University of Cambridge（剑桥大学）

Compression as Adaptation: Implicit Visual Representation with Diffusion Foundation Models

压缩即适应：基于扩散基础模型的隐式视觉表示

Zongyu Guo, Jiajun He, Zhaoyang Jia, Xiaoyi Zhang, Jiahao Li, Xiao Li, Bin Li, José Miguel Hernández-Lobato, Yan Lu

机构 * Microsoft Research Asia（微软亚洲研究院） ； University of Cambridge（剑桥大学） 纠错

AI总结 提出一种将视觉信号编码为函数的新框架，通过冻结的视觉生成模型附加低秩适应参数实现隐式表示，并进一步哈希为紧凑向量，在极低比特率下实现强感知视频压缩，同时支持推理时缩放和调控，统一了视觉压缩与生成。

Comments ICML 2026

Understanding Goal Generalisation in Sequential Reinforcement Learning

理解序贯强化学习中的目标泛化

Jason Ross Brown, Edward James Young

机构 * University of Cambridge（剑桥大学） ； Geodesic Research（Geodesic研究） 纠错

AI总结 通过引入潜在策略梯度方法，研究序贯训练下强化学习代理在分布外环境中的目标泛化行为，发现显著特征驱动泛化且早期目标影响后期目标。

PathNavigate: A Training-Free Pathology Agent with Surprise-Guided Scan and Shared Slide Memory for Whole-Slide Image VQA

PathNavigate: 一种无需训练的病理学代理，具有惊喜引导扫描和共享幻灯片记忆用于全切片图像VQA

Chunze Yang, Qidong Liu, Wenjie Zhao, Yue Tang, Jiusong Ge, Di Zhang, Jiashuai Liu, Lei Wu, Junbo Lu, Ni Zhang, Xian Wu, Zeyu Gao, Chen Li

机构 * School of Comp. Science & Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Tencent Jarvis Lab（腾讯Jarvis实验室） ； University of Cambridge（剑桥大学） 纠错

AI总结 提出PathNavigate，一种无需训练的病理学代理，通过惊喜引导扫描和共享幻灯片记忆，在严格检查预算下高效定位证据并回答临床查询。

S$^3$GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning

S$^3$GNN：用于长程图学习的高效全局混合与局部消息传递

Dai Shi, Luke Thompson, Linhan Luo, Lequan Lin, Andi Han, Junbin Gao, José Miguel Hernández Lobato

机构 * Department of Engineering, University of Cambridge, Cambridge, UK.（剑桥大学工程系，英国剑桥） ； University of Sydney, Australia.（悉尼大学，澳大利亚） 纠错

AI总结 提出S$^3$GNN模型，通过轻量级重新引入被忽略的组件并降低计算复杂度，在不依赖强理论假设的情况下缓解过挤压现象，实现长程依赖的高效学习。

A European Multi-Center Breast Cancer MRI Dataset

欧洲多中心乳腺癌MRI数据集

Gustav Müller-Franzes, Lorena Escudero Sánchez, Nicholas Payne, Alexandra Athanasiou, Michael Kalogeropoulos, Aitor Lopez, Alfredo Miguel Soro Busto, Julia Camps Herrero, Nika Rasoolzadeh, Tianyu Zhang, Ritse Mann, Debora Jutz, Maike Bode, Christiane Kuhl, Yuan Gao, Wouter Veldhuis, Oliver Lester Saldanha, JieFu Zhu, Jakob Nikolas Kather, Daniel Truhn, Fiona J. Gilbert

机构 * University of Cambridge（剑桥大学） ； MITERA Hospital（MITERA医院） ； Ribera Salud Group（Ribera Salud集团） ； Radboud University Medical Center（拉德堡德大学医学中心） ； University Hospital RWTH Aachen（亚琛工业大学医院） ； University Medical Center Utrecht（乌得勒支大学医学中心） ； University Hospital Carl Gustav Carus（卡尔·古斯塔夫·卡鲁斯大学医院） ； EKFZ Technical University Dresden（德累斯顿技术大学EKFZ） 纠错

AI总结 为促进AI在乳腺癌MRI中的应用，构建了一个包含741例检查、来自5国6个临床机构的公开多中心数据集，涵盖恶性、良性及非病灶病例，并提供了基于Transformer模型的基准实验。

Insulin Resistance Prediction From Wearables and Routine Blood Biomarkers

从可穿戴设备和常规血液生物标志物预测胰岛素抵抗

Ahmed A. Metwally, A. Ali Heydari, Daniel McDuff, Alexandru Solot, Zeinab Esmaeilpour, Anthony Z Faranesh, Menglian Zhou, David B. Savage, Conor Heneghan, Shwetak Patel, Cathy Speed, Javier L. Prieto

机构 * Google Research（谷歌研究） ； Institute of Metabolic Science, University of Cambridge（剑桥大学代谢科学研究所） 纠错

AI总结 本研究利用可穿戴设备时间序列数据和血液生物标志物，通过深度神经网络模型预测胰岛素抵抗，在最大规模远程招募数据集上实现了优于单一数据源的性能，并展示了模型在肥胖和久坐人群中的高灵敏度及可解释性。

Heterogeneous Sheaf Neural Networks

异质层丛神经网络

Luke Braithwaite, Alessio Borgi, Gabriele Onorato, Kristjan Tarantelli, Francesco Restuccia, Fabrizio Silvestri, Pietro Liò

机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） ； Department of Computer, Control and Management Engineering, Sapienza University of Rome（计算机、控制与管理工程系，罗马萨皮恩扎大学） 纠错

AI总结 提出HetSheaf框架，通过细胞层丛表示异质图的类型感知局部特征空间和学习限制映射，在节点分类、链接预测和图分类任务上优于现有方法且参数更少。

Comments 48 pages, 2 figures