University of Cambridge（剑桥大学）

Human Label Variation as Stable Signal: Learning Annotator-Specific Explanation Behavior via Cross-Annotator Preference Optimization

人类标注变异作为稳定信号：通过跨标注者偏好优化学习标注者特定的解释行为

Beiduo Chen, Pingjun Hong, Ziyun Zhang, Benjamin Roth, Anna Korhonen, Barbara Plank

机构 * MaiNLP ； Center for Information and Language Processing（信息与语言处理中心） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Vienna（维也纳大学） ； LTL ； University of Cambridge（剑桥大学） 纠错

AI总结 研究大语言模型能否学习并复现标注者特定的标签-解释行为，提出跨标注者偏好优化（CAPO）方法，通过对比目标标注者与其他有效但非目标标注者的响应来提升模仿和归因能力。

Comments 43 pages, 20 figures

Building Community-Centred NLP Resources for Puno Quechua

构建以社区为中心的普诺克丘亚语自然语言处理资源

Elwin Huaman, Adrian Gamarra Lafuente, Johanna Cordova, Anna Korhonen

机构 * University of Cambridge (UK)（剑桥大学（英国）） ； Stanford University (USA)（斯坦福大学（美国）） ； ERTIM - Inalco (France)（ERTIM - Inalco（法国）） 纠错

AI总结 通过参与式设计收集66小时语音数据，微调Whisper-base等模型，首次为普诺克丘亚语建立ASR基准并开源所有资源。

Comments Sixth Workshop on NLP for Indigenous Languages of the Americas (AmericasNLP 2026), co-located with ACL 2026

Skillful high-resolution weather forecasting independent of physical models

独立于物理模型的高分辨率天气预报

Pengcheng Zhao, Siqi Xiang, Weixin Jin, Zekun Ni, Jiang Bian, Zuliang Fang, Hongyu Sun, Bin Zhang, Richard E. Turner, Jonathan Weyn, Haiyu Dong, Kit Thambiratnam, Qi Zhang

机构 * Microsoft Corporation（微软公司） ； University of Cambridge（剑桥大学） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 提出ObsCast系统，仅使用观测数据训练，无需数值天气预报数据，实现短期高分辨率区域预报，性能优于传统NWP。

Comments 26 pages, 10 figures

Learn from your own latents and not from tokens: A sample-complexity theory

从自身潜在表示而非token学习：样本复杂度理论

Daniel J. Korchinski, Alessandro Favero, Matthieu Wyart

机构 * Institute of Physics（物理研究所） ； University of Cambridge（剑桥大学） ； Johns Hopkins University（约翰霍普金斯大学） ； EPFL（苏黎世联邦理工学院） 纠错

AI总结 本文通过概率上下文无关语法数据，证明潜在预测方法在样本复杂度上相比token级SSL具有指数级优势，并分析了多尺度层次结构的必要性。

Comments 10 pages, 5 figures in main. 28 pages, 14 figures, 1 table in all

Agentic Language-to-Objective Synthesis for Optofluidic Assembly

面向光流组件的智能语言到目标合成

Ivan Saraev, Elena Erben, Weida Liao, Fan Nan, Gerhard Neumann, Eric Lauga, Moritz Kreysing

机构 * Institute of Biological and Chemical Systems, Karlsruhe Institute of Technology, Germany（马克斯·普朗克研究所生物和化学系统研究所，卡尔斯鲁厄技术大学，德国） ； Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学和理论物理系，剑桥大学，英国） ； Department of Mathematics, Imperial College London, UK（数学系，伦敦帝国理工学院，英国） ； Institute of Anthropomatics and Robotics (IAR), Karlsruhe Institute of Technology, Germany（人机学与机器人研究所（IAR），卡尔斯鲁厄技术大学，德国） 纠错

AI总结 提出Speak-to-Objective模块化智能流水线，利用条件大语言模型将口语或书面指令转换为可微目标函数，实现光流控微粒子组装，并支持用户反馈学习。

Comments 21 pages, 5 figures

The Shape of Reasoning: Topological Analysis of Reasoning Traces in Large Language Models

