高校专区
GS4City: 通过城市模型先验实现层次化语义高斯点云
机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； CV4DT, University of Cambridge（剑桥大学CV4DT）
AI总结 GS4City通过整合城市模型先验，实现层次化语义高斯点云，有效整合建筑语义，优于现有2D驱动的3DGS方法，提升城市重建的语义查询能力和结构感知能力。
MCAT: 通过MLLMs扩展多对多语音到文本翻译至70种语言
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Harbin（哈尔滨工业大学（哈尔滨）） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MCAT框架通过课程学习和数据平衡策略扩展MLLMs支持70种语言并实现互译，同时优化语音适配模块将语音序列长度缩减至30个token，提升翻译效率。
Comments Accepted in IEEE TASLP
SimBench：大型语言模型模拟人类行为能力的基准测试
机构 * University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学） ； Bocconi University（博科尼大学） ； University of Oxford（牛津大学）
AI总结 SimBench通过统一20个多样化的数据集，评估大型语言模型模拟人类行为的 fidelity，发现模型性能与模型大小呈对数线性关系，但与计算资源无关，且存在指令微调与模拟准确性之间的权衡。
Comments Accepted at ICLR 2026. Project Website: http://simbench.tiancheng.hu/ Data: https://huggingface.co/datasets/pitehu/SimBench
融合半监督学习与主动学习的语义分割
机构 * University of Cambridge（剑桥大学） ； Cardiff University（卡迪夫大学）
AI总结 本文提出一种结合改进半监督学习框架的新型主动学习方法，通过减少人工标注成本并提升模型性能。方法利用主动学习选择的标注数据和排除的未标注数据，通过伪标签自动校正模块提高分割精度。
审视EAP学生的AI披露意愿：一种认知-情感-动机视角
机构 * University of Cambridge（剑桥大学） ； Xi'an Jiaotong-Liverpool University（西交利物浦大学）
AI总结 本研究从认知-情感-动机视角探讨EAP学生使用AI工具披露意愿的影响因素，发现心理安全正向预测披露意愿，而对负面评价的恐惧则负向预测，强调了清晰政策和支持性教学环境的重要性。
高等教育学生AI使用隐瞒意图的促进与抑制路径：基于SEM和fsQCA的实证研究
机构 * University of Cambridge（剑桥大学） ； Xi'an Jiaotong-Liverpool University（西交利物浦大学）
AI总结 本文通过SEM和fsQCA方法探讨高等教育学生AI使用隐瞒意图的促进与抑制路径，揭示感知污名、风险和政策不确定性通过增强负面评价恐惧促进隐瞒，而AI自我效能、公平感知和社会支持通过提升心理安全减少隐瞒。
EmoMAS：面向高风险边缘部署谈判的基于情感的多智能体系统
机构 * University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学）
AI总结 本文提出EmoMAS，一种基于贝叶斯协调的多智能体框架，通过融合情感决策模型提升高风险谈判性能，同时在隐私敏感的边缘设备上实现高效部署。
TESSERA：表面光谱的时间嵌入用于地球表示与分析
机构 * University of Cambridge（剑桥大学） ； dClimate Labs（dClimate实验室） ； Aalto University（阿尔托大学） ； University of Bristol（布里斯托大学）
AI总结 TESSERA通过多模态遥感时间序列学习鲁棒嵌入，提升植被物候分析的准确性与效率，提供轻量级工具支持大规模地球观测任务。
基于分数匹配的网络上时序数据结构学习
机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； University of Cambridge（剑桥大学）
AI总结 本文提出PICK算法，通过改进父节点查找子程序提升分数匹配在处理独立同分布及时序网络数据时的效率与准确性。
利用自监督学习卫星特征监测地下真菌多样性
机构 * University of Cambridge（剑桥大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； Czech Academy of Sciences（捷克科学院）
AI总结 本文通过自监督学习卫星影像预测不同环境下的地下 ectomycorrhizal 真菌丰富度，利用 SSL 特征提升了空间分辨率，实现了对地下生物多样性的大规模监测。
Fairboard: 一种用于评估医疗模型公平性的量化框架
