高校专区
在有限数据下估计高斯线性结构因果模型中的因果效应
机构 * Department of Computer Science, Columbia University NY 10025（计算机科学系，哥伦比亚大学）
AI总结 本文提出中央化高斯线性结构因果模型，通过改进的EM算法在有限数据下有效估计因果效应。
Comments Accepted at the Workshop on Scaling Up Intervention Models at the 42nd International Conference on Machine Learning (ICML 2025)
CPGPrompt：将临床指南转化为LLM可执行的决策支持
机构 * Information Science (Health Tech), Cornell Tech, New York, NY, USA（信息科学（健康科技），康奈尔科技，纽约，纽约州） ； Systems Engineering, Cornell University, Ithaca, NY, USA（系统工程，康奈尔大学，伊萨卡，纽约州） ； Population Health Sciences, Weill Cornell Medicine, New York, NY, USA（人口健康科学，韦尔医学院，纽约，纽约州） ； Computer and Information Science, Cornell University, Ithaca, NY, USA（计算机与信息科学，康奈尔大学，伊萨卡，纽约州） ； Department of Biomedical Informatics, Columbia University, New York, NY, USA（生物医学信息学系，哥伦比亚大学，纽约，纽约州） ； Department of Medicine, Weill Cornell Medicine, New York, NY, USA（医学系，韦尔医学院，纽约，纽约州） ； Department of Health Information Management, University of Pittsburgh, Pittsburgh, PA, USA（健康信息管理系，匹兹堡大学，匹兹堡，宾夕法尼亚州） ； Clinical and Translational Science Institute, University of Pittsburgh, Pittsburgh, PA, USA（临床与转化科学研究所，匹兹堡大学，匹兹堡，宾夕法尼亚州） ； Department of Neurology, UT Southwestern Medical Center, Dallas, TX, USA（神经病学系，德克萨斯西南医学中心，达拉斯，德克萨斯州） ； Peter O’Donnell Jr. Brain Institute, UT Southwestern Medical Center, Dallas, TX, USA（彼得·奥·donnell Jr.脑研究所，德克萨斯西南医学中心，达拉斯，德克萨斯州） ； Clinical Informatics Center, University of Texas Southwestern Medical Center, Dallas, USA（临床信息学中心，德克萨斯西南医学中心，达拉斯，美国） ； Institute of Artificial Intelligence for Digital Health, Weill Cornell Medicine, New York, NY USA（数字健康人工智能研究所，韦尔医学院，纽约，纽约州）
AI总结 CPGPrompt通过将临床指南转化为LLM可执行的结构化决策树，实现对患者病例的高效评估，提升了专科转诊和路径分类的准确性。
时间感知合成控制
机构 * Columbia University（哥伦比亚大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 TASC通过引入状态空间模型和卡尔曼滤波器，提升在强时间趋势和高噪声环境下的因果推断性能。
暴露于AI的工作在发布ChatGPT之前就恶化了
机构 * Department of Informatics and Networked Systems, University of Pittsburgh（匹兹堡大学信息学与网络系统系） ； Digital Economy Lab, Stanford University（斯坦福大学数字经济实验室） ； AI Economy Institute, Microsoft（微软人工智能经济研究所） ； Revelio Labs（Revelio实验室） ； Argyros College of Business and Economics, Chapman University（查普曼大学商学院与经济学学院） ； Teachers College, Columbia University（哥伦比亚大学师范学院） ； Data Science Institute, Columbia University（哥伦比亚大学数据科学研究所）
AI总结 研究发现AI暴露职业的就业风险在ChatGPT发布前就上升，且受教育背景影响第一份工作薪酬和求职时间。
数字孪生AI：从大语言模型到世界模型的机会与挑战
