高校专区
通过线性结构保持实现密集特征学习：医学数据
机构 * Independent Researcher（独立研究者） ； The Chinese University of Hong Kong（香港中文大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出密集特征学习方法，通过线性结构保持提升医学数据表示的稳定性与可解释性，实现更优的下游性能。
Comments ICLR Workshop
联邦分层强化学习用于自适应交通信号控制
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 Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） ； Center for Smart Cities, Data Science Institute, Columbia University（哥伦比亚大学智能城市中心、数据科学研究所） ； Department of Electrical Engineering, Columbia University（哥伦比亚大学电气工程系）
AI总结 本文提出分层联邦强化学习方法，用于解决大规模异质交通信号控制中的协调与可扩展性问题，通过动态分组提升性能。
可证明的有限样本离线强化学习领域适应
机构 * Rensselaer Polytechnic Institute（新泽西理工学院） ； Columbia University（哥伦比亚大学）
AI总结 本文提出首个可证明的有限样本离线强化学习领域适应框架，通过理论分析和实验验证，探讨权重分配对性能的影响，并提供收敛保证。
利用图神经网络提升信用卡欺诈检测流程中的客户联系效率
机构 * School of Engineering（工程学院） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Fu Foundation School of Engineering and Applied Science（工程与应用科学学院） ； Columbia University in the City of New York（纽约市哥伦比亚大学）
AI总结 本文提出利用RGCN提升信用卡欺诈检测流程中客户联系效率，通过关系图结构提高识别准确性和减少误报。
Comments Published in Proceedings of the 2025 IEEE 7th International Conference on Communications, Information System and Computer Engineering (CISCE), pp. 320-324. DOI: 10.1109/CISCE65916.2025.11065245
Journal ref Proceedings of 2025 IEEE 7th International Conference on Communications, Information System and Computer Engineering (CISCE), pp. 320-324
在沉默中倾听：利用情境感知节奏设计人与对话代理的主动倾听
机构 * The University of Hong Kong Hong Kong, SAR China Columbia University New York United States ； Renmin University of China Beijing China ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China Guangdong University of Technology Guangzhou China ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China ； The University of Hong Kong ； Columbia University ； Renmin University of China ； City University of Hong Kong\ for Narrative Spaces ； Guangdong University of Technology
AI总结 本文提出通过情境感知节奏策略提升对话代理的主动倾听能力，通过实验验证其在人际关系和职业支持场景中的有效性。
Comments 29 pages, 10 figures. Conditionally Accepted to CHI '26
在扩散模型中保持谱结构和统计信息
机构 * Department of Civil Engineering and Engineering Mechanics, Columbia University, NY, United States（土木工程与工程力学系，哥伦比亚大学，纽约，美国）
AI总结 PreSS通过在谱空间中保持信息性先验和结构信号，提升扩散模型的生成质量和效率。
变换器脑编码器解释人类高级视觉反应
机构 * Zuckerman Mind Brain Behavior Institute（祖克erman心智大脑行为研究所） ； Columbia University（哥伦比亚大学）
AI总结 本文提出利用变换器中的注意力机制，研究如何将视网膜图式视觉特征动态路由到高级视觉处理的类别选择区域，以提高预测大脑活动的性能和可解释性。
GRAM：用于真实世界应用的空间通用音频表示模型
