arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Columbia University(哥伦比亚大学)

2026-02-17 至 2026-02-17 共收录 8
2602.14509 2026-02-17 cs.CV

MacNet: An End-to-End Manifold-Constrained Adaptive Clustering Network for Interpretable Whole Slide Image Classification

MacNet: 一种端到端的流形约束自适应聚类网络用于可解释的整张滑动图像分类

Mingrui Ma, Chentao Li, Pan Huang, Jing Qin

机构 * School of Computer Science and Technology, Xinjiang University, Urumqi 830046, China, and the Affiliated Tumor Hospital of Xinjiang Medical University, Xinjiang 830011, China(新疆大学计算机科学与技术学院,中国新疆乌鲁木齐830046,以及新疆医科大学附属肿瘤医院,中国新疆830011) Fu Foundation School of Engineering and Applied Science, Columbia University, New York, NY 10027, USA(哥伦比亚大学福基金会工程与应用科学学院,美国纽约纽约州10027) School of Nursing, The Hong Kong Polytechnic University, Hong Kong 999077, SAR China(香港理工大学护理学院,中国香港999077,香港特别行政区)

AI总结 MacNet通过整合流形约束和自适应聚类,提升整张滑动图像分类的可解释性和性能。

Comments Our code is available at https://github.com/Prince-Lee-PathAI/MacNet

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.14501 2026-02-17 cs.CV

Prototype Instance-semantic Disentanglement with Low-rank Regularized Subspace Clustering for WSIs Explainable Recognition

原型实例语义解耦与低秩正则化子空间聚类用于WSI可解释识别

Chentao Li, Pan Huang

机构 * Columbia University(哥伦比亚大学) Hong Kong Polytechnic University(香港理工大学)

AI总结 本文提出PID-LRSC框架,通过低秩正则化子空间聚类和增强对比学习解决WSI中实例与语义耦合问题,提升模型可解释性和诊断可靠性。

Comments Our code is available at https://github.com/Prince-Lee-PathAI/PID-LRSC

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.13808 2026-02-17 cs.AI cs.SE

An end-to-end agentic pipeline for smart contract translation and quality evaluation

面向智能合约翻译和质量评估的端到端代理流程

Abhinav Goel, Chaitya Shah, Agostino Capponi, Alfio Gliozzo

机构 * Columbia University(哥伦比亚大学) IBM T.J. Watson Research Center(IBM T.J.沃森研究中心)

AI总结 本文提出端到端智能合约翻译与质量评估框架,通过代理团队实现结构化输出与多维度质量评估。

Comments 17 pages, 4 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.00232 2026-02-17 cs.CL cs.AI cs.CY cs.LG

BiasFreeBench: a Benchmark for Mitigating Bias in Large Language Model Responses

BiasFreeBench: 一个用于减轻大型语言模型响应偏见的基准测试

Xin Xu, Xunzhi He, Churan Zhi, Ruizhe Chen, Julian McAuley, Zexue He

机构 * UC San Diego(加州大学圣地亚哥分校) Columbia University(哥伦比亚大学) Zhejiang University(浙江大学) Stanford University(斯坦福大学)

AI总结 BiasFreeBench通过统一测试平台评估八种主流偏见缓解方法,提供响应层面的偏见自由分数,旨在提升大型语言模型的公平性和安全性。

Comments Accepted by ICLR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2407.11907 2026-02-17 cs.LG cs.SI

GraphFM: A generalist graph transformer that learns transferable representations across diverse domains

GraphFM: 一种通用的图变换器,能够在不同领域中学习可迁移的表示

Divyansha Lachi, Mehdi Azabou, Vinam Arora, Eva Dyer

机构 * University of Pennsylvania(宾夕法尼亚大学) Columbia University(哥伦比亚大学)

AI总结 GraphFM是一种通用图变换器,通过多图预训练学习可迁移的表示,提升跨不同图结构和任务的性能。

Journal ref Transactions on Machine Learning Research, 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.13543 2026-02-17 cs.IR cs.CL cs.LG

LiveNewsBench: Evaluating LLM Web Search Capabilities with Freshly Curated News

LiveNewsBench: 用最新整理的新闻评估大语言模型网络搜索能力

Yunfan Zhang, Kathleen McKeown, Smaranda Muresan

机构 * Columbia University(哥伦比亚大学) Barnard College(巴纳德学院)

AI总结 LiveNewsBench通过最新新闻数据评估大语言模型的网络搜索能力,提供多跳搜索和推理任务,支持大规模训练数据集构建,公开排行榜和代码。

Comments An earlier version of this work was publicly available on OpenReview as an ICLR 2026 submission in September 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2410.15756 2026-02-17 cs.SE cs.AI

Automated Proof Generation for Rust Code via Self-Evolution

通过自我进化实现Rust代码的自动证明生成

Tianyu Chen, Shuai Lu, Shan Lu, Yeyun Gong, Chenyuan Yang, Xuheng Li, Md Rakib Hossain Misu, Hao Yu, Nan Duan, Peng Cheng, Fan Yang, Shuvendu K Lahiri, Tao Xie, Lidong Zhou

机构 * Peking University(北京大学) Microsoft Research(微软研究院) University of Illinois at 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 California Irvine(加州大学 Irvine 分校)

AI总结 SAFE框架通过自我进化循环和自我调试机制,提升开源模型自动编写Rust代码证明的能力,准确率达52.52%

详情

展开后加载摘要…

URL PDF HTML 收藏
2312.11797 2026-02-17 q-fin.PM cs.LG q-fin.CP

Data-Driven Merton's Strategies via Policy Randomization

基于策略随机化的数据驱动梅顿策略

Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

机构 * Department of Applied Mathematics and School of Accounting and Finance, The Hong Kong Polytechnic University(应用数学系和会计与金融学院,香港理工大学) Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong(系统工程与工程管理系,香港中文大学) Department of Industrial Engineering and Operations Research & Data Science Institute, Columbia University(工业工程与运筹学系及数据科学研究所,哥伦比亚大学)

AI总结 本文提出基于策略随机化的数据驱动方法,用于解决不完全市场中的梅顿期望效用最大化问题,通过强化学习算法实现优于传统方法的性能。

Comments 45 pages, 4 figures, 2 tables

详情

展开后加载摘要…

URL PDF HTML 收藏