高校专区
潜在奖励引导：一种自适应推理时框架，隐式促进推理大语言模型中的认知行为
机构 * Rutgers University（罗格斯大学） ； South China Agricultural University（华南农业大学） ； Columbia University（哥伦比亚大学） ； Fenz.AI ； QuantaAlpha ； Adobe ； Santa Clara University（圣克拉拉大学） ； City University of Hong Kong（香港城市大学）
AI总结 提出潜在奖励引导（LRS）框架，通过优化稀疏自编码器潜在状态隐式促进认知行为，利用最终答案正确性训练潜在奖励模型估计中间状态质量，并在推理时提供状态特定的修正方向，实验表明该方法能提升推理性能并修复原始推理错误。
基于Finsler几何的学习祖系引导测地线
机构 * New York Genome Center（纽约基因组中心） ； Irving Institute for Cancer Dynamics, Columbia University（癌症动力学研究所，哥伦比亚大学） ； Department of Systems Biology, Columbia University（系统生物学系，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）
AI总结 本文提出结合分类与几何的Finsler度量，利用离散方向先验知识提升轨迹插值性能。
迈向干预性随机微分方程的可识别性
机构 * New York Genome Center（纽约基因组中心） ； Department of Computer Science Columbia University（哥伦比亚大学计算机科学系） ； Department of Applied Mathematics and Applied Physics Columbia University（哥伦比亚大学应用数学与应用物理系） ； Institute of Computational Biology Helmholtz Munich（海德堡医学院计算生物学研究所） ； Department of Mathematics Technische Universität München（慕尼黑技术大学数学系） ； Department of Biomedical Engineering Columbia University（哥伦比亚大学生物医学工程系） ； Irving Institute for Cancer Dynamics, Columbia University（哥伦比亚大学癌症动力学伊文斯研究所）
AI总结 研究多重干预下随机微分方程的可识别性，给出线性与非线性SDE参数恢复的界，通过合成数据实验验证，展示可学习激活函数参数化在基因调控动力学应用中的优势。
通过梯度下降和Bradley-Terry模型实现个体公平性
机构 * Columbia University（哥伦比亚大学） ； Rutgers University（罗格斯大学） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Harvard University（哈佛大学）
AI总结 提出一种从三元组查询中学习马氏距离度量的算法，结合谱初始化与梯度下降，在非凸损失下快速收敛到真实度量，并证明估计度量下的个体公平性足以近似真实度量下的公平性。
Comments 60 pages, 2 figures
通过纳米光子波前编码实现物理基础的单目深度
机构 * New York University（纽约大学） ； Columbia University（哥伦比亚大学）
AI总结 研究旨在解决单目深度感知中度量尺度模糊问题，核心方法是用超透镜通过纳米光子学编码深度线索，结合DFMs与输入自适应策略及模拟管道，实验证明该方法有效提升单目度量深度传感精度。
Comments ECCV 2026
解缠表示的变分学习
机构 * Department of Computer Science, Columbia University, New York City, USA（哥伦比亚大学计算机科学系）
AI总结 研究如何实现解缠表示，引入DisCoVR变分框架，其目标与数据生成概率结构一致，含对抗项防止特定条件信息编码，在多类数据集上比以前方法实现更强解缠。
HJCD-IK：通过批处理混合雅可比坐标下降实现GPU加速的逆运动学
机构 * Columbia University（哥伦比亚大学） ； Purdue University（普渡大学） ； Barnard College, Columbia University（巴纳德学院，哥伦比亚大学）
AI总结 研究机器人逆运动学问题，提出基于GPU加速、采样的混合求解器HJCD-IK，通过结合方向感知贪婪坐标下降初始化、雅可比优化和并行碰撞滤波器，在速度和精度上比现有求解器有显著提升，且能找到无碰撞解决方案并开源代码。
Comments Accepted to IROS 2026. 8 pages, 6 figures, 3 tables, 4 algorithms
深度神经网络训练作为随机效应：优化-推断对偶性
机构 * Centre for Biomedical Data Science, Duke-NUS Medical School, National University of Singapore（生物医学数据科学中心，国立新加坡大学杜克-新加坡医学学校） ； Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA（生物统计学系，哈佛T.H. Chan公共卫生学院，马萨诸塞州波士顿，美国） ； Institute of Natural Sciences, MOE-LSC, School of Mathematical Sciences, CMA-Shanghai, SJTU-Yale Joint Center of Biostatistics and Data Science, Shanghai Jiao Tong University（自然科学院，MOE-LSC，数学科学学院，CMA-上海，SJTU-耶鲁联合生物统计学与数据科学中心，上海交通大学） ； Department of Biostatistics, Columbia University, New York, NY, USA（生物统计学系，哥伦比亚大学，纽约州纽约市，美国）