机构 * Donders Institute, Radboud University, Nijmegen, The Netherlands（多纳茨研究所，拉德堡德大学，尼姆韦根，荷兰） ； Mortimer B Zuckerman Institute, Columbia University, New York, United States（莫蒂默·B·祖克erman研究所，哥伦比亚大学，纽约，美国）
AI总结 GRAM通过多通道掩码自编码器学习空间音频表示，提升真实世界声学环境中的音频任务性能。
Comments Revise with RealSELD
GOPO：基于排名奖励的策略优化
机构 * Cornell Tech, Cornell University, NY, United States（康奈尔科技、康奈尔大学，纽约，美国） ； Columbia University, NY, United States（哥伦比亚大学，纽约，美国）
AI总结 GOPO通过使用奖励排名而非绝对值，提高了不可验证任务中策略优化的性能和效率。
Comments 17 pages, 8 figures
CodeSense: 一个用于代码语义推理的现实世界基准和数据集
机构 * Iowa State University（爱荷华州立大学） ； Columbia University（哥伦比亚大学） ； Microsoft Data & AI（微软数据与人工智能）
AI总结 CodeSense通过现实世界代码项目构建细粒度语义推理基准，揭示LLM在代码推理中的能力不足，并提供工具集支持地面真实数据收集。
超越裁剪与轮换：利用生成模型自动化进化强大任务特定增强方法
机构 * Columbia University, New York, NY（哥伦比亚大学） ； University of Washington, Seattle, WA（华盛顿大学） ； Harvard University, Cambridge, MA（哈佛大学）
AI总结 本文提出EvoAug，利用生成模型和进化算法自动化学习任务特定增强方法，提升模型鲁棒性和性能。
因果流Q学习用于鲁棒的离线强化学习
机构 * Causal AI Lab, Columbia University, NY, United States（因果AI实验室，哥伦比亚大学，纽约，美国） ； Department of Electrical Engineering and Computer Science, Syracuse University, NY, United States（电气工程与计算机科学系，雪城大学，纽约，美国）
AI总结 本文提出一种因果流Q学习方法，通过优化策略在混淆偏见下的最坏情况性能，提升离线强化学习的鲁棒性。
私有微调的LLM在表格数据中保留时间动态
机构 * NYU（纽约大学） ； Columbia University（哥伦比亚大学） ； Google Research（谷歌研究）
AI总结 本文提出PATH框架，利用私有微调的LLM保留表格数据的时间动态，有效捕捉长距离依赖并提升合成数据质量。
每比特都重要：量化转换器中精度-表达力权衡的理论研究
机构 * Department of Computer Science, Columbia University, New York, NY, USA（计算机科学系，哥伦比亚大学）
AI总结 该研究揭示了量化转换器中精度与表达力之间的理论权衡，指出等式比较任务对量化敏感，需根据具体任务选择合适精度。
AWaRe-SAC: 在天气诱导容量不确定性下主动切片接入控制
机构 * School of Electrical Engineering, Tel Aviv University（特拉维夫大学电气工程学院） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） ； Department of Electrical Engineering, Columbia University（哥伦比亚大学电气工程系） ； Department of Electronics, Information and Bioengineering, Politecnico di Milano（米兰理工学院电子、信息与生物工程系）
AI总结 AWaRe-SAC通过整合预测器和接入控制算法，在天气诱导容量不确定性下实现切片接入控制，提升收益并降低QoS违规风险。
主动防御对抗大语言模型劫持
机构 * Department of Computer Science, Columbia University, US（计算机科学系，哥伦比亚大学）
AI总结 ProAct通过主动误导劫持方法，显著降低攻击成功率，提升大语言模型的安全性。
紧凑型基于LED的位移传感用于机器人手指
机构 * Dept. of Mechanical Engineering（机械工程系） ； Dept. of Electrical Engineering（电气工程系） ； Dept. of Computer Science（计算机科学系） ； Columbia University（哥伦比亚大学）
AI总结 本文提出了一种基于LED的紧凑型位移传感器，用于机器人手指，通过高灵敏度检测微小位移并实现低成本集成与高承载力。
Poly-attention：一种用于高阶自注意力的通用方案
机构 * Computer Science, Columbia University（计算机科学，哥伦比亚大学）
AI总结 本文提出了一种新的多注意力机制，能够在二次时间内精确计算并支持任意数量函数的组合，解决了传统自注意力机制在处理多阶任务时的效率问题。