机构 * Queen Square Institute of Neurology, University College London（伦敦大学学院皇后广场神经科学研究所） ； Dept. of Physiology, Development and Neuroscience, University of Cambridge（剑桥大学生理学、发育与神经科学系） ； Laboratoire Bordelais de Recherche en Informatique (LABRI), Université de Bordeaux（波尔多大学波尔多计算机科学实验室）
AI总结 本文评估了18种开源脑肿瘤分割模型在648名胶质瘤患者中的公平性，发现患者身份比模型选择更能解释性能差异，提出Fairboard工具以提升医疗影像模型的公平性监控。
Comments 30 pages, 6 figures, 109 extended data figures (ancillary file)
与人工智能科学家竞争：面向天体物理学研究的代理驱动方法
机构 * Cavendish Astrophysics, University of Cambridge（剑桥大学卡文迪什天体物理学） ； Kavli Institute for Cosmology, University of Cambridge（剑桥大学卡夫利宇宙学研究所） ； Institute of Astronomy, University of Cambridge（剑桥大学天文学研究所） ； School of Natural Sciences, Institute for Advanced Study（高等研究院自然科学学院） ； NERSC, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室NERSC）
AI总结 本文提出了一种代理驱动的方法，用于构建参数推断管道，通过多代理系统Cmbagent实现协作生成研究思路、编写执行代码、评估结果并迭代优化流程，最终在挑战赛中取得第一名。
Comments 12 pages, 4 figures
基于对话的交互式解释用于人机协作中的安全决策
机构 * Department of Civil Engineering and Management, Faculty of Science and Engineering, The University of Manchester（曼彻斯特大学科学与工程学院土木工程与管理系） ； VRAIN, Universitat Politècnica de València（瓦伦西亚理工大学VRAIN研究所） ； Department of Engineering, University of Cambridge（剑桥大学工程系） ； Department of Mechanical and Aerospace Engineering, Faculty of Science and Engineering, The University of Manchester（曼彻斯特大学科学与工程学院机械与航空航天工程系） ； Center for the Possible Futures, Kyoto Institute of Technology（京都工艺纤维大学未来可能性中心） ； Institute of Industrial Science, The University of Tokyo（东京大学生产技术研究所） ； Graduate School of Frontier Sciences, The University of Tokyo（东京大学新领域创成科学研究科）
AI总结 本文提出一种基于对话的交互式解释框架，用于人机协作中的安全决策，通过约束基础的安全评估实现解释与决策的紧密耦合，支持因果、对比和反事实查询，提升安全干预的透明度和协作效率。
Comments This paper has been accepted by the 2nd InterAI workshop, HRI conference 26'
神经过程在时空间隙和扰动中保持校准的生物量估计
机构 * University of Cambridge（剑桥大学）
AI总结 本文提出神经过程框架用于时空稀疏数据下的生物量估计，通过空间-时间对称建模实现校准的不确定性预测，适用于森林碳核算的MRV应用。
面向视频时序动作定位中缓解模态偏差的视觉-语言模型
机构 * UVLab, Department of Computer Science, University of Warwick（华威大学计算机科学系UVLab） ； Department of Automation, University of Cambridge（剑桥大学自动化系） ； Department of Computer Science, The University of Sheffield（谢菲尔德大学计算机科学系）
AI总结 本文提出ActionVLM框架，通过去偏差重加权模块和残差聚合策略缓解视频时序动作定位中的模态偏差，提升时间推理能力，在THUMOS14数据集上取得3.2%的mAP提升。
基于目录的LLM：以更少的纠缠进行推荐的口语化项ID表达
机构 * University of Maryland - College Park（马里兰大学帕克分校） ； Roblox ； University of Cambridge（剑桥大学）
AI总结 本文提出IDIOMoE模型，通过将物品交互历史视为语言空间中的本地方言，结合预训练LLM的文本理解和协作信号，提升推荐性能。
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