机构 * Lehigh University（莱文斯顿大学） ； University of Maryland（马里兰大学） ； University of New South Wales（新南威尔士大学） ； Worcester Polytechnic Institute（沃思维尔理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Notre Dame（圣约翰大学） ； Columbia University（哥伦比亚大学） ； University of Georgia（佐治亚大学） ； Yale University（耶鲁大学） ； Texas A&M University（德克萨斯A&M大学） ； Stanford University（斯坦福大学） ； Squirrel Ai Learning ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校） ； University of California, Riverside（加州大学河滨分校） ； Florida International University（佛罗里达国际大学） ； Purdue University（普渡大学） ； Children’s Hospital of Philadelphia（费城儿童医院）
AI总结 本文提出统一的四阶段框架，探讨数字孪生中AI整合的机会与挑战，涵盖建模、镜像、干预和自主管理，强调大语言模型和基础模型的作用。
多智能体协作奖励设计以增强强化学习中的推理
机构 * Gradient ； Waseda University（早稻田大学） ； Columbia University（哥伦比亚大学） ； Hong Kong Polytechnic University（香港理工大学） ； Rice University（莱斯大学）
AI总结 多智能体协作奖励模型通过分解偏好评估和引入集中化聚合器，提升强化学习中的鲁棒性和可解释性，同时提供透明的奖励建模方法。
混合与单位元PEFT用于资源高效的大型语言模型
机构 * Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong（信息工程系，香港中文大学） ； Department of Electrical and Computer Engineering, University of California San Diego, USA（电气与计算机工程系，加州大学圣地亚哥分校） ； Department of Computer Science, University of Copenhagen, Denmark（计算机科学系，哥本哈根大学） ； Department of Electrical Engineering, Columbia University, USA（电气工程系，哥伦比亚大学）
AI总结 本文提出混合与单位元PEFT方法，通过结合BOFT和LoRA-GA的优势，提升LLM微调效率，减少训练时间和内存使用，适用于资源受限场景。
Comments 11 pages, 2 figures and 7 table
Journal ref American Journal of Computer Science and Technology (Volume 8, Issue 4, 2025)
数据驱动的新闻供应商问题调研：统一分析与可实现遗憾的光谱
机构 * Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） ； Columbia University Graduate School of Business and Data Science Institute（哥伦比亚大学商学院和数据科学研究所）
AI总结 本文通过统一分析和聚类分布概念，研究了数据驱动新闻供应商问题中各种遗憾变体的组合，揭示了从1/√n到1/n的全部遗憾范围的可能性。
Comments Forthcoming in Operations Research
基于文本片段的细粒度人类反馈微调语言模型
机构 * Columbia University（哥伦比亚大学） ； Microsoft（微软公司） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出基于文本片段的细粒度人类反馈方法，通过反馈驱动的改进链提升语言模型微调效果。
关于扩展语义抽象以实现隐藏物体的高效搜索
机构 * Department of Computer Science（计算机科学系） ； Columbia University（哥伦比亚大学）
AI总结 本文通过扩展语义抽象，提出了一种高效搜索隐藏物体的方法，利用历史数据提升3D定位精度，帮助家庭机器人更快找到丢失物品。
LLM瑞士轮：通过竞争瑞士系统动态聚合多基准性能
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CSD框架，通过竞争瑞士系统动态聚合多基准性能，提升LLM评估的准确性和风险意识。
Comments 18 pages
GenEnv：LLM代理与环境模拟器之间的难度对齐共进化
机构 * Princeton University（普林斯顿大学） ； Columbia University（哥伦比亚大学） ； University of Michigan（密歇根大学） ； University of Chicago（芝加哥大学）
AI总结 GenEnv通过动态生成任务与代理能力对齐的共进化机制，在减少数据使用量的同时显著提升代理性能。
Comments Our codes are available at https://github.com/Gen-Verse/GenEnv
4D高斯散射作为学习到的动态系统
机构 * Princeton University（普林斯顿大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出EvoGS，将4D高斯散射视为学习到的动态系统，通过连续时间演化提升动态场景建模的效率与可控性。
