Columbia University（哥伦比亚大学）

CbLDM: A Diffusion Model for recovering nanostructure from atomic pair distribution function

CbLDM：一种用于从原子对分布函数恢复纳米结构的扩散模型

Jiarui Cao, Zhiyang Zhang, Heming Wang, Jun Xu, Ling Lan, Simon J. L. Billinge, Ran Gu

机构 * School of Statistics and Data Science, Nankai University, Tianjin 300071, China（统计与数据科学学院，南开大学，天津300071，中国） ； NITFID, School of Statistics and Data Science, Nankai University, Tianjin 300071, China（NITFID，统计与数据科学学院，南开大学，天津300071，中国） ； Department of Applied Physics and Applied Mathematics, Columbia University, New York, NY, 10027, USA（应用物理与应用数学系，哥伦比亚大学，纽约，NY，10027，美国） ； Department of Materials, University of California, Santa Barbara, Santa Barbara, CA 93101（材料系，加州大学，圣巴巴拉，CA 93101） 纠错

AI总结 CbLDM通过条件先验和拉普拉斯矩阵改进，实现从原子对分布函数恢复纳米结构的高效生成。

ShakyPrepend: A Multi-Group Learner with Improved Sample Complexity

ShakyPrepend：一种改进样本复杂度的多组学习器

Lujing Zhang, Daniel Hsu, Sivaraman Balakrishnan

机构 * Department of Statistics and Data Science（统计与数据科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； Computer Science Department（计算机科学系） ； Data Science Institute（数据科学学院） ； Columbia University（哥伦比亚大学） ； Machine Learning Department（机器学习系） 纠错

AI总结 ShakyPrepend通过差分隐私启发的工具改进多组学习的样本复杂度，适应组结构和空间异质性，并提供现实应用指导。

Comments 29 pages, 10 figures, submitted to ICML2026

Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering

音频-语言模型在倾听吗？音频专家头用于自适应音频引导

Neta Glazer, Lenny Aharon, Ethan Fetaya

机构 * Bar-Ilan University（巴伊兰大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文通过识别音频专家注意力头，提出一种方法来增强音频信息在音频-语言模型中的作用，从而提升模型性能。

Mining Beyond the Bools: Learning Data Transformations and Temporal Specifications

挖掘超越布尔值：学习数据转换与时间规范

Sam Nicholas Kouteili, William Fishell, Christian Scaff, Mark Santolucito, Ruzica Piskac

机构 * Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； Barnard College（巴纳德学院） 纠错

AI总结 本文提出了一种基于SyGuS技术挖掘数据转换与时间规范的方法，通过扩展TSL_f语义提升系统行为建模的表达能力，并在ToyText环境中验证了其高效性和鲁棒性。

Margin-Consistent Deep Subtyping of Invasive Lung Adenocarcinoma via Perturbation Fidelity in Whole-Slide Image Analysis

通过全滑片图像分析中的扰动保真度实现侵袭性肺腺癌的边缘一致性深度子类型化

Meghdad Sabouri Rad, Junze, Huang, Mohammad Mehdi Hosseini, Rakesh Choudhary, Saverio J. Carello, Ola El-Zammar, Michel R. Nasr, Bardia Rodd

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出通过扰动保真度实现侵袭性肺腺癌全滑片图像分析的边缘一致性深度子类型化，显著提升了分类准确率和泛化能力。

Comments This document is the author's accepted manuscript (author version). The final published version is available online in the Journal of Imaging Informatics in Medicine at DOI: 10.1007/s10278-026-01875-6

Variational Learning of Gaussian Process Latent Variable Models through Stochastic Gradient Annealed Importance Sampling

通过随机梯度退火重要性采样学习高斯过程潜在变量模型

Jian Xu, Shian Du, Junmei Yang, Qianli Ma, Delu Zeng, John Paisley

机构 * South China University of Technology（华南理工大学） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本研究提出了一种基于退火重要性采样的方法，用于改进高斯过程潜在变量模型的变分推断，通过重新参数化ELBO提升效率，并在多个数据集上验证了其优越的性能。

When One Modality Rules Them All: Backdoor Modality Collapse in Multimodal Diffusion Models

当一种模态统治一切：多模态扩散模型中的后门模态崩溃

Qitong Wang, Haoran Dai, Haotian Zhang, Christopher Rasmussen, Binghui Wang

机构 * University of Delaware（德克萨斯大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； Columbia University（哥伦比亚大学） 纠错

AI总结 本文研究了多模态扩散模型中后门攻击的模态崩溃现象，发现攻击常依赖单一模态，跨模态交互反而降低攻击效果，揭示了现有评估的盲点。

Comments Accepted to the ICLR 2026 Workshop on Principled Design for Trustworthy AI. The first two authors contributed equally

