arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Cambridge(剑桥大学)

2026-06-16 至 2026-06-16 共收录 11
2606.16587 2026-06-16 physics.flu-dyn cs.AI cs.LG physics.comp-ph 新提交

Learning Interface Breakup: A Geometry-Conditioned Latent Surrogate for Spray Formation

学习界面破碎:一种用于喷雾形成的几何条件潜在代理模型

Julius H Ramlau, Friedrich Hastedt, Tolga Birdal, Ehecatl-Antonio del Río Chanona, Nausheen S Basha, Omar K Matar

机构 * University of California, Berkeley(加州大学伯克利分校) Technical University of Munich(慕尼黑技术大学) Istanbul Technology University(伊斯坦布尔技术大学) University of Texas at Austin(德克萨斯大学奥斯汀分校) University of Cambridge(剑桥大学) University of Oxford(牛津大学)

AI总结 提出一种几何条件潜在代理模型,通过编码自适应网格细化(AMR)的单元密度场,在797个两相喷嘴模拟上训练,实现瞬态破碎动力学的高效预测,推理速度比Basilisk CFD快6×10^4倍。

Comments 11 pages, 5 figures, accepted to ICML AI4Physics 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.16524 2026-06-16 cs.LG astro-ph.CO stat.ML 新提交

Neural Bayesian Anomaly Mitigation: A Robust Loss that Doubles as an Unsupervised Contamination Classifier

神经贝叶斯异常缓解:一种兼具无监督污染分类器功能的鲁棒损失函数

S. A. K. Leeney, W. J. Handley, H. T. J. Bevins, E. de Lera Acedo

机构 * Astrophysics Group, Cavendish Laboratory, University of Cambridge(剑桥大学卡文迪许实验室天体物理组) Institute of Astronomy, University of Cambridge(剑桥大学天文研究所)

AI总结 提出神经贝叶斯异常缓解(NBAM)损失,基于贝叶斯潜变量混合模型,既提供鲁棒监督损失又输出无监督污染后验,在CIFAR-10上优于Huber等基线。

Comments 13 pages, 4 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.16457 2026-06-16 cs.CV cs.GR 新提交

ResEdit: Residual embeddings for precise generative image editing

ResEdit:用于精确生成式图像编辑的残差嵌入

Ahmet Canberk Baykal, Valentin Deschaintre, Yannick Hold-Geoffroy, Michael Fischer, Anna Frühstück, Cengiz Öztireli, Iliyan Georgiev

机构 * Adobe Research(Adobe研究院) University of Cambridge(剑桥大学)

AI总结 提出残差图像编码作为额外条件,结合梯度反转优化策略,在保持图像身份和全局一致性的同时实现高保真精确编辑。

Comments Accepted to the EGSR 2026 journal track

Journal ref Computer Graphics Forum 45(4), e70551 (2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.15940 2026-06-16 cs.LG 新提交

Causal-Privacy Audit Workflow for Synthetic and Distilled Data in Dropout Support

辍学支持中合成与蒸馏数据的因果隐私审计工作流

Hanghang Zheng, Xiwei Zhuang, Zhong Wang, Hong Liu, Xiao Chen, Jingwen He, Xia Li

机构 * Central University of Finance and Economics(中央财经大学) China Development Bank(中国发展银行) University of Cambridge(剑桥大学)

AI总结 提出CaP-Eval工作流,在固定估计目标下审计合成学生数据的预测效用、因果保真度和隐私风险,发现DPGNet和蒸馏数据在保留处理效应结构上优于基线方法。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.15931 2026-06-16 cs.MA cs.AI 新提交

DeepRoot: A KG-Coordinated Multi-Agent System for Therapeutic Reasoning over Historical Medical Texts

DeepRoot: 一个基于知识图谱协调的多智能体系统,用于历史医学文本的治疗推理

Zijian Carl Ma, Sean J. Wang, Sijbren Kramer, Li Erran Li

机构 * University of California, Berkeley(加州大学伯克利分校) Stanford University(斯坦福大学) University of Cambridge(剑桥大学) University of Toronto(多伦多大学)

AI总结 提出DeepRoot多智能体系统,通过联合构建和利用验证知识图谱,将接地与推理分离并组合,从历史医学文本中恢复药物-疾病治疗关系,显著优于基线LLM和工具调用LLM。

Journal ref ICML 2026 GenBio; ACM CAIS 2026 Workshop AI Agents for Discovery in the Wild

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.15766 2026-06-16 cs.AI cs.HC 新提交

Rethinking Scaffolding in LLM Tutors: The Interactional Mismatch Between Benchmarks and Real-World Deployments

重新思考LLM导师中的脚手架:基准测试与真实部署之间的交互不匹配

Alexandra Neagu, Jeffrey T. H. Wong, Marcus Messer, Rhodri Nelson, Peter B. Johnson

机构 * University of Cambridge(剑桥大学)

