高校专区
VeriTrace：深度研究智能体的心智模型演化
机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； TUM School of Management, Technical University of Munich（慕尼黑技术大学管理学院） ； The Alan Turing Institute（艾伦·图灵研究所）
AI总结 针对深度研究智能体面临的信息不确定性，提出VeriTrace认知图框架，通过显式反馈循环（解释更新、偏差反馈、模式修正）来演化心智模型，在DeepResearch Bench和DeepConsult上取得显著提升。
KAPLAN: 用于生存分析的Kolmogorov-Arnold可预测可学习激活网络
机构 * University of Cambridge（剑桥大学）
AI总结 提出KAPLAN-HR模型，利用B样条Kolmogorov-Arnold网络非参数估计条件风险函数，通过深层架构自动捕捉交互和时变效应，并证明其收敛速率仅依赖于表示平滑性，从而缓解维度灾难，在六个临床数据集上达到或超越现有方法。
Comments 9 pages, 3 figures, 13 supplementary pages. Submitted to NeurIPS 2026
面向常规心电图广谱心血管评估的信号-语言基础模型
机构 * Department of Cardiology, Zhongshan Hospital of Fudan University（复旦大学中山医院心内科） ； Shanghai Institute of Cardiovascular Diseases, National Clinical Research Centre for Interventional Medicine（上海心血管病研究所，国家介入医学临床研究中心） ； Digital Medical Research Center, School of Basic Medical Sciences, Fudan University（复旦大学基础医学研究院数字医疗研究中心） ； Shanghai Key Laboratory of Medical Imaging Computing and Computer Assisted Intervention（上海医学影像计算与计算机辅助手术重点实验室） ； National Heart and Lung Institute, Imperial College London, Hammersmith Hospital, Du Cane Road（伦敦帝国学院国家心肺研究所，哈马舍姆医院，杜肯路） ； Department of Cardiology, Shanghai Geriatric Medical Center（上海老年医学中心心内科） ； Cardiac Rhythm Management, Medtronic Technology Center, Medtronic (Shanghai) Ltd.（美敦力技术中心，美敦力（上海）有限公司，心律管理部） ； Richard A. and Susan F. Smith Center for Outcomes Research in Cardiology, Beth Israel Deaconess Medical Center, Harvard Medical School（哈佛医学院比尔·德·阿克谢心脏结局研究中心，贝斯以色列·德aconess医疗中心） ； Harvard-Thorndike Electrophysiology Institute, Beth Israel Deaconess Medical Center, Harvard Medical School（哈佛-托尔恩迪克电生理研究所，贝斯以色列·德aconess医疗中心，哈佛医学院） ； Department of Cardiology, Imperial College Healthcare NHS Trust（伦敦帝国学院医疗信托心内科部） ； Department of Cardiology, Chelsea and Westminster NHS Foundation Trust（切尔西和温斯洛医院 NHS 基础信托心内科部） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系）
AI总结 提出ECGCLIP信号-语言对比学习框架，通过大规模心电图-报告预训练，在89项下游任务中超越基线，实现对常见心律失常、超声心动图靶标及罕见心脏病的广谱评估。
语义引导的多模态掩码自编码器预训练用于3D BEV目标检测
机构 * University of Lincoln, Lincoln Centre for Autonomous Systems（林肯大学，林肯自主系统中心） ； University of Cambridge, Institute for Manufacturing, Department of Engineering（剑桥大学，制造研究所，工程系）
AI总结 提出语义引导的多模态掩码自编码器框架，通过语义引导的LiDAR体素掩码和辅助点语义解码分支，在预训练中注入语义信息，提升3D BEV目标检测性能。
Comments Accepted at the ICRA 2026 Workshop on Semantics for Reliable Robot Autonomy (SRRA) as a lightning talk and poster
CPMobius: 无数据强化学习的迭代式教练-玩家推理