Revisiting the (Sub)Optimality of Best-of-N for Inference-Time Alignment

重新审视最佳-N在推理时间对齐中的（次）最优性

Ved Sriraman, Adam Block

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文重新审视了最佳-N在推理时间对齐中的次优性，证明在特定条件下BoN在胜率上最优，并提出消除奖励黑客攻击的改进方法。

Comments 52 pages

Warm Starting State-Space Models with Automata Learning

基于自动机构建的状态空间模型的暖启动方法

William Fishell, Sam Nicholas Kouteili, Mark Santolucito

机构 * Columbia University（哥伦比亚大学） ； Yale University（耶鲁大学） 纠错

AI总结 本文提出基于自动机构建的状态空间模型的暖启动方法，通过结合符号学习与连续学习的优势，提高了复杂系统学习的效率和准确性。

ZK-HybridFL: Zero-Knowledge Proof-Enhanced Hybrid Ledger for Federated Learning

ZK-HybridFL：零知识证明增强的混合账本用于联邦学习

Amirhossein Taherpour, Xiaodong Wang

机构 * Electrical Engineering Department, Columbia University（哥伦比亚大学电气工程系） 纠错

AI总结 ZK-HybridFL通过整合DAG账本、侧链和零知识证明，实现隐私保护的分布式联邦学习，提升模型训练效率和安全性。

Comments Accepted for publication in IEEE Transactions on Neural Networks and Learning Systems (TNNLS)

FireBench: Evaluating Instruction Following in Enterprise and API-Driven LLM Applications

FireBench: 评估企业及 API 驱动的 LLM 应用中的指令遵循

Yunfan Zhang, Yijie Bei, Jetashree Ravi, Pawel Garbacki

机构 * Columbia University（哥伦比亚大学） ； Fireworks AI 纠错

AI总结 FireBench 是一个评估企业及 API 驱动 LLM 应用中指令遵循能力的基准测试，通过 2400 个样本评估六个核心能力维度，评估 11 个 LLM 的表现。

Bayesian Modeling of Collatz Stopping Times: A Probabilistic Machine Learning Perspective

基于贝叶斯建模的科拉茨停止时间研究：一种概率机器学习视角

Nicolò Bonacorsi, Matteo Bordoni

机构 * Department of Applied Mathematics, Columbia University（应用数学系，哥伦比亚大学） ； Department of Mathematics, Columbia University（数学系，哥伦比亚大学） 纠错

AI总结 本文从概率机器学习角度研究科拉茨停止时间，提出两种模型：基于负二项回归的预测模型和基于奇数块分解的生成模型，揭示低阶模数结构对停止时间异质性的影响。

Explainable Regime Aware Investing

可解释的制度感知投资

Amine Boukardagha

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出了一种基于Wasserstein隐马尔可夫模型的可解释制度感知投资策略，通过动态适应制度复杂性并降低回撤，提升了投资组合的风险调整后收益。

Accurate and Efficient Hybrid-Ensemble Atmospheric Data Assimilation in Latent Space with Uncertainty Quantification

在潜在空间中实现准确且高效的混合-集成大气数据同化与不确定性量化

Hang Fan, Juan Nathaniel, Yi Xiao, Ce Bian, Fenghua Ling, Ben Fei, Lei Bai, Pierre Gentine

机构 * Department of Earth and Environmental Engineering, School of Engineering and Applied Sciences, Climate School, Columbia University（地球与环境工程系，工程与应用科学学院，气候学院，哥伦比亚大学） ； Learning the Earth with Artificial Intelligence and Physics (LEAP) Center, Columbia University（人工智能与物理学习地球中心，哥伦比亚大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学，香港，中国） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（计算机科学与技术系，清华大学，北京，中国） 纠错

AI总结 本文提出HLOBA方法，在潜在空间中实现高效准确的大气数据同化，结合贝叶斯更新与误差去相关性，提升预测与再分析能力。

Comments 23 pages, 12 figures

ManipulationNet: An Infrastructure for Benchmarking Real-World Robot Manipulation with Physical Skill Challenges and Embodied Multimodal Reasoning

ManipulationNet: 一个用于基于现实世界机器人操作的基准测试基础设施，包含物理技能挑战和具身多模态推理

Yiting Chen, Kenneth Kimble, Edward H. Adelson, Tamim Asfour, Podshara Chanrungmaneekul, Sachin Chitta, Yash Chitambar, Ziyang Chen, Ken Goldberg, Danica Kragic, Hui Li, Xiang Li, Yunzhu Li, Aaron Prather, Nancy Pollard, Maximo A. Roa-Garzon, Robert Seney, Shuo Sha, Shihefeng Wang, Yu Xiang, Kaifeng Zhang, Yuke Zhu, Kaiyu Hang