AI总结 本文提出深度神经网络训练与经典随机效应模型等价，揭示了优化-推断对偶性，并利用限制最大似然估计实现基于似然的早停规则。
具有风依赖性路径转换的10,000年全球随机热带气旋目录（WHITS）
机构 * Lamont-Doherty Earth Observatory, Columbia University（哥伦比亚大学拉蒙特-多赫蒂地球观测站） ； School of Complex Adaptive Systems, Arizona State University（亚利桑那州立大学复杂适应系统学院） ； Earth and Environmental Engineering, Columbia University（哥伦比亚大学地球与环境工程系）
AI总结 本文提出WHITS方法，通过非参数半马尔可夫路径生成器生成全球10,000年合成气旋目录，以提高保险损失评估的可靠性。
AOI：通过动态调度和分层内存压缩实现的上下文感知多智能体操作
机构 * Columbia University（哥伦比亚大学） ； Hunan University（湖南大学） ； Central University of Finance and Economics（中央财经大学） ； Chongqing University（重庆大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； AI Agent Lab, Vokram Group（Vokram集团人工智能代理实验室） ； College of William and Mary（威廉与玛丽学院） ； University of Texas（得克萨斯大学） ； Zhengzhou University of Light Industry（郑州轻工业大学） ； Emory University（埃默里大学） ； Department of Nephrology, Affiliated Hospital of Guangdong Medical University（广东医科大学附属医院肾病科）
AI总结 本文提出AOI框架，通过动态任务调度和分层内存压缩，提升复杂IT基础设施的自主运维能力，实现72.4%的上下文压缩和94.2%的任务成功率。
Comments new revision
AgentDynEx: 调节多智能体模拟的机制与动态
机构 * Columbia University（哥伦比亚大学）
AI总结 AgentDynEx通过配置矩阵和nudging技术帮助设置多智能体模拟，平衡机制与动态，提升模拟复杂性与动态表现。
Comments 40 pages, 9 figures
多环境数据的贝叶斯不变性建模
机构 * Department of Applied Mathematics and Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学） ； Department of Statistics, Columbia University（统计学系，哥伦比亚大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Warrington College of Business, University of Florida（佛罗里达大学沃林顿商学院） ； Department of Statistics, University of Michigan（统计学系，密歇根大学）
AI总结 研究多环境数据的不变性预测问题，提出贝叶斯不变性预测模型BIP，通过将不变特征索引编码为潜在变量并后验推断恢复，证明后验一致性等，设计变分近似VI-BIP，在模拟和真实数据中表现更优。
kAgent：一种用于Linux内核的执行引导式崩溃修复代理
机构 * Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Google Inc.（谷歌公司） ； Google DeepMind（谷歌DeepMind）
AI总结 研究针对Linux内核崩溃修复难题，以内核开发者修复方式为灵感构建kAgent及支持工具栈，通过检查日志等步骤修复崩溃，消融特性定量分析，评估显示其能有效修复多种崩溃。
Comments Accepted to ICML, 2026; in the Deep Learning for Code Workshop. This paper was previously circulated as "CrashFixer"
具有项目难度的分层贝叶斯众包
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Columbia University（哥伦比亚大学） ； Center for Computational Mathematics, Flatiron Institute（Flatiron研究所计算数学中心）
AI总结 研究针对训练用黄金标准有偏差且带噪声的问题，引入通用测量误差模型，通过添加项目难度等效应推断共识类别，还展示约束模型双峰后验的方法，并验证其拟合优度与预测准确性。
Journal ref ProbML 2026 Workshop Track
极端情况下的格兰杰因果关系
机构 * Faculty of Business and Economics, University of Lausanne（洛桑大学商学院） ； Department of Statistics, UC Berkeley（伯克利大学统计学系） ； Research Institute for Statistics and Information Science, University of Geneva（日内瓦大学统计与信息科学研究所） ； Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运筹学系）
