Columbia University（哥伦比亚大学）

Sycophantic Agreement Transfers with Neutral Data via Contrastive Preference Optimization

通过对比偏好优化实现的基于中性数据的谄媚式一致性转移

Camila Blank, Zhuofan Ying, Christopher Potts, Peter Hase, Jing Huang

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

AI总结 本研究发现对比偏好优化会导致教师模型的谄媚式一致性向学生模型转移，且该信号分散于中性偏好数据中，现有过滤方法难以缓解，揭示了对齐训练的意外有害行为。

Measure Before You Manage: Evaluating Agent Working Memory in Coding Agents

先测量再管理：评估编码智能体的工作记忆

Le Chen, Zishen Wan, Baixi Sun, Xiaolong Ma, Chih-Hsuan Yang, Feng Yan, Sheng Di, Franck Cappello, Rajeev Thakur

机构 * Argonne National Laboratory（阿贡国家实验室） ； Columbia University（哥伦比亚大学） ； University of Houston（休斯顿大学） 纠错

AI总结 本研究针对编码智能体工作记忆的语义异质性，提出两种语义感知记忆管理策略，发现校准增益难迁移、相同token预算效果不同等问题，表明评估记忆管理策略需考虑更多维度。

Augmenting Human Performance with an XR Agent Learning from Online Behavior and BCI Evidence

利用从在线行为和BCI证据学习的XR智能体增强人类表现

Ziheng Li, Xichen He, Haoyan Chen, Charlie Zou, Sheng Bai, Benjamin Yang, Mengyuan Wu, Jake Ledner, Yi-Jie Cheng, Akito Yamauchi, Dishita G Turakhia, Steven Feiner, Paul Sajda

机构 * Columbia University（哥伦比亚大学） ； Emory University（埃默里大学） 纠错

AI总结 研究人员提出OLIVE框架，通过融合EEG与XR游戏行为信号，适配基础模型生成实时辅助智能体，在目标切换时收敛更快，可提升用户目标检测能力且不依赖个人技能。

Comments To appear in ACM UIST 2026. 30 pages, 23 figures

Co-Annotator: Expert-Distilled ViT and VLM for Visual and Documentation Guidance in Age-Related Macular Degeneration

Co-Annotator：用于年龄相关性黄斑变性视觉与文档指导的专家蒸馏ViT及VLM

Ziheng "Leo" Li, Benjamin Freeman, Akshay Raman, Kavin Aravindhan Rajkumar, Xinxin Fang, Rishabh Srivastava, Steven Feiner, Kaveri A. Thakoor

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 本研究提出Co-Annotator，将专家注视与口述提炼为AOI指导的ViT和生物标志物预填充的VLM，在AMD诊断中联合应用可显著提升效率且不降低准确率。

Comments 23 pages, 11 figures. To appear in UIST '26: Proceedings of the 39th Annual ACM Symposium on User Interface Software and Technology, November 02-05, 2026, Detroit, MI, USA. DOI: 10.1145/3830398.3830722

How do World Models and Policies Compose in LLM Agents? A Joint Spectral and Behavioral Account

世界模型与策略如何在大语言模型智能体中结合？一种联合谱分析与行为学解释

Ruize Xu, Xiao Yu, Yujin Tang, Chenming Shang, Nikhil Singh

机构 * Dartmouth College（达特茅斯学院） ； Columbia University（哥伦比亚大学） 纠错

AI总结 该研究通过受控实验探究LLM智能体中世界模型与策略的结合机制，从几何与行为角度揭示二者的互补特性，并提出提升策略训练保留世界知识能力的方法。

Comments Accepted to EMNLP 2026

Spec2Twin-Chain: Orchestrating Bi-Level Optimization with LLMs for Blockchain Digital Twin Construction

Spec2Twin-Chain：利用大型语言模型编排双层优化以构建区块链数字孪生

Haoting Zhang, Haoxian Chen, Jiayuan Sheng, Donglin Zhan, Zeyu Zheng, David D. Yao, Wenpin Tang

机构 * University of California, Berkeley（加利福尼亚大学伯克利分校） ； Columbia University（哥伦比亚大学） 纠错

AI总结 Spec2Twin-Chain框架将区块链数字孪生构建转化为双层优化问题，利用LLM与仿真优化器迭代协作，经多类实验验证可构建准确孪生体并支持下游决策。

Text-Guided Diffusion-Based Adversarial Attacks on Chest X-Ray Images

基于文本引导扩散模型的胸部X射线图像对抗攻击

Basudha Pal, Arjun Narayanan, Neha Ajith, Vikas R Bhat, Muhammad Umair

机构 * The Johns Hopkins University（约翰斯·霍普金斯大学） ； Manipal Institute of Technology（马尼帕尔理工学院） ； Manipal Academy of Higher Education（马尼帕尔高等教育学院） ； The Johns Hopkins Hospital（约翰斯·霍普金斯医院） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） 纠错

AI总结 该研究提出文本引导扩散对抗框架攻击胸部X射线分类模型，在多架构上验证其能显著降低分类性能，同时发现人机判读存在重要差异，凸显需扩展医疗AI鲁棒性评估方式。