成和真实数据集上的有效性。

Comments 55 pages, 4 figures. Python solvers and experiment scripts are available at: https://github.com/nathanweill/KRGLM

LOCO Feature Importance Inference without Data Splitting via Minipatch Ensembles

无需数据分割的minipatch集成特征重要性推断

Luqin Gan, Lili Zheng, Genevera I. Allen

机构 * Department of Statistics, Rice University（理查德·伊尔·米勒大学统计系） ； Department of Statistics, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校统计系） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） 纠错

AI总结 本文提出一种无需数据分割的特征重要性推断框架，通过minipatch集成实现高效且分布无关的模型解释，解决了传统方法的分布假设和数据分割问题。

Task-Specific Efficiency Analysis: When Small Language Models Outperform Large Language Models

任务特定效率分析：当小型语言模型超越大型语言模型

Jinghan Cao, Yu Ma, Xinjin Li, Qingyang Ren, Xiangyun Chen

机构 * San Francisco State University - Department of Computer Science（旧金山州立大学-计算机科学系） ； Carnegie Mellon University - Department of Computer Science（卡内基梅隆大学-计算机科学系） ； Columbia University - Department of Computer Science（哥伦比亚大学-计算机科学系） ； Cornell University - Department of Computer Science（康奈尔大学-计算机科学系） ； Pennsylvania State University - Department of Biochemistry and Molecular Biology（宾夕法尼亚州立大学-生物化学与分子生物学系） 纠错

AI总结 本文通过对比16个模型在五个NLP任务上的效率，提出PER指标，发现小型模型在效率上表现更优，为高效推理场景提供依据。

Comments Accepted for publication at ESANN 2025. This is a task-specific efficiency analysis comparing small language models

Profit is the Red Team: Stress-Testing Agents in Strategic Economic Interactions

利润是红队：在战略经济互动中压力测试代理

Shouqiao Wang, Marcello Politi, Samuele Marro, Davide Crapis

机构 * Columbia University（哥伦比亚大学） ； dAI Team, Ethereum Foundation（dAI团队，以太坊基金会） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出基于利润的红队测试方法，通过学习对手最大化利润来压力测试代理，发现传统静态基线在利润优化压力下易受攻击，且学习对手能自主发现 probing、anchoring 和 deceptive commitments 策略。

Multi-Domain Empirical Bayes for Linearly-Mixed Causal Representations

多领域经验贝叶斯方法用于线性混合因果表示

Bohan Wu, Julius von Kügelgen, David M. Blei

机构 * Department of Statistics, Columbia University（哥伦比亚大学统计系） 纠错

AI总结 本文提出多领域经验贝叶斯方法，通过利用领域内和跨领域的不变结构提高因果变量的学习质量，改进了因果表示学习的估计效果。

DeepStock: Reinforcement Learning with Policy Regularizations for Inventory Management

DeepStock: 基于策略正则化的深度强化学习用于库存管理

Yaqi Xie, Xinru Hao, Jiaxi Liu, Will Ma, Linwei Xin, Lei Cao, Yidong Zhang

机构 * Booth School of Business, University of Chicago（芝加哥大学商学院） ； Taobao & Tmall Group（淘宝与天猫集团） ； School of Economics, Sichuan University（四川大学经济学院） ； Graduate School of Business, Columbia University（哥伦比亚大学商学院） ； School of Operations Research and Information Engineering, Cornell University（康奈尔大学运筹学与信息工程学院） 纠错

AI总结 本文提出通过策略正则化改进深度强化学习在库存管理中的应用，加速超参数调优并提升性能，通过阿里巴巴电商平台的部署和合成实验验证了其有效性。

Agentic Framework for Political Biography Extraction

政治传记提取的代理框架

Yifei Zhu, Songpo Yang, Jiangnan Zhu, Junyan Jiang

机构 * Department of Politics and Public Administration, The University of Hong Kong（政治与公共行政系，香港大学） ； School of International Studies, Peking University（国际关系学院，北京大学） ； Department of Political Science, Columbia University（政治学系，哥伦比亚大学） 纠错