机构 * Rice University（里士大学） ； U.S. National Institute of Standards and Technology（美国国家标准与技术研究院） ； Massachusetts Institute of Technology（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄技术大学） ； Autodesk Research（Autodesk研究） ； University of California, Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（皇家理工学院） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） ； ASTM International（美国材料与试验协会） ； Carnegie Mellon University（卡内基梅隆大学） ； German Aerospace Center (DLR)（德国航空航天中心） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； NVIDIA Research（NVIDIA研究） 纠错

AI总结 ManipulationNet通过标准化硬件和统一软件客户端，为机器人操作提供现实世界基准测试，促进物理技能和具身推理能力的系统性发展。

Comments 32 pages, 8 figures

Gaussian Mixture-Based Inverse Perception Contract for Uncertainty-Aware Robot Navigation

基于高斯混合的逆感知合同用于不确定性感知的机器人导航

Bingyao Du, Joonkyung Kim, Yiwei Lyu

机构 * Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Department of Computer Science and Engineering, Texas A&M University（计算机科学与工程系，德克萨斯大学） 纠错

AI总结 本文提出基于高斯混合的逆感知合同，通过联合椭球置信集表示不确定性，提升机器人导航的安全性和适应性。

Comments 8 pages, 5 figures. Accepted to ACC 2026 (American Control Conference)

Scalable Contrastive Causal Discovery under Unknown Soft Interventions

可扩展的未知软干预下的对比因果发现

Mingxuan Zhang, Khushi Desai, Sopho Kevlishvili, Elham Azizi

机构 * Department of Systems Biology, Columbia University Irving Institute for Cancer Dynamics, Columbia University（系统生物学系，哥伦比亚大学伊万尼癌症动力学研究所，哥伦比亚大学） ； Irving Institute for Cancer Dynamics, Columbia University（伊万尼癌症动力学研究所，哥伦比亚大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Department of Biomedical Engineering, Columbia University（生物医学工程系，哥伦比亚大学） ； Data Science Institute, Columbia University（数据科学研究所，哥伦比亚大学） 纠错

AI总结 本文提出了一种可扩展的因果发现模型，通过对比方法处理未知软干预，提升因果结构恢复和泛化能力。

Neuro-Symbolic Decoding of Neural Activity

神经符号解码神经活动

Yanchen Wang, Joy Hsu, Ehsan Adeli, Jiajun Wu

机构 * Columbia University（哥伦比亚大学） ； Stanford University（斯坦福大学） 纠错

AI总结 NEURONA通过结合符号推理与fMRI基础，提升神经活动解码的准确性和泛化能力。

Comments ICLR 2026. First two authors contributed equally

AriadneMem: Threading the Maze of Lifelong Memory for LLM Agents

AriadneMem: 为LLM代理梳理终身记忆的迷宫

Wenhui Zhu, Xiwen Chen, Zhipeng Wang, Jingjing Wang, Xuanzhao Dong, Minzhou Huang, Rui Cai, Hejian Sang, Hao Wang, Peijie Qiu, Yueyue Deng, Prayag Tiwari, Brendan Hogan Rappazzo, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； Morgan Stanley（摩根大通） ； Rice University（里奇大学） ； Clemson University（克莱姆森大学） ； Northwestern University（西北大学） ； UC Davis（加州大学戴维斯分校） ； Iowa State University（爱荷华州立大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Columbia University（哥伦比亚大学） ； Halmstad University（哈马格大学） 纠错

AI总结 AriadneMem通过解耦的两阶段流程提升LLM代理在长期对话中的多跳和平均F1表现，同时减少运行时间。

Causal Identification from Counterfactual Data: Completeness and Bounding Results

从反事实数据中识别因果关系：完备性与界限结果

Arvind Raghavan, Elias Bareinboim

机构 * Causal Artificial Intelligence Lab, Department of Computer Science, Columbia University（因果人工智能实验室，计算机科学系，哥伦比亚大学） 纠错

AI总结 本文提出CTFIDU+算法，研究反事实数据在因果识别中的完备性与界限问题，揭示非参数设置下因果推断的理论极限。

Inherited Goal Drift: Contextual Pressure Can Undermine Agentic Goals

继承性目标漂移：情境压力可能削弱代理目标

Achyutha Menon, Magnus Saebo, Tyler Crosse, Spencer Gibson, Eyon Jang, Diogo Cruz

机构 * UC San Diego（加州大学圣地亚哥分校） ； Columbia University（哥伦比亚大学） ； Georgia Tech（佐治亚理工学院） ； MATS ； SPAR 纠错

AI总结 本文研究了语言模型在面对情境压力时目标漂移的继承性问题，发现模型在不同环境下表现出不一致的鲁棒性，强调了对训练后技术改进的必要性。

Comments 22 pages, 7 figures. Accepted at ICLR 2026 Lifelong Agents Workshop

Tell Me What To Learn: Generalizing Neural Memory to be Controllable in Natural Language