推理的形状：大型语言模型中推理轨迹的拓扑分析

Xue Wen Tan, Nathaniel Tan, Galen Lee, Stanley Kok

机构 * University of Cambridge, Department of Engineering, England（剑桥大学工程系） ； National University of Singapore, School of Computing, Singapore（新加坡国立大学计算机学院） 纠错

AI总结 提出基于拓扑数据分析（TDA）的评估框架，通过捕捉推理轨迹的几何结构实现高效自动评估，实验表明拓扑特征比图指标更有效预测推理质量。

Comments Accepted in ICML 2026 Workshop: Epistemic Intelligence in Machine Learning

Mitigating Cross-Lingual Cultural Inconsistencies in LLMs via Consensus-Driven Preference Optimisation

通过共识驱动的偏好优化缓解多语言大模型中的跨语言文化不一致性

Lucas Resck, Isabelle Augenstein, Anna Korhonen

机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； University of Copenhagen（哥本哈根大学） 纠错

AI总结 提出C-3PO框架，通过共识驱动的偏好优化，缓解多语言大模型在用户身份明确时因提示语言变化导致的跨语言文化不一致问题，显著提升一致性指标κ_S。

Comments 24 pages, 13 figures, 11 tables

Noise Scheduling as Information-Guided Allocation in Diffusion Training

噪声调度作为扩散训练中的信息引导分配

Gabriel Raya, Bac Nguyen, Georgios Batzolis, Yuhta Takida, Dejan Stancevic, Naoki Murata, Chieh-Hsin Lai, Yuki Mitsufuji, Luca Ambrogioni

机构 * Tilburg University & JADS（蒂尔堡大学及JADS） ； Sony AI（索尼人工智能） ； University of Cambridge（剑桥大学） ； Radboud University（拉德堡德大学） ； Sony Group Corporation（索尼集团公司） 纠错

AI总结 提出InfoNoise，一种在线自适应噪声调度方法，通过估计条件熵率剖面动态调整训练噪声分布，以优化去噪任务中的信息增益，在图像、DNA和语言生成等任务中达到或超越基线，并节省高达3倍训练计算量。

DeepC4: Deep Conditional Census-Constrained Clustering for Large-scale Multitask Spatial Disaggregation of Urban Morphology

DeepC4: 用于城市形态大规模多任务空间分解的深度条件普查约束聚类

Joshua Dimasaka, Christian Geiß, Emily So

机构 * Department of Architecture, University of Cambridge（剑桥大学建筑系） ； Cambridge University Centre for Risk in the Built Environment（剑桥大学建筑环境风险研究中心） ； Earth Observation Center, German Aerospace Center（德国航天中心地球观测中心） ； Institute of Geography, University of Bonn（波恩大学地理研究所） 纠错

AI总结 提出DeepC4，一种结合局部普查统计作为聚类约束并联合学习卫星图像模式的多任务深度学习方法，用于城市形态的粗到细空间分解，在卢旺达数据上优于现有方法。

Comments Major Revised Preprint Submitted to ISPRS Journal of Photogrammetry and Remote Sensing (in review) | Keywords: urban morphology, building exposure, physical vulnerability, spatial disaggregation, deep clustering | Data: https://doi.org/10.5281/zenodo.13119552 | Code: https://github.com/riskaudit/DeepC4

Chirpy3D: Part-Aware Multi-View Diffusion for Creative Fine-Grained Object Generation

Chirpy3D: 面向创意细粒度物体生成的部件感知多视角扩散

Kam Woh Ng, Jing Yang, Jia Wei Sii, Chee Seng Chan, Jiankang Deng, Yi-Zhe Song, Tao Xiang, Xiatian Zhu

机构 * University of Surrey（萨里大学） ； University of Cambridge（剑桥大学） ； Universiti Malaya（马来亚大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 提出Chirpy3D，一种部件感知多视角扩散框架，从无姿态2D图像中学习层次化部件潜在空间，实现部件级交换、插值和零样本组合，无需3D数据或手动标注。

Comments 20 pages. Code at https://github.com/kamwoh/chirpy3d