AI总结 介绍极端情况下格兰杰因果关系框架，利用因果尾系数从极端事件推断因果，建立与其他因果概念等价关系，证明关键性质，提出无模型新推断方法，性能和速度优于现有方法。
GestaltMML：通过结合面部图像和临床文本的多模态机器学习增强罕见遗传病诊断
机构 * Raymond G. Perelman Center for Cellular and Molecular Therapeutics, Children’s Hospital of Philadelphia（雷蒙德·G·佩尔曼细胞与分子治疗中心，费城儿童医院） ； Department of Mathematics, University of Pennsylvania（数学系，宾夕法尼亚大学） ； Department of Biomedical Informatics, Columbia University Irving Medical Center（生物医学信息学系，哥伦比亚大学伊万斯医疗中心） ； Department of Human Genetics, New York State Institute for Basic Research in Developmental Disabilities, Staten Island, NY, USA（人类遗传学系，纽约州发育障碍基础研究机构，纽约州史泰登岛） ； Division of Human Genetics, Children’s Hospital of Philadelphia（人类遗传学部，费城儿童医院） ； Department of Pediatrics, Boston Children’s Hospital, Harvard Medical School（儿科系，波士顿儿童医院，哈佛医学院） ； Biology PhD Program, The Graduate Center, The City University of New York（生物学博士项目，纽约市立大学研究生中心） ； Department of Genetics, Perelman School of Medicine, University of Pennsylvania（遗传学系，宾夕法尼亚大学佩尔曼医学学院） ； Department of Pediatrics, Perelman School of Medicine, University of Pennsylvania（儿科系，宾夕法尼亚大学佩尔曼医学学院） ； Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania（病理学与实验室医学系，宾夕法尼亚大学佩尔曼医学学院）
AI总结 研究针对罕见遗传病诊断难题，提出基于Transformer架构的多模态机器学习方法GestaltMML，整合面部图像、人口统计学信息和临床笔记，提升预测准确性，缩小诊断差距。
Comments Preprint updated
OpFML：基于机器学习的业务推理管道
机构 * CMCC Foundation - Euro-Mediterranean Center on Climate Change（CMCC基金会 - 欧洲地中海气候变化中心） ； Columbia University, Department of Earth and Environmental Engineering（哥伦比亚大学地球与环境工程系）
AI总结 提出OpFML管道，整合数据消费、应急处理、预处理和模型推理四步，消除部署样板代码，用于气候与地球科学模型的业务化推理。
Comments 7 pages, 2 figures, 2 tables
从视频中自动发现可操作的动力学
机构 * Columbia University（哥伦比亚大学） ； Duke University（杜克大学）
AI总结 提出一种无需先验领域知识、直接从视频自动发现低维可操作动力学表示（包括紧凑状态变量和可微向量场）的框架，通过定量和定性分析验证其在识别稳定平衡、预测固有频率及检测混沌和极限环行为方面的有效性。
噪声矩阵补全中线性形式的多元检验
机构 * University of Pennsylvania（宾夕法尼亚大学） ； City University of Hong Kong（香港城市大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Columbia University（哥伦比亚大学）
AI总结 针对大规模推荐系统中噪声矩阵补全的多元线性形式检验问题，提出一种数据分割与对称聚合方法，通过构造具有锐利渐近性质的统计量控制错误发现率，在近最优样本量下实现有效FDR控制与统计功效。
基于精细化图随机特征的高效图建模
机构 * Google DeepMind（谷歌DeepMind） ； Columbia University（哥伦比亚大学） ； Google Research（谷歌研究）
AI总结 提出精细化图随机特征（GRFs++），通过行走拼接技术解决传统GRFs难以建模远距离节点关系的问题，在保持无偏性的同时提高计算效率，并扩展了行走终止机制以提升图核近似精度。
Comments ICML 2026
深度高斯过程的Onsager-Machlup后验传输
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AIP研究中心） ； South China University of Technology（华南理工大学） ； Columbia University（哥伦比亚大学）
AI总结 提出OM-Path方法，通过概率流ODE和Onsager-Machlup路径正则化将深度高斯过程推断转化为后验传输，在大型UCI数据集上优于现有变分推断方法。
社会对齐框架可以改进大语言模型对齐