DPSR: 通过多阶段去噪实现差分隐私稀疏重建用于推荐系统
机构 * Columbia University Irving Medical Center（哥伦比亚大学伊文思医疗中心）
AI总结 DPSR通过多阶段去噪框架在推荐系统中实现差分隐私保护，有效提升推荐质量，优于现有隐私保护机制。
视觉-语言-动作模型中的置信度校准
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出通过提示集合和动作-wise Platt缩放技术，改进视觉-语言-动作模型的置信度校准，以提升机器人行为的可靠性和性能。
Comments 38 pages, 19 figures; additional experiments with VLA variants
TabRep: 通过简单有效的连续表示训练表格扩散模型
机构 * Imperial College London（伦敦帝国学院） ； Columbia University（哥伦比亚大学）
AI总结 TabRep通过统一连续表示训练表格扩散模型，实现高效生成高质量表格数据并保持隐私。
Comments TMLR 2026
用户概率数字孪生：具有统计验证语义的潜在表示学习
机构 * Department of Applied Mathematics, Columbia University（应用数学系，哥伦比亚大学）
AI总结 本文提出了一种概率数字孪生框架，通过变分自编码器学习用户潜在表示，结合统计验证方法解释潜在维度，展示可解释且具有不确定性的用户表示。
Comments 11 pages, 10 figures. Methodological paper on probabilistic user modeling and latent representation learning
面向治理的混合微调方法用于多语言大语言模型
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） ； University of Copenhagen（哥本哈根大学） ； Duke University（杜克大学）
AI总结 本文提出面向治理的混合微调方法，通过结合低秩更新和正交变换提升多语言大模型的适应效率与准确性。
Comments 11 pages, 4 figures, 6 tables. arXiv admin note: substantial text overlap with arXiv:2507.18076
Journal ref 2025 IEEE International Conference on Big Data
通过Geo-Wasserstein散度进行3D细胞过分割校正
机构 * Columbia University（哥伦比亚大学） ； Princeton University（普林斯顿大学） ； University of California, San Francisco（旧金山大学）
AI总结 本文提出Geo-Wasserstein散度用于3D细胞过分割校正，结合几何和拓扑特征提升分割质量。
Comments Accepted to WACV 2026
FinAudio: 一个用于金融应用的音频大语言模型基准
机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； Columbia University（哥伦比亚大学） ； The Fin AI（Fin AI公司） ； Domyn（Domyn公司） ； Augusta University（奥古斯塔大学） ； The University of Manchester（曼彻斯特大学） ； University of Montreal（蒙特利尔大学）
AI总结 FinAudio是一个用于评估音频大语言模型在金融领域应用的基准，通过三个任务和两个数据集评估七种模型，揭示了现有模型的局限性并提供改进方向。
你的AI代理在买什么？评估、偏见、模型依赖性及代理电子商务的新兴影响
机构 * MyCustomAI ； Columbia University, Graduate School of Business（哥伦比亚大学商学院） ； Yale University（耶鲁大学）
AI总结 研究发现AI代理在电子商务中的行为具有显著偏见和波动性，且其决策受模型和提供者影响，需持续审计以应对市场变化。
TrajSyn: 从联邦学习模型轨迹中隐私保护地生成数据集以实现服务器端对抗训练
机构 * Computer Science Department, Columbia University（哥伦比亚大学计算机科学系） ； School of Computer Science and Engineering, Vellore Institute of Technology（维洛雷理工学院计算机科学与工程学院） ； School of Information Technology, Deakin University（德肯大学信息科技学院）
AI总结 TrajSyn通过从客户端模型更新轨迹中生成代理数据集，实现隐私保护的服务器端对抗训练，提升图像分类任务的对抗鲁棒性。
多尺度跨模态映射分子、病理和放射表型在脂质缺乏型清细胞癌肾癌中的应用