AI总结 通过分析9490个聊天记录,发现AI导师基准测试假设学生积极接受脚手架,但真实场景中学生常绕过脚手架,揭示基准测试与真实部署的交互不匹配。

Comments Pluralistic Alignment Workshop @ ICML 2026, Seoul, South Korea

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.15355 2026-06-16 cs.CV 新提交

Sustainable Face Recognition on Low-Power Devices with VQ-VAE Embeddings

基于VQ-VAE嵌入的低功耗设备可持续人脸识别

Christos Chronis, Georgios Th. Papadopoulos, Iraklis Varlamis

机构 * University of Cambridge(剑桥大学)

AI总结 提出一种基于VQ-VAE的可持续边缘人脸识别框架,通过紧凑潜在表示和知识蒸馏,在低功耗设备上实现与先进模型相当的精度,同时降低内存和计算需求。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.15247 2026-06-16 cs.LG cs.AI 新提交

Exploring Starts Are Not Enough: Counterexamples and a Fix for Monte Carlo Exploring Starts

探索性初始状态并不足够:蒙特卡洛探索性初始状态的反例与修正

Octave Oliviers, Glenn Vinnicombe

机构 * Department of Engineering, University of Cambridge(剑桥大学工程系)

AI总结 本文通过构造反例证明,在表格设置下,蒙特卡洛探索性初始状态(MCES)算法可能收敛到次优解,并提出基于状态级学习率缩放的修正方法以恢复最优性收敛。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.14756 2026-06-16 cs.CV cs.AI cs.LG 新提交

Divide-and-Denoise: A Game-Theoretic Method for Fairly Composing Diffusion Models

分而除噪:一种公平组合扩散模型的博弈论方法

Abhi Gupta, Polina Barabanshchikova, Vikas Garg, Samuel Kaski, Tommi Jaakkola

机构 * Massachusetts Institute of Technology(麻省理工学院) University of Washington(华盛顿大学) University of Cambridge(剑桥大学)

AI总结 提出Divide-and-Denoise方法,通过公平分配博弈协调多个预训练扩散模型,在采样时划分区域并引导各模型去噪,解决模型主导或冲突问题,在条件图像生成中优于基线。

Comments Accepted as spotlight at ICML 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.13691 2026-06-16 cs.CY cs.CL 新提交

Incentives Of EdTech: A Systematic Review Of EduNLP Research

教育科技的激励:EduNLP研究的系统综述

Gabrielle Gaudeau, Aoife O'Driscoll, Jasper Degraeuwe, Andrew Caines, Donya Rooein, Zeerak Talat

机构 * ALTA Institute, Computer Laboratory, University of Cambridge(剑桥大学ALTA研究所、计算机实验室) Ghent University(根特大学) Bocconi University(博科尼大学) University of Edinburgh(爱丁堡大学)

AI总结 通过系统综述204篇ACL教育应用论文,揭示教育NLP研究中私营部门激励与教育基础设施需求之间的张力,发现教师作为受益者被系统性低估(33.3%),实际部署罕见(9.8%),伦理参与趋于承认而非行动。

Comments 10 main pages (13 appendix pages), 20 figures, accepted to 21st Workshop on Innovative Use of NLP for Building Educational Applications @ ACL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.13608 2026-06-16 cs.AI cs.LG 新提交

AgentBeats: Agentifying Agent Assessment for Openness, Standardization, and Reproducibility

AgentBeats:面向开放性、标准化和可复现性的智能体评估代理化

Xiaoyuan Liu, Jianhong Tu, Yuqi Chen, Siyuan Xie, Sihan Ren, Tianneng Shi, Gal Gantar, Evan Sandoval, Donghyun Lee, Daniel Miao, Peter J. Gilbert, Nick Hynes, Mauro Staver, Warren He, David Marn, Andrew Low, Xi Zhang, Elron Bandel, Michal Shmueli-Scheuer, Siva Reddy, Alexandre Drouin, Alexandre Lacoste, Ramayya Krishnan, Elham Tabassi, Yu Su, Victor Barres, Chenguang Wang, Wenbo Guo, Dawn Song

机构 * University of California, Berkeley(加州大学伯克利分校) Purdue University(普渡大学) University of Ljubljana(卢布尔雅那大学) University of Washington(华盛顿大学) Oasis Labs University of Maryland(马里兰大学) IBM Research(IBM研究院) Mila McGill University(麦吉尔大学) ServiceNow Research(ServiceNow研究院) Carnegie Mellon University(卡内基梅隆大学) National Institute of Standards and Technology(美国国家标准与技术研究院) The Ohio State University(俄亥俄州立大学) University of Cambridge(剑桥大学) University of California, Santa Barbara(加州大学圣塔芭芭拉分校)

AI总结 提出代理化智能体评估(AAA)框架,通过标准化协议(A2A和MCP)统一评估接口,实现开放、可复现的多智能体评估,并基于AgentBeats系统通过大规模竞赛和案例研究验证其覆盖性、实用性和保真度。

详情

展开后加载摘要…

URL PDF HTML 收藏