Columbia University（哥伦比亚大学）

A Large-Scale Multimodal Dataset and Benchmarks for Human Activity Scene Understanding and Reasoning

大规模多模态数据集与基准用于人类活动场景理解和推理

Siyang Jiang, Mu Yuan, Xiang Ji, Bufang Yang, Zeyu Liu, Lilin Xu, Yang Li, Yuting He, Liran Dong, Wenrui Lu, Zhenyu Yan, Xiaofan Jiang, Wei Gao, Hongkai Chen, Guoliang Xing

机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） ； University of Pittsburgh（匹兹堡大学） 纠错

AI总结 CUHK-X是一个大规模多模态数据集和基准，用于人类活动场景理解和推理，通过生成逻辑一致的活动序列提升描述一致性。

XAM: Interactive Explainability for Authorship Attribution Models

XAM：作者归属模型的交互式可解释性

Milad Alshomary, Anisha Bhatnagar, Peter Zeng, Smaranda Muresan, Owen Rambow, Kathleen McKeown

机构 * Columbia University（哥伦比亚大学） ； Stony Brook University（石溪大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 IXAM通过交互式探索嵌入空间，提供作者归属模型的多粒度写作风格解释，提升模型预测的可解释性。

Domain-Specific Foundation Model Improves AI-Based Analysis of Neuropathology

领域特定基础模型提升基于人工智能的神经病理科分析

Ruchika Verma, Shrishtee Kandoi, Robina Afzal, Shengjia Chen, Jannes Jegminat, Michael W. Karlovich, Melissa Umphlett, Timothy E. Richardson, Kevin Clare, Quazi Hossain, Jorge Samanamud, Phyllis L. Faust, Elan D. Louis, Ann C. McKee, Thor D. Stein, Jonathan D. Cherry, Jesse Mez, Anya C. McGoldrick, Dalilah D. Quintana Mora, Melissa J. Nirenberg, Ruth H. Walker, Yolfrankcis Mendez, Susan Morgello, Dennis W. Dickson, Melissa E. Murray, Carlos Cordon-Cardo, Nadejda M. Tsankova, Jamie M. Walker, Diana K. Dangoor, Stephanie McQuillan, Emma L. Thorn, Claudia De Sanctis, Shuying Li, Thomas J. Fuchs, Kurt Farrell, John F. Crary, Gabriele Campanella

机构 * Windreich Department of AI and Human Health（AI与人类健康部门） ； Icahn School of Medicine at Mount Sinai（辛克医学院（梅奥医院）） ； Hasso Plattner Institute for Digital Health at Mount Sinai（梅奥医院数字健康研究所） ； Department of Neurology（神经病学部门） ； Department of Pathology（病理学部门） ； Columbia University（哥伦比亚大学） ； Memorial Sloan-Kettering Cancer Center（纪念斯隆凯特林癌症中心） ； Department of Neuroscience（神经科学部门） ； Mayo Clinic College of Medicine（梅奥诊所医学院） ； University of Texas Southwestern Medical Center（德克萨斯西南医学中心） ； Peter O’Donnell Jr. Brain Institute（彼得·奥多尼尔 Jr. 脑研究所） ； VA Boston Healthcare System（波士顿退伍军人医疗系统） 纠错

AI总结 NeuroFM通过专门训练于脑组织的领域特定基础模型，提升神经病理学AI分析的准确性与可靠性。

Calibrating Geophysical Predictions under Constrained Probabilistic Distributions

在受限概率分布下校准地质预测

Zhewen Hou, Jiajin Sun, Subashree Venkatasubramanian, Peter Jin, Shuolin Li, Tian Zheng

机构 * Department of Statistics, Columbia University, NY（统计系，哥伦比亚大学） ； Department of Statistics, Florida State University, FL（统计系，佛罗里达州立大学） ； Department of Computer Science, Columbia University, NY（计算机科学系，哥伦比亚大学） ； Department of Applied Physics and Applied Mathematics, Columbia University, NY（应用物理与应用数学系，哥伦比亚大学） ； NSF Science and Technology Center for Learning the Earth with AI and Physics, Columbia University, NY（国家科学基金会学习地球与人工智能和物理的科学与技术中心，哥伦比亚大学） 纠错

AI总结 本文提出基于分布的校准方法，利用边缘分布信息提升地质预测的准确性与一致性，通过KSD和归一化技术改进模型输出与物理分布的一致性。