AI总结 本文提出一种两阶段的合成-编码框架，利用大语言模型自动化提取多维精英传记，提升政治科学研究的效率和准确性。

Comments 70 pages, 14 figures

Predicting Trajectories of Long COVID in Adult Women: The Critical Role of Causal Disentanglement

预测长期新冠轨迹：因果解缠的至关作用

Jing Wang, Jie Shen, Yiming Luo, Amar Sra, Qiaomin Xie, Jeremy C. Weiss

机构 * National Library of Medicine（国家医学图书馆） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Columbia University（哥伦比亚大学） ； The George Washington University（乔治华盛顿大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文通过整合临床数据与可穿戴设备数据，利用大语言模型构建因果网络，预测长期新冠严重程度，实现86.7%的预测精度，并区分病理活性与基线噪声。

UL-VIO: Ultra-lightweight Visual-Inertial Odometry with Noise Robust Test-time Adaptation

UL-VIO：超轻量视觉-惯性里程计与噪声鲁棒的测试时间适应

Jinho Park, Se Young Chun, Mingoo Seok

机构 * Columbia University, New York NY 10027, USA Dept. of ECE, INMC \& IPAI, Seoul National University, Republic of Korea 纠错

AI总结 本文提出UL-VIO，一种超轻量的视觉-惯性里程计，通过在测试时利用视觉-惯性一致性进行适应，实现资源高效的适应方法，实验表明其在不同动态领域转移场景下有效。

A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education

关于AI驱动的数字干预在心理健康护理中的综述：跨筛查、支持、监控、预防和临床教育的应用映射

Yang Ni, Fanli Jia

机构 * School of International and Public Affairs（国际与公共事务学院） ； Columbia University（哥伦比亚大学） ； Department of Psychology（心理学系） ； Seton Hall University（塞顿·霍尔大学） 纠错

AI总结 本文综述了AI驱动的数字干预在心理健康护理中的应用，涵盖筛查、支持、监控、预防和临床教育五个阶段，总结了LLM、ML模型和自主对话代理的应用，并提出四支柱框架以指导AI增强的心理健康护理发展。

Comments Please cite the published version. Thank you. Y. Ni and F. Jia. 2025. A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education. Healthcare 13, 10 (2025), 1205. DOI:https://doi.org/10.3390/healthcare13101205

Journal ref Healthcare 2025, 13(10), 1205

Building a Correct-by-Design Lakehouse. Data Contracts, Versioning, and Transactional Pipelines for Humans and Agents

构建正确性由设计保证的湖house。数据合同、版本控制和事务性管道为人和代理

Weiming Sheng, Jinlang Wang, Manuel Barros, Aldrin Montana, Jacopo Tagliabue, Luca Bigon

机构 * Columbia University（哥伦比亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Bauplan Labs（Bauplan实验室） 纠错

AI总结 本文提出Bauplan，一种以代码为核心的湖house，通过类型表合同、Git式数据版本控制和事务性运行机制，消除并发变更导致的失败问题，提升数据管道的正确性和可重复性。

Comments Submission pre-print, data conference

Exploring the Use of VLMs for Navigation Assistance for People with Blindness and Low Vision

探索视觉语言模型在帮助视障和低视力人士导航中的应用

Yu Li, Yuchen Zheng, Giles Hamilton-Fletcher, Marco Mezzavilla, Yao Wang, Sundeep Rangan, Maurizio Porfiri, Zhou Yu, John-Ross Rizzo

机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） ； Politecnico di Milano（米兰理工大学） 纠错

AI总结 本文评估了多种VLMs在基础视觉技能和导航任务中的表现，发现GPT-4o在空间推理和场景理解上表现最佳，而开源模型在复杂环境中存在不足，需进一步改进以提升实用性。

SemRep: Generative Code Representation Learning with Code Transformations

SemRep：基于代码变换的生成式代码表示学习

Weichen Li, Jiamin Song, Bogdan Alexandru Stoica, Arav Dhoot, Gabriel Ryan, Shengyu Fu, Kexin Pei

机构 * The University of Chicago（芝加哥大学） ； Columbia University（哥伦比亚大学） ； Microsoft（微软公司） 纠错