不完美影响，保留排名：数据归因的TRAK理论
机构 * Columbia University（哥伦比亚大学）
AI总结 本文理论分析了TRAK算法，证明其在数据归因中尽管存在误差，但能保持数据点的相对排名。
通用半径与集成代码本变换用于可微向量量化
机构 * Columbia University（哥伦比亚大学） ； South China Normal University（南方科技大学） ； University of Warwick（沃里克大学） ； The City College of New York（纽约城市学院） ； Hebei Institute of Communications（河北通信学院）
AI总结 GRIT-VQ通过统一的可微框架提升向量量化性能，实现稳定梯度和高效代码本利用。
Comments This paper has been accepted as a conference paper at CPAL 2026
ChipBench: 用于评估LLM在人工智能辅助芯片设计中的性能的下一步基准
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Columbia University（哥伦比亚大学）
AI总结 ChipBench提出了一项全面的基准测试，用于评估LLM在人工智能辅助芯片设计中的性能，揭示了现有模型在关键任务上的显著性能差距，并提供自动化工具箱促进相关研究。
关于离散潜在因果图模型的理论可识别性
机构 * Department of Statistics Columbia University（统计学系哥伦比亚大学）
AI总结 本文提出了一种双三角图条件，用于保证离散潜在因果图模型的可识别性，放宽了传统纯子节点条件，并通过模拟验证了其有效性。
库存策略的VC理论
机构 * Booth School of Business, University of Chicago（芝加哥大学商学院） ； Graduate School of Business and Data Science Institute, Columbia University（哥伦比亚大学研究生商学院和数据科学研究院） ； School of Operations Research and Information Engineering, Cornell University（康奈尔大学运筹学与信息工程学院）
AI总结 本文提出结合轨迹RL与政策正则化的库存策略方法，利用VC理论分析其泛化误差，证明非平稳基础库存策略的泛化误差不随时间增长，而（s, S）策略则随时间对数增长。
DETOUR：双智能体搜索与推理的交互基准
机构 * Patronus AI ； DAP Lab（DAP实验室） ； Columbia University（哥伦比亚大学）
AI总结 DETOUR基准通过双智能体机制评估双智能体搜索与推理能力，揭示现有模型在模糊不明确场景下的不足。
Harvest：机会性点对点GPU缓存用于LLM推理
机构 * Columbia University（哥伦比亚大学）
AI总结 Harvest通过利用点对点GPU互连技术，动态管理GPU内存，减少数据移动开销，显著提升LLM推理的吞吐量。
ReGlove：一种软式气动手套用于日常活动辅助的腕部视觉引导系统
机构 * Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学）
AI总结 ReGlove通过腕部视觉引导和边缘计算实现低成本、高准确率的日常活动辅助，提供基于视觉的上肢康复解决方案。
通过多智能体辩论进行语言模型的自改进
机构 * Meta AI ； Columbia University（哥伦比亚大学） ； Meta Superintelligence Labs（Meta超智能实验室）
AI总结 通过多智能体辩论和强化学习提升语言模型的自我改进能力，实现推理准确性、自洽性和泛化能力的提升。
网络嵌入中的信息丢失与差异效应
机构 * Department of Computer Science, Columbia University, New York, USA（计算机科学系，哥伦比亚大学，纽约，美国）
AI总结 本文研究了网络嵌入中基础嵌入如何在表示层面产生差异效应，揭示了信息丢失与图密度、 assortativity 的关系，并解释了其对小群体的影响。
通过熵正则化扩展均场变分推断：理论与计算
机构 * Department of Statistics Columbia University（统计系 哥伦比亚大学） ； Department of Computer Science and Department of Statistics Columbia University（计算机科学系和统计系 哥伦比亚大学）
AI总结 本文提出$Ξ$-VI方法，通过熵正则化扩展均场推断，分析其理论性质与计算效率，并在模拟和真实数据中验证其优于传统均场方法。
当生活给予你AI时，你会将其变为二手车市场吗？理解有关AI系统能力的信息不对称如何影响市场结果和采用
机构 * University of Göttingen（哥廷根大学） ； University of Cagliari（卡利阿里大学） ； Delft University of Technology（代尔夫特理工大学） ； Columbia University（哥伦比亚大学）
AI总结 本文通过实验证明信息不对称对AI系统采用的负面影响，并探讨部分披露设计如何提升决策效率。
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