高校专区
用GPT-4.1评估角色模拟在观点预测中的有效性
机构 * Columbia University（哥伦比亚大学）
AI总结 研究用GPT-4.1测试角色模拟在观点预测中的有效性，利用相关数据集进行实验，在选举结果和医学观点预测上取得一定成果，生成对话符合角色特点，解决偏差后角色模拟在多领域观点分析等应用前景广阔。
Comments ICDM 2025 Undergraduate and High School Symposium
Journal ref Proceedings of the 2025 IEEE International Conference on Data Mining Workshops (ICDMW), pp. 2938-2942
朝着解耦偏好优化动态：压制失败者，保留胜利者
机构 * South China University of Technology（南方科技大学） ； Columbia University（哥伦比亚大学） ； University of Waterloo（滑铁卢大学）
AI总结 本文提出奖励校准方法，通过解耦带宽条件实现压制失败者并保留胜利者的优化动态，提升了下游性能。
Journal ref International Conference on Machine Learning(ICML) 2026
因果字典学习揭示并验证基因组语言模型中的转录因子结合特征
机构 * Columbia University Irving Medical Center（哥伦比亚大学伊文思医疗中心）
AI总结 研究针对基因组语言模型内部表示不透明问题，引入结合稀疏字典学习与因果干预的框架，训练自动编码器提取转录因子结合特征，开发去混淆协议并因果验证，为基因组深度学习可解释性提供计算标准。
用于模型选择的贝叶斯风洞
机构 * Columbia University（哥伦比亚大学）
AI总结 研究变压器能否进行贝叶斯模型选择，引入模型选择贝叶斯风洞。通过无不动点对合，变压器在特定环境下实现与贝叶斯最优值的熵一致性，拓展到非嵌套比较，还确定了感知访问条件及相关因素，展示了模型选择能力并揭示了语言模型的校准问题。
Comments 27 pages
抽象诱导语言和语音模型的脑对齐
机构 * The University of Texas at Austin, USA（德克萨斯大学奥斯汀分校） ； 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）
AI总结 研究发现语言和语音模型通过共享的意义抽象与大脑对齐，中间层的高内在维度和语义内容增强了大脑预测性。
Comments ICML 2026 camera-ready version
Journal ref ICML 2026
EditLord: 学习代码变换规则用于代码编辑
机构 * The University of Chicago（芝加哥大学） ； Columbia University（哥伦比亚大学） ； Rutgers University（罗格斯大学）
AI总结 EditLord通过显式化代码变换步骤，利用语言模型提取元规则集，提升代码编辑性能和鲁棒性。
Journal ref 42nd International Conference on Machine Learning (2025)
脱离上下文的广义信赖域策略优化算法：利用特权信息学习解决难题
机构 * Meta AI ； Columbia University（哥伦比亚大学）
AI总结 研究利用特权信息解决强化学习难题，提出脱离上下文的广义信赖域策略优化算法（OC - GRPO），通过引导展开和重要性校正目标避免训练不匹配，在标准数学推理基准上比普通GRPO有显著提升且成本低。
Comments 24 Pages
RUBRIC：用于不平衡分类的现实-效用平衡排序
机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Melbourne（墨尔本大学）
AI总结 研究类别不平衡问题，提出RUBRIC框架，将合成样本选择设为质量优化问题，用现实-效用权衡排序，能收紧泛化边界，经实验验证其在信用卡欺诈检测等任务中可提升F1宏和召回率，保持ROC-AUC并可进行lambda敏感性分析。
在放弃之前再看一眼：预算约束下的共形证据获取用于可靠的视觉-语言模型
机构 * South China University of Technology（华南理工大学） ； RIKEN Center for Advanced Intelligence Project（RIKEN先进智能研究中心） ； Columbia University（哥伦比亚大学）
AI总结 针对视觉-语言模型幻觉问题，提出预算约束共形证据获取（BCEA）方法，通过三级决策（回答、放弃或获取额外视觉证据）在有限计算预算下控制幻觉率，并恢复有限样本保证。
FormGym：用智能体完成文书工作
机构 * Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 FormGym提出一个表格填写基准测试，通过FieldFinder工具提升智能体在表格定位和填写任务中的性能
在多智能体强化学习训练的弱电鱼群体中的主动电感应与通信
机构 * Harvard University（哈佛大学） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； MIT（麻省理工学院）
AI总结 研究个体互动如何产生复杂集体行为，通过多智能体强化学习训练弱电鱼样智能体集体觅食，再现真实鱼类特征，经模拟干预和神经动力学分析确定因果驱动因素，为弱电鱼等社会动物神经行为学研究提供新思路。
评估风格个性化文本生成：挑战与方向
机构 * Columbia University（哥伦比亚大学） ； Microsoft（微软公司） ； The University of York（约克大学）
AI总结 研究风格个性化文本生成面临的挑战，通过提出的风格判别基准评估常用指标，发现多样评估指标集成效果更佳，为可靠评估该文本生成提供指导。
Comments Accepted to the 5th GEM workshop at ACL 2026
在退相干和时变条件下量子网络路由的鲁棒信念状态策略学习