AI总结 SemRep通过生成式代码表示学习提升代码变换效果，利用语义保持变换作为中间表示，实现更准确的语义推理和更高效的代码优化。

MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System

MindfulAgents: 通过专家对齐的多智能体系统实现正念冥想的个性化

Mengyuan Millie Wu, Zhihan Jiang, Yuang Fan, Richard Feng, Sahiti Dharmavaram, Mathew Polowitz, Shawn Fallon, Bashima Islam, Lizbeth Benson, Irene Tung, David Creswell, Xuhai Xu

机构 * Columbia University（哥伦比亚大学） ； St. Margaret’s Episcopal School（圣玛格丽特教区学校） ； Carnegie Mellon University（卡内基梅隆大学） ； Worcester Polytechnic Institute（沃斯特理工学院） ； Institute for Social Research, University of Michigan（密歇根大学社会研究所） ； California State University Dominguez Hills（加州大学 Dominguez Hills 分校） 纠错

AI总结 本文提出MindfulAgents系统，利用大语言模型生成个性化正念冥想指导脚本，提升用户参与度和自我意识，减少压力，并通过实验验证其在长期冥想实践中的有效性。

Comments Accepted by CHI 2026; Zhihan Jiang and Yuang Fan contributed equally as second authors

NeuCo-Bench: A Novel Benchmark Framework for Neural Embeddings in Earth Observation

NeuCo-Bench：一种新的神经嵌入地球观测基准框架

Rikard Vinge, Isabelle Wittmann, Jannik Schneider, Michael Marszalek, Luis Gilch, Thomas Brunschwiler, Conrad M Albrecht

机构 * German Aerospace Center（德国航空航天中心） ； Columbia University（哥伦比亚大学） ； Juelich Supercomputing Center（尤利希超级计算机中心） ； IBM ； IBM Research – Europe（IBM欧洲研究院） 纠错

AI总结 NeuCo-Bench提出了一种评估地球观测中神经压缩与表示学习的新框架，包含评估流程、挑战模式和评分系统，通过公开挑战和消融实验验证其有效性。

AutoClimDS: Climate Data Science Agentic AI -- A Knowledge Graph is All You Need

AutoClimDS：气候数据科学代理AI——一个知识图谱足矣

Ahmed Jaber, Wangshu Zhu, Ayon Roy, Karthick Jayavelu, Justin Downes, Sameer Mohamed, Candace Agonafir, Linnia Hawkins, Tian Zheng

机构 * NSF STC Learning the Earth with AI and Physics (LEAP), Columbia University（NSF STC 学习地球与人工智能和物理（LEAP），哥伦比亚大学） ； AWS Generative AI Innovation Center（AWS 生成式人工智能创新中心） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） 纠错

AI总结 AutoClimDS通过整合 curated 的气候知识图谱与代理AI工作流，解决数据碎片化、格式异质性和技术门槛高的问题，实现端到端的气候分析，展示知识图谱作为自主气候数据科学的基础结构。

Comments Accepted to IEEE CAI 2026

Evidence from fMRI Supports a Two-Phase Abstraction Process in Language Models

fMRI证据支持语言模型中的两阶段抽象过程

Emily Cheng, Richard J. Antonello

机构 * Universitat Pompeu Fabra Barcelona（巴塞罗那庞培乌法布拉大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 研究通过fMRI数据表明，语言模型中存在两阶段抽象过程，中间层在预测自然语言刺激脑响应方面表现更优，且抽象过程随训练进行自然形成，与表示的内在维度性有关。

Comments Equal contribution from both authors. Submitted to NeurIPS NeuroAI workshop 2024

Journal ref Best abstract at NeurIPS UniReps 2024

Human-Centred LLM Privacy Audits: Findings and Frictions

以人为中心的LLM隐私审计：发现与摩擦

Dimitri Staufer, Kirsten Morehouse, David Hartmann, Bettina Berendt

机构 * TU Berlin（柏林技术大学） ； Weizenbaum Institute for the Networked Society（网络化社会研究所） ； Columbia University（哥伦比亚大学） ； KU Leuven（根特大学） 纠错

