University of Cambridge（剑桥大学）

The Market in the Model: Latent Diffusion as Neural Economy

模型中的市场：潜在扩散作为神经经济

Eryk Salvaggio

机构 * Cambridge Digital Humanities（剑桥数字人文研究中心） ； University of Cambridge（剑桥大学） ； Machine Visual Culture Research Group（机器视觉文化研究组） ； Max Planck Institute（马克斯·普朗克研究所） 纠错

AI总结 本文从计算机视觉工程问题出发，分析潜在扩散模型的机制，论证其作为神经经济运作，将社会交流抽象为可通约向量，并警示仅关注版权与商品防御的批评可能强化模型产生的拜物教。

The Wrong Kind of Right: Quantifying and Localizing Misfired Alignment in LLMs

错误的正确：量化和定位大语言模型中的失调对齐

Naihao Deng, Yiming Feng, Chimaobi Okite, Kaijian Zou, Lu Wang, Rada Mihalcea, Yulong Chen

机构 * University of Michigan（密歇根大学） ； University of Cambridge（剑桥大学） ； University of Aberdeen（阿伯丁大学） 纠错

AI总结 本文提出VETO基准和失调对齐率（MAR）指标，发现所有LLM在刻板印象相关问题上均存在非平凡的失调对齐，且人类为0%，机制分析表明对齐诱导的线索会放大该现象。

Investigating Inductive Biases for Machine Learning Emulation of Sudden Stratospheric Warmings in Idealised Isca Simulations

研究理想化Isca模拟中平流层突然增温的机器学习模拟的归纳偏差

Oskar Bohn Lassen, Simon Driscoll, Stephen I. Thomson, Sebastian Schemm, Francisco C. Pereira

机构 * Technical University of Denmark（丹麦技术大学） ； University of Cambridge（剑桥大学） ； University of Exeter（埃克塞特大学） 纠错

AI总结 测试不同架构的归纳偏差对模拟平流层突然增温动力学的影响，发现三维垂直耦合是关键，但低预测误差不保证物理一致性。

ThousandWorlds: A benchmark for climate emulation of potentially habitable exoplanets

ThousandWorlds: 一个用于潜在宜居系外行星气候模拟的基准数据集

Edward T. Stevenson, Mei Ting Mak, Eric Wolf, Denis E. Sergeev, Tobi Hammond, N. J. Mayne, Miles Cranmer

机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Bristol（布里斯托大学） ； Purdue University（普渡大学） ； University of Exeter（埃克塞特大学） 纠错

AI总结 为加速系外行星气候模拟，提出ThousandWorlds基准数据集，包含五个全球气候模型的约1800次模拟，用于评估机器学习模拟器在低数据、多模拟器参数到场回归任务中的性能。

Comments 10 pages main text, 26 pages references/appendix, plus NeurIPS checklist. Data at https://doi.org/10.57967/hf/8695. Code at https://github.com/edstevenson/ThousandWorlds

MemBoost: A Memory-Boosted Framework for Cost-Aware LLM Inference

MemBoost：一种面向成本感知的LLM推理的内存增强框架

Joris Köster, Zixuan Liu, Siavash Khajavi, Zizhan Zheng

机构 * University of Cambridge（剑桥大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 提出MemBoost框架，通过轻量模型重用历史答案和检索支持信息，并选择性将困难查询路由到强模型，以降低LLM推理成本，同时保持回答质量。

Comments ICML MemFM 2026 Workshop

Learning Patient-Specific Disease Dynamics with Latent Flow Matching for Longitudinal Imaging Generation

学习患者特异性疾病动态：基于潜在流匹配的纵向影像生成

Hao Chen, Rui Yin, Yifan Chen, Qi Chen, Chao Li

机构 * University of Cambridge（剑桥大学） ； Nanjing First Hospital（南京第一医院） ； Nanjing Medical University（南京医科大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Dundee（邓迪大学） 纠错

AI总结 提出Δ-LFM框架，利用流匹配对齐患者潜在轨迹，通过患者特异性潜在对齐实现单调疾病进展建模，在三个纵向MRI基准上验证了可解释性和性能。

Comments ICLR 2026 accepted