University of Cambridge（剑桥大学）

Variational Consensus Monte Carlo for Bayesian Mixture

变分共识蒙特卡洛用于贝叶斯混合模型

Julie Fendler, Francesca L. Crowe, Tom Marshall, Sylvia Richardson, Paul D. W. Kirk

机构 * MRC Biostatistics Unit, University of Cambridge（剑桥大学生物统计学单位） ； Institute of Applied Health Research, University of Birmingham（伯明翰大学应用健康研究学院） 纠错

AI总结 提出变分共识蒙特卡洛方法扩展至过拟合贝叶斯混合模型，通过新颖的聚类匹配算法和聚合策略，在联邦学习设置下推断聚类数和所有参数，并在模拟和真实电子健康记录数据上验证了有效性。

NEXUS: Neural Energy Fields for Physically Consistent Contact-Rich 3D Object Dynamics

NEXUS: 用于物理一致的高接触3D物体动力学的神经能量场

Qizhen Ying, Guangming Wang, Yangchen Pan, Victor Adrian Prisacariu, Brian Sheil, Yixiong Jing

机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 提出神经能量场框架NEXUS，通过标量能量和耗散项建模保守与非保守动力学，提升高接触3D场景下的长时程轨迹精度并指导视频生成。

Comments 18 pages, 4 figures, 6 tables. Preprint

LoRDO: Distributed Low-Rank Optimization with Infrequent Communication

LoRDO: 分布式低秩优化与低频通信

Andrej Jovanović, Alex Iacob, Mher Safaryan, Ionut-Vlad Modoranu, Lorenzo Sani, William F. Shen, Xinchi Qiu, Dan Alistarh, Nicholas D. Lane

机构 * University of Cambridge（剑桥大学） ； Institute of Science and Technology Austria（奥地利科学与技术研究院） ； Lancaster University（兰卡斯特大学） ； Flower Labs（Flower实验室） 纠错

AI总结 提出LoRDO框架，统一低秩优化与低频同步，通过全秩准双曲更新恢复子空间探索，在125M-720M模型规模下实现与低秩DDP近似的性能，通信量减少约10倍。

Comments Accepted at ICML 2026

Periodic robust robotic rock chop via virtual model control

基于虚拟模型控制的周期性鲁棒机器人砍切

Yi Zhang, Fumiya Iida, Fulvio Forni

机构 * University of Cambridge（剑桥大学） ； University of Tokyo（东京大学） 纠错

AI总结 提出一种物理结构化的虚拟模型控制器，通过切换虚拟机构生成鲁棒的周期性砍切运动，无需预规划轨迹，在Franka机械臂上实现多种蔬菜的亚毫米级精确切割。