机构 * Nurturing Center of Jiangsu Province for State Laboratory of AI Imaging & Interventional Radiology, Department of Radiology, Zhongda Hospital, School of Medicine, Southeast University（江苏省人工智能影像与介入放射学 state laboratory 育成中心，放射科，中大医院，东南大学） ； Department of Mechanical and Aerospace Engineering, Princeton University（机械与航空航天工程系，普林斯顿大学） ； School of Automation, Southeast University（自动化学院，东南大学） ； Department of Biomedical Engineering, Columbia University（生物医学工程系，哥伦比亚大学） ； Automation and Electrical Engineering College, Lanzhou University of Technology（自动化与电气工程学院，兰州理工大学） ； The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学附属第一医院，生命科学与医学学院，中国科学技术大学） ； Lianyungang First People’s Hospital（连云港第一人民医院） ； School of Robotics and Automation, Suzhou Campus, Nanjing University（机器人与自动化学院，南京大学苏智校区）
AI总结 本研究提出多尺度跨模态框架，用于术前识别脂质缺乏型清细胞肾癌的分子、病理和放射表型，实现非侵入性分子表型分析。
理解训练扩散模型用于RLHF中的采样随机性
机构 * Columbia University, IEOR Department（哥伦比亚大学，工业工程与运营研究系）
AI总结 本文研究了在训练扩散模型用于RLHF时随机采样与确定性采样之间的不匹配问题，通过理论分析和实验验证，提出了非空的界限和更尖锐的收敛速率，并展示了高随机性SDE训练对ODE采样质量的提升作用。
面向开放世界设置的零样本息肉检测自适应检测-验证框架
机构 * College of Computer Science, Sichuan University（四川大学计算机学院） ； Columbia University（哥伦比亚大学） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Apon AI and Brain-Computer Engineering Research Institute（Apon人工智能与脑机工程研究院） ； Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院） ； Faculty of Applied Science and Engineering, University of Toronto（多伦多大学应用科学与工程学院） ； Faculty of Computer Science and Information Technology, University of Malaya（马来亚大学计算机科学与信息技术学院） ； Zhaolong Technology（智龙科技） ； Purdue University（普渡大学）
AI总结 本文提出AdaptiveDetector，通过自适应阈值调整和成本敏感强化学习，实现开放世界中零样本息肉检测，提升召回率并减少假阴性。
小批量训练语言模型：当普通SGD有效，以及为何梯度累积是浪费
机构 * New York University（纽约大学） ； Columbia University（哥伦比亚大学）
AI总结 本研究发现小批量训练可稳定训练语言模型，优于大批次，且能使用普通SGD实现稳定训练，无需动量和优化器状态。
Comments NeurIPS 2025. Code available at: https://github.com/martin-marek/batch-size
通过随机微分方程实现完全贝叶斯微分高斯过程
机构 * South China University of Technology（华南理工大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出了一种通过随机微分方程实现完全贝叶斯微分高斯过程的方法，以提升模型的灵活性和适应性。
利用大语言模型进行职业流动性分析：一项基于美国在线简历资料研究性别、种族和工作转换的调查
机构 * Singapore Management University（新加坡国立管理学院） ； Columbia University（哥伦比亚大学）
AI总结 本研究利用大语言模型分析美国在线简历数据，探讨性别、种族和工作转换对职业流动性的影响，发现女性和黑人毕业生的工作转换回报较低。
Comments Accepted by EPJ Data Science
CXL-SpecKV: 一种基于FPGA的分散式KV缓存用于数据中心LLM服务
机构 * Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学）
AI总结 CXL-SpecKV通过FPGA加速和内存分散技术，提升数据中心LLM服务的吞吐量和内存效率。
Comments Accepted to FPGA'26 Oral
一种具有终身在线学习保证的高效单类SVM变种
机构 * New York University（纽约大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出SONAR，一种基于SGD的高效单类SVM求解器，通过强凸正则化实现非平稳数据下的终身学习保证，并在对抗性数据中展示适应性保证。
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