Variational Learning for Insertion-based Generation
基于插入生成的变分学习
机构 * University of Cambridge（剑桥大学）
AI总结 提出插入过程（IP）模型，通过排列变分推断联合学习插入位置、内容和终止条件，支持变长生成并提升非自回归序列建模质量。
高校专区
University of Cambridge（剑桥大学）
Possibilistic Predictive Uncertainty for Deep Learning
深度学习的可能性预测不确定性
机构 * University of Cambridge（剑桥大学） ； National University of Singapore（新加坡国立大学） ； University of Warsaw（华沙大学）
AI总结 提出基于可能性理论的Dirichlet近似可能性后验预测（DAPPr）框架，通过投影-近似策略实现高效且原则性的认知不确定性量化，在多个基准上达到竞争性能。
Comments Accepted by ICML 2026, 20 pages
CMI-RewardBench: Evaluating Music Reward Models with Compositional Multimodal Instruction
CMI-RewardBench: 基于组合多模态指令评估音乐奖励模型
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学）
AI总结 针对音乐生成模型缺乏有效评估机制的问题，提出CMI-RewardBench基准，包含大规模偏好数据集和参数高效奖励模型，实现多模态指令下的音乐质量评估。
Comments Accepted by ICML 2026
Hierarchical Successor Representation for Robust Transfer
层次化后继表示用于鲁棒迁移
机构 * University of Cambridge（剑桥大学） ； DeepMind（深度思维）
AI总结 提出层次化后继表示（HSR），通过时间抽象构建鲁棒的状态特征，结合非负矩阵分解实现稀疏低秩表示，支持多隔间环境下的高效任务迁移与探索。
Bulk-Calibrated Credal Ambiguity Sets: Fast, Tractable Decision Making under Out-of-Sample Contamination
批量校准的置信模糊集：样本外污染下的快速、可处理决策
机构 * University of Bristol（布里斯托大学） ； University of Cambridge（剑桥大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Oxford（牛津大学）
AI总结 提出批量校准置信模糊集，通过分离批量内污染和尾部贡献，得到闭式有限风险目标，转化为线性或二阶锥规划，实现高效鲁棒优化。
Comments Accepted for publication (spotlight) at ICML 2026
Why Commodity WiFi Sensors Fail at Multi-Person Gait Identification: A Systematic Analysis Using ESP32
为什么商用WiFi传感器在多人体步态识别中失败：基于ESP32的系统分析
机构 * University of Cambridge（剑桥大学）
AI总结 通过ESP32实验发现，多人体步态识别性能差主要源于商用WiFi的感知质量限制，而非算法选择。
