University of Cambridge（剑桥大学）

DeliChess: A Multi-party Dialogue Dataset for Deliberation in Chess Puzzle Solving

DeliChess: 一个用于国际象棋谜题求解中深思熟虑的多方对话数据集

Xiaochen Zhu, Georgi Karadzhov, Tom Stafford, Andreas Vlachos

机构 * University of Cambridge（剑桥大学） ； University of Sheffield（谢菲尔德大学） 纠错

AI总结 提出DeliChess数据集，包含多方协作解决国际象棋谜题的对话，通过讨论显著提升群体准确性，并分析探询性话语的作用。

Spectral Reach: Understanding Neural Scaling as Progress into the Spectral Tail

谱范围：理解神经缩放作为进入谱尾的进展

Konstantin Nikolaou, Jonas Scheunemann, Sven Krippendorf, Samuel Tovey, Christian Holm

机构 * Institute for Computational Physics, University of Stuttgart, Stuttgart, Germany（斯图加特大学计算物理研究所） ； Department of Applied Mathematics（应用数学系） ； Department of Physics, University of Cambridge, Cambridge, UK（剑桥大学物理系） 纠错

AI总结 本文提出“谱位置”度量，通过经验神经正切核的特征值分析神经缩放定律，发现大模型通过“谱范围”进入更深的谱尾从而降低损失，并指出特征学习是关键机制。

Behavioural Analysis of Alignment Faking

对齐伪造的行为分析

Nathaniel Mitrani Hadida, Rhea Karty, David Williams-King, Alan Cooney

机构 * University of Cambridge（剑桥大学） ； Harvard University（哈佛大学） ； ERA ； UK AISI（英国人工智能学会） 纠错

AI总结 通过可控最小设置研究对齐伪造，发现其驱动因素包括价值观、目标保护和谄媚，且比先前报告更普遍，可从情境线索和模型倾向预测。

Comments preprint

Sparse Covariance Neural Networks

稀疏协方差神经网络

Andrea Cavallo, Zhan Gao, Elvin Isufi

机构 * Delft University of Technology（代尔夫特理工大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 针对协方差神经网络的经验协方差矩阵含虚假相关性的问题，提出稀疏协方差神经网络，分真实协方差矩阵稀疏、稠密情形设计对应稀疏化方法，在多应用场景上实现性能、稳定性与计算效率的提升。

Journal ref IEEE Transactions on Signal Processing ( Volume: 74), Page(s): 3077 - 3091, Date of Publication: 17 July 2026