告诉我该学习什么：将神经记忆通用化以在自然语言中可控

Max S. Bennett, Thomas P. Zollo, Richard Zemel

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文提出了一种基于自然语言指令的通用神经记忆系统，实现对学习内容的灵活控制，适用于医疗和客户服务等需要动态更新的场景。

Comments 58 Pages, 16 Figures, Code at https://github.com/maxbennett/Generalized-Neural-Memory; updated with acknowledgements

Death of the Novel(ty): Beyond n-Gram Novelty as a Metric for Textual Creativity

新型词的终结：超越n-gram新颖性作为文本创造力的度量

Arkadiy Saakyan, Najoung Kim, Smaranda Muresan, Tuhin Chakrabarty

机构 * Columbia University（哥伦比亚大学） ； Boston University（波士顿大学） ； Stony Brook University（石溪大学） 纠错

AI总结 本文研究了n-gram新颖性作为文本创造力度量的局限性，发现其与专家判断的创造力正相关，但高新颖性表达未必具有创造力，且LLM在识别非实用表达方面表现欠佳。

Comments ICLR 2026 Camera Ready. 30 pages, 11 figures, 15 tables

Bimanual XR Specification of Relative and Absolute Assembly Hierarchies for Teleoperation

双臂扩展现实规范用于远程装配的相对和绝对装配层次结构

Benjamin Yang, Xichen He, Charlie Zou, Jen-Shuo Liu, Barbara Tversky, Steven Feiner

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本研究提出了一种双臂XR交互方法，通过相对和绝对约束层次结构实现远程装配任务的高效指定。

ICYM2I: The illusion of multimodal informativeness under missingness

ICYM2I: 多模态信息性在缺失情况下的错觉

Young Sang Choi, Vincent Jeanselme, Pierre Elias, Shalmali Joshi

机构 * Department of Biomedical Informatics, Columbia University（生物医学信息学系，哥伦比亚大学） ； Seymour, Paul, and Gloria Milstein Division of Cardiology, Department of Medicine, Columbia University Irving Medical Center（塞缪尔、保罗和格洛丽亚米尔斯坦心脏病科，哥伦比亚大学伊万格琳医学中心） 纠错

AI总结 ICYM2I框架通过逆概率加权修正，解决多模态学习中因缺失模式变化导致的信息增益估计偏差问题。

Comments Published as a conference paper at ICLR 2026

Large Language Model Agent in Financial Trading: A Survey

金融交易中的大语言模型代理：综述

Han Ding, Yinheng Li, Junhao Wang, Hang Chen, Doudou Guo, Yunbai Zhang

机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） 纠错

AI总结 本文综述了利用大语言模型作为代理进行金融交易的研究，探讨了代理架构、数据输入、回测表现及面临的挑战，并展望了未来研究方向。

Journal ref International Conference on Computers in Management and Business 2026

Towards Interpretable Visual Decoding with Attention to Brain Representations

向基于脑表示的可解释视觉解码迈进

Pinyuan Feng, Hossein Adeli, Wenxuan Guo, Fan Cheng, Ethan Hwang, Nikolaus Kriegeskorte

机构 * Zuckerman Mind Brain Behavior Institute, Columbia University, USA（祖克曼心智大脑行为研究所，哥伦比亚大学，美国） 纠错

AI总结 本文提出NeuroAdapter框架，通过直接条件化潜在扩散模型于脑表示，实现更透明的脑-图像解码与重建。

Comments Accepted by ICLR 2026

Identifying and Evaluating Inactive Heads in Pretrained LLMs

识别和评估预训练语言模型中的惰性头部

Pedro Sandoval-Segura, Xijun Wang, Ashwinee Panda, Micah Goldblum, Ronen Basri, Tom Goldstein, David Jacobs

机构 * University of Maryland（马里兰大学） ； Columbia University（哥伦比亚大学） ； Weizmann Institute of Science（魏茨曼科学研究院） 纠错

AI总结 研究识别预训练语言模型中非活动注意力头部，通过评分函数评估其非活动性，并发现模型规模和微调对注意力行为有影响。

Comments Accepted to ICLR 2026. Code available at https://github.com/psandovalsegura/inactive-heads

The Compulsory Imaginary: AGI and Corporate Authority

强制性想象：AGI与企业权威

Emilio Barkett

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本文通过分析两家AGI公司论文，揭示其通过结构一致的修辞策略构建社会技术想象，探讨企业权威的投射与稳定机制。

AI Must Embrace Specialization via Superhuman Adaptable Intelligence

AI必须通过超人类适应性智能拥抱专业化

Judah Goldfeder, Philippe Wyder, Yann LeCun, Ravid Shwartz Ziv

机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） 纠错

AI总结 本文提出超人类适应性智能（SAI）概念，主张AI应通过专业化追求超人类表现，而非追求通用智能。