Columbia University（哥伦比亚大学）

Accurate and Efficient Hybrid-Ensemble Atmospheric Data Assimilation in Latent Space with Uncertainty Quantification

在潜在空间中实现准确且高效的混合-集成大气数据同化与不确定性量化

Hang Fan, Juan Nathaniel, Yi Xiao, Ce Bian, Fenghua Ling, Ben Fei, Lei Bai, Pierre Gentine

机构 * Department of Earth and Environmental Engineering, School of Engineering and Applied Sciences, Climate School, Columbia University（地球与环境工程系，工程与应用科学学院，气候学院，哥伦比亚大学） ； Learning the Earth with Artificial Intelligence and Physics (LEAP) Center, Columbia University（人工智能与物理学习地球中心，哥伦比亚大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学，香港，中国） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（计算机科学与技术系，清华大学，北京，中国） 纠错

AI总结 本文提出HLOBA方法，在潜在空间中实现高效准确的大气数据同化，结合贝叶斯更新与误差去相关性，提升预测与再分析能力。

Comments 23 pages, 12 figures

ManipulationNet: An Infrastructure for Benchmarking Real-World Robot Manipulation with Physical Skill Challenges and Embodied Multimodal Reasoning

ManipulationNet: 一个用于基于现实世界机器人操作的基准测试基础设施，包含物理技能挑战和具身多模态推理

Yiting Chen, Kenneth Kimble, Edward H. Adelson, Tamim Asfour, Podshara Chanrungmaneekul, Sachin Chitta, Yash Chitambar, Ziyang Chen, Ken Goldberg, Danica Kragic, Hui Li, Xiang Li, Yunzhu Li, Aaron Prather, Nancy Pollard, Maximo A. Roa-Garzon, Robert Seney, Shuo Sha, Shihefeng Wang, Yu Xiang, Kaifeng Zhang, Yuke Zhu, Kaiyu Hang

机构 * Rice University（里士大学） ； U.S. National Institute of Standards and Technology（美国国家标准与技术研究院） ； Massachusetts Institute of Technology（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄技术大学） ； Autodesk Research（Autodesk研究） ； University of California, Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（皇家理工学院） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） ； ASTM International（美国材料与试验协会） ； Carnegie Mellon University（卡内基梅隆大学） ； German Aerospace Center (DLR)（德国航空航天中心） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； NVIDIA Research（NVIDIA研究） 纠错

AI总结 ManipulationNet通过标准化硬件和统一软件客户端，为机器人操作提供现实世界基准测试，促进物理技能和具身推理能力的系统性发展。

Comments 32 pages, 8 figures

Gaussian Mixture-Based Inverse Perception Contract for Uncertainty-Aware Robot Navigation

基于高斯混合的逆感知合同用于不确定性感知的机器人导航

Bingyao Du, Joonkyung Kim, Yiwei Lyu

机构 * Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Department of Computer Science and Engineering, Texas A&M University（计算机科学与工程系，德克萨斯大学） 纠错

AI总结 本文提出基于高斯混合的逆感知合同，通过联合椭球置信集表示不确定性，提升机器人导航的安全性和适应性。

Comments 8 pages, 5 figures. Accepted to ACC 2026 (American Control Conference)

Scalable Contrastive Causal Discovery under Unknown Soft Interventions

可扩展的未知软干预下的对比因果发现

Mingxuan Zhang, Khushi Desai, Sopho Kevlishvili, Elham Azizi

机构 * Department of Systems Biology, Columbia University Irving Institute for Cancer Dynamics, Columbia University（系统生物学系，哥伦比亚大学伊万尼癌症动力学研究所，哥伦比亚大学） ； Irving Institute for Cancer Dynamics, Columbia University（伊万尼癌症动力学研究所，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） 纠错

AI总结 本文提出了一种可扩展的因果发现模型，通过对比方法处理未知软干预，提升因果结构恢复和泛化能力。

Neuro-Symbolic Decoding of Neural Activity

神经符号解码神经活动

Yanchen Wang, Joy Hsu, Ehsan Adeli, Jiajun Wu

机构 * Columbia University（哥伦比亚大学） ； Stanford University（斯坦福大学） 纠错

AI总结 NEURONA通过结合符号推理与fMRI基础，提升神经活动解码的准确性和泛化能力。

Comments ICLR 2026. First two authors contributed equally

AriadneMem: Threading the Maze of Lifelong Memory for LLM Agents

AriadneMem: 为LLM代理梳理终身记忆的迷宫

Wenhui Zhu, Xiwen Chen, Zhipeng Wang, Jingjing Wang, Xuanzhao Dong, Minzhou Huang, Rui Cai, Hejian Sang, Hao Wang, Peijie Qiu, Yueyue Deng, Prayag Tiwari, Brendan Hogan Rappazzo, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； Morgan Stanley（摩根大通） ； Rice University（里奇大学） ； Clemson University（克莱姆森大学） ； Northwestern University（西北大学） ； UC Davis（加州大学戴维斯分校） ； Iowa State University（爱荷华州立大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Columbia University（哥伦比亚大学） ； Halmstad University（哈马格大学） 纠错

AI总结 AriadneMem通过解耦的两阶段流程提升LLM代理在长期对话中的多跳和平均F1表现，同时减少运行时间。

Causal Identification from Counterfactual Data: Completeness and Bounding Results

从反事实数据中识别因果关系：完备性与界限结果

Arvind Raghavan, Elias Bareinboim

机构 * Causal Artificial Intelligence Lab, Department of Computer Science, Columbia University（因果人工智能实验室，计算机科学系，哥伦比亚大学） 纠错

AI总结 本文提出CTFIDU+算法，研究反事实数据在因果识别中的完备性与界限问题，揭示非参数设置下因果推断的理论极限。