机构 * Department of Electrical Engineering, Columbia University（哥伦比亚大学电气工程系） ； Department of Electrical Engineering, Imam Khomeini International University（伊玛目·霍梅尼国际大学电气工程系） ； Department of Electrical Engineering, Qatar University（卡塔尔大学电气工程系）
AI总结 针对量子网络路由在复杂条件下的在线决策问题，基于q-POMDP和GNN开发鲁棒信念状态路由框架，通过原子微纪元等方法考虑多种因素，引入多种策略实现可扩展性，经融合与规则提供理论保证，模拟显示该混合控制器性能优于多种基线。
XCOMPS：概念最小对的多语言基准测试
机构 * Columbia University（哥伦比亚大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； LMU Munich（慕尼黑大学） ； University of Michigan（密歇根大学） ； KU Leuven（根特大学）
AI总结 介绍多语言概念最小对数据集XCOMPS，通过多种方式评估LLMs多语言概念理解，比较不同模型发现LLMs对低资源语言概念理解弱，指令微调与知识蒸馏有不同效果，形态复杂语言理解分数低。
Comments Accepted at SIGTYP 2025: https://aclanthology.org/2025.sigtyp-1.9/
用于机器人接待员的具有自然人机交互能力的关节式人形头部
机构 * Engineered Arts（工程艺术公司） ； Realbotix（Realbotix公司） ； Columbia University（哥伦比亚大学）
AI总结 针对现有人形机器人头部的局限，提出用于接待员的关节式人形机器人头部，集成21自由度机械结构与逼真皮肤，结合多种模型进行人脸识别和自然语言处理，经测试和评估，其对话、重新识别及类人等能力表现良好。
Comments This work is accepted at IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM2026)
Journal ref IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM2026)
RIMS：通过平滑多对聚合进行偏好优化以实现小规模语言模型检索增强生成
机构 * Columbia University（哥伦比亚大学） ； Rutgers University（罗格斯大学） ； Purdue University（普渡大学） ； SUNY Albany（纽约州立大学奥尔巴尼分校）
AI总结 研究针对小规模语言模型检索增强生成中对噪声证据敏感的问题，提出RIMS框架，通过合成偏好数据、软聚合机制及偏好优化，实现更好性能，在多基准测试中优于现有方法
Journal ref COLM 2026
生成常微分方程中积分误差的空间传输
机构 * Columbia University（哥伦比亚大学）
AI总结 研究生成常微分方程中积分误差的空间传输问题，通过带符号的源和传输计算，利用单步截断残差和结构破坏零值等方法分析误差，还发现训练惩罚注入变化可降误差，模型可据此训练改变。
Comments 21 pages
AQKA: 在有限量子核预算下的主动量子核获取
机构 * RIKEN iTHEMS（日本理化学研究院iTHEMS研究中心） ； RIKEN AIP（日本理化学研究院Advanced Institute for Physics） ； 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AQKA方法，通过分解射频预算区域，优化量子核学习中的射频分配，提升稀疏敏感KRR和SVM性能，同时在量子硬件上实现多种子在线自适应射频分配。
为大规模语言模型的可扩展数据归因与估值绘制读出
机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； Lambda Inc.（Lambda公司） ； Columbia University（哥伦比亚大学） ； Mailman School of Public Health（马利曼公共卫生学院） ； 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）
AI总结 本文提出RISE方法，通过聚焦输出层影响热点，利用分解的外积形式实现高效归因与估值，减少存储并扩展至32B参数模型，验证了其在数据检测、领域分离和高质量数据选择中的有效性。
Comments 54 pages
表示感知分布鲁棒优化：一种知识转移框架
机构 * Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系） ； Department of Biostatistics, Peking University Health Science Center（北京大学北京医科大学生物统计学系） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心）
AI总结 研究提出表示感知分布鲁棒估计（READ）框架，利用外部表示指导鲁棒性几何，增加改变表示坐标扰动的运输成本。在当前目标推断和未来总体部署中研究READ，模拟和应用证明其在多源多任务转移学习中有优势。
缩小人工智能信任差距：可信人工智能独立认证的案例
机构 * University College London（伦敦大学学院） ； AI Ethics Lab（人工智能伦理实验室） ； University of Cambridge（剑桥大学） ； Columbia University（哥伦比亚大学） ； MATS ； Tech with Intention（技术与意图） ； University of Southern California（南加州大学） ； Kyushu University（九州大学） ； University of Chile（智利大学） ； BehSci Meets AI（行为科学与人工智能） ； Digital Trust Council（数字信任委员会）
AI总结 研究指出负责任AI虽有实践但未形成奖励可信度的市场，存在信任差距。原因包括关注重点偏差及三个复合失败。通过审查治理工具发现不足，进而提出以结果为导向的独立认证来缩小信任差距，补充监管与内部治理。
针对有界区分器测试分布
机构 * Boston University（波士顿大学） ； Columbia University（哥伦比亚大学）