机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出CPMobius协作式教练-玩家范式，通过无外部数据的合作优化循环提升数学推理能力，在Qwen2.5-Math-7B-Instruct上总体准确率提升4.9%，OOD准确率提升5.4%。
Comments Accepted to the ICML 2026
关于鲁棒二元假设检验的样本复杂度
机构 * Department of Pure Mathematics and Mathematical Statistics, University of Cambridge（剑桥大学纯数学与数学统计系） ； Department of Statistics, Carnegie Mellon University（卡内基梅隆大学统计系）
AI总结 研究在三种污染模型下鲁棒二元假设检验的样本复杂度，证明最不利分布的存在性并给出显式公式，揭示样本复杂度对污染参数的不稳定性，并建立不同模型间样本复杂度的可比性。
Comments Comments welcome
路径很重要：学习扩散语言模型的令牌提交策略
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 Engineering Science, University of Oxford（工程科学系，牛津大学）
AI总结 本文提出TraceLock，一种轻量级可插拔控制器，通过学习可复用的轨迹状态策略来优化扩散语言模型中的令牌提交决策，从而改善质量与步数之间的权衡。
查询空间转录组数据中的结构和功能生态位
机构 * MOE Key Laboratory of Bioinformatics and Bioinformatics Division of BNRIST, Department of Automation, Tsinghua University（生物信息学教育部重点实验室和北京理工大学生物信息学分部，自动化系，清华大学） ； Center for Synthetic and Systems Biology, School of Life Sciences and School of Medicine, Tsinghua University（合成与系统生物学中心，生命科学学院和医学学院，清华大学） ； Department of Thoracic Surgery, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（胸外科部门，国家癌症中心/国家癌症临床研究中心/癌症医院，中国医学科学院和北京协和医学院） ； Peking Union Medical College, Chinese Academy of Medical Sciences（北京协和医学院，中国医学科学院） ； Biomedical Pioneering Innovation Center (BIOPIC), Peking University（生物医学前瞻性创新中心（BIOPIC），北京大学） ； Cancer Research UK Cambridge Institute, University of Cambridge（英国癌症研究Cambridge研究所，剑桥大学） ； Department of Immunology, School of Basic Medical Sciences, Harbin Medical University（免疫学部门，基础医学学院，哈尔滨医科大学） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村人工智能研究院，北京，中国）
AI总结 提出QueST方法，通过子图建模和对比学习查询空间转录组样本中的相似生态位，有效捕捉异质环境中的生态位结构并跨平台泛化。
我们究竟在解码什么？非侵入式脑到语言检索的源归因
机构 * KTH（瑞典皇家理工学院） ； University of Cambridge（剑桥大学） ； EPFL（苏黎世联邦理工学院） ； Karolinska Institutet（Karolinska研究所） ； McGill University（麦吉尔大学）
AI总结 针对非侵入式神经语言解码中结果被非刺激诱发源（如解码器先验、嵌入度量、信号时长等）膨胀的问题，提出一个审计框架，通过结构捷径、窗口级刺激锁定证据和跨窗口上下文聚合三种源分离，并引入组上下文偏差（GCB）作为可控的源归因干预，实现性能的源归因而非仅报告。
Comments 35 pages, 7 figures, 25 tables
MindAlign: 弥合脑电图、视觉和语言实现零样本视觉解码
机构 * KTH, SWeden（瑞典皇家理工学院） ； University of Cambridge, UK（剑桥大学） ； EPFL, Switzerland（瑞士联邦理工学院） ； McGill University, Canada（麦吉尔大学） ； Karolinska Institutet, Sweden（卡罗林斯卡研究所）
AI总结 提出一种三模态对比学习框架MindAlign，通过对齐脑电图、图像和文本表示，在Things-EEG2零样本基准上实现54.1% Top-1和83.4% Top-5准确率，显著超越先前方法。
Comments 20 pages, 10 figures, 15 tables
神经过程表示能力的刻画
机构 * University of Cambridge（剑桥大学）
AI总结 本文通过严格层级分析，刻画了条件神经过程、注意力神经过程、Transformer神经过程及其潜在变体的表示能力，揭示了不同架构在函数表示上的包含关系与局限。
Comments To appear at ProbML/AABI 2026
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