University of Cambridge（剑桥大学）

$\text{DT}^2$: Decision-Targeted Digital Twins

$\text{DT}^2$: 决策导向的数字孪生

Harry Amad, Mihaela van der Schaar

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, Cambridge, United Kingdom（应用数学与理论物理系，剑桥大学，剑桥，英国） 纠错

AI总结 针对数字孪生模型在有限容量下优化一步预测误差可能导致策略排序次优的问题，提出决策导向训练范式$\text{DT}^2$，通过拟合Q评估和保留策略排序的损失函数，提升策略排序质量并降低决策遗憾。

OncoSynth: Synthetic data generation for treatment effect estimation in oncology

OncoSynth: 用于肿瘤治疗效果估计的合成数据生成

Octavia-Andreea Ciora, Julian Welzel, Dennis Frauen, Maresa Schröder, Marie Brockschmidt, Harry Amad, Thomas Callender, Mihaela van der Schaar, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Applied Mathematics and Theoretical Physics, University of Cambridge（剑桥大学应用数学与理论物理系） ； Department of Public Health and Primary Care, University of Cambridge（剑桥大学公共卫生与初级保健系） ； Cambridge Centre for AI in Medicine, University of Cambridge（剑桥大学剑桥医学人工智能中心） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 提出因果感知的生成框架OncoSynth，通过扩散序列建模协变量对治疗分配及治疗对生存的影响，在肺癌和乳腺癌队列中实现高保真合成，将群体和个体治疗效果估计误差分别降低66%和58%。

Communicability-Inspired Positional Encoding (CIPE)

通信启发的图位置编码 (CIPE)

Yipeng Zhang, Zhongtian Sun, Pietro Liò, Kelin Xia

机构 * Division of Mathematical Sciences, School of Physical and Mathematical Sciences, Nanyang Technological University（南洋理工大学物理与数学科学学院数学科学部） ； School of Computing, University of Kent（肯特大学计算机学院） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） 纠错

AI总结 提出通信启发的图位置编码(CIPE)，利用节点间通信性定义注意力兼容的几何结构，通过维度对齐实现高效Transformer训练，在七个基准上平均提升35.5%。

Comments 11 pages, 1 figure, 3 tables; supplementary material includes additional experiments and theoretical proofs

OrthoTrack: Continuous 6-DoF UAV Trajectory Estimation Anchored in Public Orthophotos

OrthoTrack：基于公开正射影像的连续六自由度无人机轨迹估计

Oussema Dhaouadi, Zuria Bauer, Johannes Michael Meier, Olaf Wysocki, Marc Pollefeys, Daniel Cremers

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

AI总结 提出OrthoTrack，利用公开正射影像和表面模型实现无训练、实时、无漂移的连续六自由度无人机轨迹估计，无需GPS或后处理对齐。

Comments ECCV 2026 - Project page: http://orthotrack.ethz.ch

The Degeneracy Distillery

退化蒸馏器

T. Lucas Makinen, Deaglan J. Bartlett, Niall Jeffrey, Benjamin D. Wandelt

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge（剑桥大学应用数学与理论物理系） ； Imperial Centre for Inference and Cosmology (ICIC), Imperial College London（伦敦帝国理工学院帝国推理与宇宙学中心） ； Astrophysics, University of Oxford（牛津大学天体物理学系） ； CNRS & Sorbonne Université, Institut d’Astrophysique de Paris (IAP)（法国国家科学研究中心与索邦大学巴黎天体物理研究所） ； Department of Physics and Astronomy, University College London（伦敦大学学院物理与天文学系） ； Department of Physics & King’s Institute for Artificial Intelligence, King’s College London（伦敦国王学院物理系与国王人工智能研究所） ； Department of Physics and Astronomy, Johns Hopkins University（约翰霍普金斯大学物理与天文学系） ； Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） 纠错

AI总结 提出退化蒸馏器方法，通过估计和展平Fisher信息矩阵，自动符号化检测并解决物理模型中的退化参数组合，降低神经后验估计所需的模拟预算。

Comments 30 pages, 10 figures. Supporting code found at https://github.com/tlmakinen/degeneracy_distillery

RARM: Confidence-Gated Progress Reward Modeling for RL in Manipulation

RARM：基于置信度门控的进展奖励建模用于操作中的强化学习

Pengzhi Yang, Xinyu Wang, Pengyu Jing, Kehan Wen, Yiduo Qu, Zhenhao Huang, Minghao Fu, Xin Liu, Yaheng Shen, Fan Shi

机构 * NUS Human-Centered Robotic Lab（新加坡国立大学人机共融机器人实验室） ； University of Cambridge（剑桥大学） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） 纠错

AI总结 提出参考锚定奖励模型（RARM），通过对比时间目标从通用视频中学习，将单个成功演示转化为密集进展奖励，并在部署时通过置信度门控抑制虚假正奖励，在长时域操作任务中显著提升强化学习成功率。