AI总结 研究高维或连续域分布测试，针对有界区分器类。核心方法是基于欺骗距离测试，揭示了可测试学习、学习算法验证和结构化分布测试间联系，产生了如可测试学习者、验证下界及恒等测试器等新结果。
Comments 53 pages; appeared at STOC 2026
VTAP 夹爪：指尖传感与视觉触觉主动手掌协同实现灵巧的手中操作
机构 * Edwardson School of Industrial Engineering, Purdue University（普渡大学爱德华森工业工程学院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系）
AI总结 研究提出集成 VTAP 和触觉阵列传感器手指的夹爪，利用指掌协同与多模态感知实现操作。通过双模态手掌扩展能力，提出重定向框架。经多任务实验验证，该夹爪及框架为灵巧夹爪设计等提供实用参考架构。
Comments 8 pages, 10 figures, accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project webpage: https://yuhochau.github.io/vtap/
通过拉普拉斯最优传输实现聚类感知匹配
机构 * Department of Applied Mathematics, Tel Aviv University（特拉维夫大学应用数学系） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Statistics, University of Chicago（芝加哥大学统计系）
AI总结 针对点云具有聚类结构的匹配问题，提出基于拉普拉斯最优传输（LapOT）的聚类感知匹配方法，用二次拉普拉斯项正则化最优传输问题，引入RSC方法，经理论分析和实验证明该方法能实现点云间更一致且有意义的对齐。
基于时域DNN的助听器嵌入式FPGA语音增强可行性研究
机构 * Radboud University, Donders Institute for Brain, Cognition, and Behaviour, The Netherlands（拉德堡德大学，脑认知行为研究所，荷兰） ； Mortimer B. Zuckerman Mind, Brain, Behavior Institute, Columbia University, USA（莫蒂默·B·齐克曼心智、大脑与行为研究所，哥伦比亚大学，美国）
AI总结 本文在AMD-Xilinx Kria KV260上部署轻量级SuDoRM-RF++模型，通过FP32和16位定点精度评估语音分离和降噪，发现数据移动是主要瓶颈，定点降噪加速器达到9.7ms首样本延迟，满足10ms临床阈值。
Comments 13 pages
延迟-响应理论模型：通过响应准确性和思维链长度评估大语言模型
机构 * Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Statistics, University of Michigan（密歇根大学统计系）
AI总结 针对大语言模型评估问题，提出延迟-响应理论（LaRT）模型，联合考虑响应准确性和思维链长度，通过引入关键参数建模，推导高效算法估计参数，经理论和模拟研究验证其优势，实际数据评估中表现优于项目反应理论（IRT）。
ARMOR++：用于对深度伪造检测器进行可转移攻击的多域原语集的智能编排
机构 * Department of Informatics, Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学信息学系） ； Infocomm Technology Cluster, Singapore Institute of Technology（新加坡科技学院信息通信技术集群） ； Department of Applied Physics and Applied Mathematics, Columbia University（哥伦比亚大学应用物理与应用数学系） ； Division of Natural and Applied Sciences, Duke Kunshan University（昆山杜克大学自然科学与应用科学部） ； Department of Electrical and Computer Engineering, University of Toronto（多伦多大学电气与计算机工程系）
AI总结 研究针对深度伪造检测器在黑盒对抗转移下可靠性下降问题，提出ARMOR++多智能体框架，利用视觉与语言模型提供语义先验并编排原语选择等，整合多种原语有效针对异构偏差，实验表明其性能优于现有基线，凸显当前检测器可靠性差距及智能编排的有效性。
用于微调离散扩散模型的连续时间强化学习框架
机构 * Columbia University（哥伦比亚大学）
AI总结 该研究提出连续时间强化学习框架，推导策略梯度方法得到PPO和GRPO的连续时间变体。以此开发框架微调离散扩散模型，无需奖励信号可微，能纳入中间奖励或优势信号，还为MDM提供统一视角，用轨迹子采样技术降低计算成本，在相关任务中验证了方法有效性。
Comments 36 pages, 5 figures
学习用于可变形物体模拟的物理引导残差动力学
机构 * UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； Columbia University（哥伦比亚大学）
AI总结 研究针对可变形物体模拟中动力学预测难的问题，提出物理引导残差动力学（PGRD）框架，结合物理与学习方法优势，采用特定架构和公式，在多物体模拟上结果更准，还展示了其在操作规划和交互式模拟中的应用效用。
Comments Website: https://pgrd-robot.github.io/
GameEngineBench：在真实C++运行时环境中评估编码智能体
机构 * Nitrode ； Nexon Intelligence Labs ； Dartmouth University（达特茅斯大学） ； Columbia University（哥伦比亚大学） ； Cornell University（康奈尔大学）
AI总结 研究利用GameEngineBench在虚幻引擎5项目中评估编码智能体，核心方法是构建来自九个真实游戏仓库的基准测试集，主要贡献是揭示智能体在实时交互软件的C++开发中面临挑战，凸显游戏引擎基准测试的价值。
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