机构 * ETH Zurich（苏黎世联邦理工学院） ； Mila, McGill University（麦吉尔大学米尔人工智能实验室） ； University of Cambridge（剑桥大学） ； Columbia University（哥伦比亚大学） ； University of Toronto, Google DeepMind（多伦多大学与DeepMind） ； McGill University, ServiceNow（麦吉尔大学与ServiceNow） ； Google DeepMind（谷歌DeepMind） ； University of Utah（犹他大学） ； King's College London（伦敦国王学院） ； Johns Hopkins University（约翰霍普金斯大学） ； Mila, McGill University, ServiceNow（麦吉尔大学米尔人工智能实验室与ServiceNow）
AI总结 本文提出借鉴社会、经济和契约对齐框架来改进大语言模型对齐，探讨不确定性在其中的作用，并将目标未指定性视为机遇而非缺陷，同时强调参与式对齐界面设计的必要性。
不耐烦的赌博机：无需延迟地优化长期目标
机构 * Imperial College London（帝国理工学院伦敦分校） ； University of Manchester（曼彻斯特大学） ； Spotify ； Reflection AI ； Columbia University（哥伦比亚大学）
AI总结 针对推荐系统中长期用户满意度优化问题，提出一种结合贝叶斯滤波的延迟奖励预测模型和赌博机算法，利用短期代理信号加速学习，理论证明遗憾界依赖于渐进反馈价值，在播客推荐A/B测试中显著优于基线方法。
Comments To appear in Journal of Machine Learning (JMLR)
CREG: 用于表征VLM空间推理归因中方向性结构的指南针关系证据图
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Columbia University（哥伦比亚大学）
AI总结 提出CREG框架，将令牌级归因转换为以参考为中心的指南针分布并测量方向对齐，揭示当前归因方法的方向性结构有限且常与图像布局混合，任务准确率提升不保证方向归因改善。
TIF：学习安卓恶意软件检测器的时间不变性
机构 * University College London（伦敦大学学院） ； The University of Hong Kong（香港大学） ； Columbia University（哥伦比亚大学）
AI总结 针对恶意软件变种和新家族导致的分布漂移，提出时间不变训练框架TIF，通过多代理对比学习和不变梯度对齐学习稳定表征，提升检测器时间鲁棒性。
Comments Manuscript has been accepted by IEEE Transactions on Software Engineering (TSE)
使AI驱动的发现与人类直觉对齐
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Columbia University（哥伦比亚大学）
AI总结 针对AI发现的状态变量缺乏物理意义的问题，提出一种无需先验知识即可提取更符合人类直觉表示的新原则，并在多个系统上验证其与人类选择的一致性。
硬约束下的条件扩散引导：一种随机分析方法
机构 * Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运营管理系） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 提出基于Doob h-变换和鞅表示的条件扩散引导框架，通过鞅损失和鞅协方差损失学习条件函数梯度，确保硬约束满足并给出非渐近保证。
VibeCheck: 使用主动声学触觉传感进行接触丰富的操作
机构 * Dept. of Mechanical Engineering（机械工程系） ； Dept. of Computer Science（计算机科学系） ； Dept. of Electrical Engineering（电气工程系） ； Columbia University（哥伦比亚大学）
AI总结 本文构建了带有两个压电手指的主动声学传感夹爪，通过物体传递声学振动来感知其声学特性和接触状态，用于物体分类、抓取位置估计、内部结构姿态估计以及外部接触类型分类，并基于接触分类模型实现了鲁棒的插销任务。
Comments Published at IROS 2025. 8 pages, 7 figures
IdealGPT: 通过大型语言模型迭代分解视觉与语言推理
机构 * Columbia University（哥伦比亚大学） ； HKUST（香港科技大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出IdealGPT框架，利用大型语言模型迭代分解视觉语言推理任务，通过子问题生成、子答案获取和最终答案推理的循环过程，在零样本设置下显著提升多步推理性能。
Comments 13 pages, 5 figures
持续机器人学习中涌现的“自我”证据
机构 * Creative Machines Lab, Department of Mechanical Engineering, Columbia University（创意机器实验室，机械工程系，哥伦比亚大学） ； Creative Machines Lab, Department of Computer Science, Columbia University（创意机器实验室，计算机科学系，哥伦比亚大学）
AI总结 通过比较恒定任务与持续学习下机器人的认知结构，发现持续学习机器人形成显著更稳定的不变子网络，该子网络对适应性至关重要，为量化智能系统自我概念提供原则性方法。
Comments 44 pages, 24 figures, includes supplementary materials
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