AI总结 本文研究了LLM隐私审计中的人机交互问题，通过LMP2工具发现模型对个人信息的关联预测准确率高，但用户对隐私保护的需求与模型输出的不确定性存在矛盾，提出了九项摩擦并提出未来研究方向。

Detect Anything in Real Time: From Single-Prompt Segmentation to Multi-Class Detection

实时检测任意目标：从单提示分割到多类检测

Mehmet Kerem Turkcan

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 DART通过共享视觉主干网络计算，实现实时多类检测，无需训练，提升速度达25倍，达到80类检测的55.8 AP。

Huntington Disease Automatic Speech Recognition with Biomarker Supervision

亨廷顿病自动语音识别与生物标志物监督

Charles L. Wang, Cady Chen, Ziwei Gong, Julia Hirschberg

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本研究通过生物标志物监督方法，改进了亨廷顿病语音识别的准确率，展示了特定架构在处理HD语音中的优势。

MoXaRt: Audio-Visual Object-Guided Sound Interaction for XR

MoXaRt: 基于音频视觉对象的XR声音交互

Tianyu Xu, Sieun Kim, Qianhui Zheng, Ruoyu Xu, Tejasvi Ravi, Anuva Kulkarni, Katrina Passarella-Ward, Junyi Zhu, Adarsh Kowdle

机构 * Google Mountain View CA USA（谷歌山景城） ； University of Michigan Ann Arbor MI USA（密歇根大学安 Arbor分校） ； Columbia University New York NY USA（哥伦比亚大学） ； Google San Francisco CA USA（谷歌旧金山） 纠错

AI总结 MoXaRt通过音频视觉线索分离交织声源，提升XR环境中的语音可懂度和社交参与度。

PromptDLA: A Domain-aware Prompt Document Layout Analysis Framework with Descriptive Knowledge as a Cue

PromptDLA: 一种带有描述性知识作为线索的领域感知文档布局分析框架

Zirui Zhang, Yaping Zhang, Lu Xiang, Yang Zhao, Feifei Zhai, Yu Zhou, Chengqing Zong

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Fanyu AI Laboratory, Zhongke Fanyu Technology Co., Ltd.（中科创达福元人工智能实验室） ； Columbia University（哥伦比亚大学） 纠错

AI总结 PromptDLA通过利用描述性知识作为线索，提出一种领域感知的文档布局分析框架，有效整合领域先验知识以提升跨领域泛化能力。

Comments Accepted by IEEE TMM

Stepwise Guided Policy Optimization: Coloring your Incorrect Reasoning in GRPO

逐步引导策略优化：在GRPO中着色你的错误推理

Peter Chen, Xiaopeng Li, Ziniu Li, Xi Chen, Tianyi Lin

机构 * Department of Industrial Engineering and Operations Research（工业工程与运营管理系） ； Department of Mathematics（数学系） ； Columbia University（哥伦比亚大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Stern School of Business, New York University（纽约大学斯特恩商学院） 纠错

AI总结 SGPO通过引入组内响应多样性，解决GRPO在所有负样本组时无法更新策略的问题，提升推理模型性能。

Comments Accepted by TMLR; 47 pages

CuriousBot: Interactive Mobile Exploration via Actionable 3D Relational Object Graph

CuriousBot: 通过可操作的3D关系物体图进行交互式移动探索

Yixuan Wang, Leonor Fermoselle, Tarik Kelestemur, Jiuguang Wang, Yunzhu Li

机构 * School of Engineering and Applied Science, Columbia University（工程与应用科学学院，哥伦比亚大学） ； Robotics and AI Institute（机器人与人工智能研究所） 纠错

AI总结 CuriousBot通过可操作的3D关系物体图实现交互式移动探索，优于仅依赖视觉-语言模型的方法。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L). Project Page: https://curiousbot.theaiinstitute.com/

Learning Clinical Representations Under Systematic Distribution Shift

在系统分布偏移下学习临床表示

Yuanyun Zhang, Shi Li

机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出了一种实践不变的多模态临床预测框架，通过联合优化预测性能与抑制环境信息，提升模型在分布外情况下的鲁棒性和可转移性。