高校专区
NeuROK：生成式4D神经物体运动学
机构 * Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； Cornell University（康奈尔大学）
AI总结 提出基于Transformer的编码器-解码器模型NeuROK，通过学习物体潜在运动学参数化，实现从静态3D物体生成逼真的4D动态变形，克服了传统方法对预定义物理模型和特定类别的依赖。
Comments CVPR 2026
CCS：放射学报告生成的临床共识选择
机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院） ； School of Electrical and Computer Engineering, University of Sydney（悉尼大学电气与计算机工程学院） ； Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室）
AI总结 提出CCS框架，通过采样多个候选报告并选择临床共识最高的一个，以改进放射学报告生成在推理时的质量。
Comments 17 pages, 6 figures
Dial HEALTHDIAL for Advice: 一个用于知识驱动信息检索的多语言多平行口语对话数据集
机构 * Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） ； Independent Researcher（独立研究员）
AI总结 本文构建了HEALTHDIAL，一个大规模多语言多平行口语对话数据集，用于开发基于检索增强生成的口语对话系统，并揭示了不同语言间的性能差异。
Comments Accepted to Findings of ACL 2026
CB-SLICE: 基于概念的可解释错误切片发现
机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, UK（计算机科学与技术系，剑桥大学，剑桥，英国） ； Trinity College, University of Oxford, Oxford, UK（牛津大学三一学院，牛津，英国） ； Cambridge Institute for Technology and Humanity, Cambridge, UK（剑桥技术与人类研究所，剑桥，英国）
AI总结 提出CB-SLICE方法，利用概念瓶颈模型的概念预测失败来发现错误切片，并通过关键词概念解释失败模式，优于现有方法。
Comments 20 pages, 7 figures, 12 tables, to be published at Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)
我们该信任谁？LLM作为陪审团进行比较评估
机构 * Department of Engineering, University of Cambridge, UK（剑桥大学工程系）
AI总结 针对LLM作为评估者时判断不一致和可靠性差异的问题，提出BT-sigma模型，通过引入判别参数联合推断项目排名和法官可靠性，优于平均聚合方法。
Comments Accepted to ICML 2026
兴趣问题：理解人类与语言模型对数学问题的兴趣度
机构 * KTH Royal Institute of Technology（皇家理工学院） ； Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Cambridge（剑桥大学） ； Kempner Institute at Harvard University（哈佛大学肯普尼研究所） ； Mistral AI
AI总结 通过比较大型语言模型与不同数学背景人群对数学问题的兴趣度评分，研究LLM在兴趣判断上与人类的一致性，并评估其生成有趣问题的能力。
Comments Published at the Math-AI Workshop, NeurIPS 2025
面向LLM人格模拟的自适应访谈：基于证据的推理提升决策对齐
机构 * University of Cambridge（剑桥大学） ； Independent Researcher（独立研究员）
AI总结 提出自适应访谈框架，通过结构化三阶段对话收集人格相关信息，并基于访谈记录评估LLM在道德困境场景中模拟个体决策的能力，发现基于后续追问的证据推理能显著提升预测准确性。
Comments 20 pages, 2 figures, 12 tables
影响引导的符号回归：基于大语言模型与细粒度反馈的方程搜索科学发现
机构 * University of Cambridge（剑桥大学） ； Thomson Reuters Foundational Research（汤姆森·路透基础研究） ； U. Colorado, Anschutz Medical Campus（科罗拉多大学安舒茨医疗校区）
AI总结 提出影响引导符号回归（IGSR）方法，利用大语言模型生成候选函数并通过细粒度影响分数进行剪枝，结合蒙特卡洛树搜索高效探索组合空间，在多个基准和真实生物数据中发现新关系。
Comments ICML 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