University of Cambridge（剑桥大学）

Data-driven Bi-level Optimization of Thermal Power Systems with embedded Artificial Neural Networks

数据驱动的热力系统双层优化与嵌入式人工神经网络

Talha Ansar, Muhammad Mujtaba Abbas, Ramit Debnath, Vivek Dua, Waqar Muhammad Ashraf

机构 * Department of Mechanical Engineering, University of Engineering and Technology Lahore（拉合尔工程与技术大学机械工程系） ； University of Engineering and Technology Lahore（拉合尔工程与技术大学） ； Collective Intelligence & Design Group, University of Cambridge（剑桥大学集体智能与设计组） ； The Sargent Centre for Process Systems Engineering, Department of Chemical Engineering, University College London（伦敦大学学院化工系统工程中心） ； University College London（伦敦大学学院） 纠错

AI总结 本文提出基于人工神经网络和KKT条件的双层优化框架，用于高效优化工业热力系统，实现大规模工程系统的节能运行。

Self-Improving World Modelling with Latent Actions

具有潜在动作的自我改进世界建模

Yifu Qiu, Zheng Zhao, Waylon Li, Yftah Ziser, Anna Korhonen, Shay B. Cohen, Edoardo M. Ponti

机构 * University of Edinburgh（爱丁堡大学） ； Nvidia Research（Nvidia研究） ； University of Groningen（格罗宁根大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 SWIRL通过将动作视为潜在变量，结合前向世界建模和逆动态建模，实现了对LLM和VLM的自我改进世界建模，在多个基准测试中取得了显著提升。

Multi-scale Autoregressive Models are Laplacian, Discrete, and Latent Diffusion Models in Disguise

多尺度自回归模型实际上是拉普拉斯、离散和潜在扩散模型的伪装

Steve Hong, Samuel Belkadi

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 本文将多尺度自回归模型重新诠释为拉普拉斯、离散和潜在扩散模型，通过分析其设计选择揭示其效率与质量的权衡，并展示其在不同任务中的应用。

Better Hessians Matter: Studying the Impact of Curvature Approximations in Influence Functions

更好的Hessian矩阵至关重要：研究曲率近似在影响函数中的影响

Steve Hong, Runa Eschenhagen, Bruno Mlodozeniec, Richard Turner

机构 * University of Cambridge（剑桥大学） ； Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 本文研究了Hessian近似质量对影响函数归因的影响，发现更精确的Hessian近似能提升归因性能，且K-FAC与GGN的特征值不匹配是主要误差来源。

RAVENEA: A Benchmark for Multimodal Retrieval-Augmented Visual Culture Understanding

RAVENEA：多模态检索增强视觉文化理解的基准

Jiaang Li, Yifei Yuan, Wenyan Li, Mohammad Aliannejadi, Daniel Hershcovich, Anders Søgaard, Ivan Vulić, Wenxuan Zhang, Paul Pu Liang, Yang Deng, Serge Belongie

机构 * University of Copenhagen（哥本哈根大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Amsterdam（阿姆斯特丹大学） ； University of Cambridge（剑桥大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理大学） 纠错

AI总结 RAVENEA通过多模态检索增强方法提升视觉文化理解，验证了文化注释对多模态检索和下游任务的增强效果，并揭示了不同国家间性能差异。

Comments ICLR 2026; Project page: https://jiaangli.github.io/ravenea/

Cumulative Utility Parity for Fair Federated Learning under Intermittent Client Participation

累积效用公平性：在间歇性客户端参与下的联邦学习公平性

Stefan Behfar, Richard Mortier

机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, United Kingdom（计算机科学与技术系，剑桥大学，剑桥，英国） 纠错

AI总结 本文提出累积效用公平性，通过评估客户端长期收益来提升联邦学习中的公平性，实验显示其在保持性能的同时改善了长期表示公平性。

Human Emotion-Mediated Soft Robotic Arts: Exploring the Intersection of Human Emotions, Soft Robotics and Arts

人类情感介导的软机器人艺术：探索人类情感、软机器人与艺术的交汇

Saitarun Nadipineni, Chenhao Hong, Tanishtha Ramlall, Chapa Sirithunge, Kaspar Althoefer, Fumiya Iida, Thilina Dulantha Lalitharatne

机构 * School of Engineering and Materials Science in Queen Mary University of London（伦敦女王学院工程与材料科学学院） ； Department of Engineering, University of Cambridge（剑桥大学工程系） 纠错

AI总结 本文提出通过软机器人艺术动态响应脑信号中的α波，探索人类情感与艺术的交汇，展现情感介导的软体艺术新形式。

Privacy in Human-AI Romantic Relationships: Concerns, Boundaries, and Agency

人机浪漫关系中的隐私：担忧、界限与自主性

Rongjun Ma, Shijing He, Jose Luis Martin-Navarro, Xiao Zhan, Jose Such

机构 * VRAIN, Universitat Politècnica de València（VRAIN，瓦伦西亚理工大学） ； Aalto University（艾尔沃斯大学） ； King’s College London（伦敦国王学院） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文探讨了人机浪漫关系中的隐私问题，通过访谈研究发现，AI伴侣具有自主性，影响隐私界限和用户隐私保护策略。

Comments Accepted at CHI 2026

Palpation Alters Auditory Pain Expressions with Gender-Specific Variations in Robopatients

触诊改变与性别相关的听觉疼痛表达在仿生患者中

Chapa Sirithunge, Yue Xie, Saitarun Nadipineni, Fumiya Iida, Thilina Dulantha Lalitharatne

机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； School of Engineering and Materials Science in Queen Mary University of London（伦敦大学玛丽女王学院工程与材料科学学院） 纠错

AI总结 本文提出了一种基于人类在环强化学习的仿生患者听觉疼痛表达生成方法，通过动态调整触诊力与声音反馈的关系，实现性别差异的个性化疼痛表达，以提升医疗模拟训练效果。

Comments 12 pages, 9 figures, journal

Bench-MFG: A Benchmark Suite for Learning in Stationary Mean Field Games

Bench-MFG：用于在平稳均场博弈中学习的基准测试套件

Lorenzo Magnino, Jiacheng Shen, Matthieu Geist, Olivier Pietquin, Mathieu Laurière

机构 * University of Cambridge（剑桥大学） ； NYU Shanghai（纽约大学上海分校） ； NYU Center for Data Science（纽约大学数据科学中心） ； Earth Species Project（地球物种计划） ； NYU-ECNU Institute of Mathematical Sciences at NYU Shanghai（纽约大学上海分校数学科学研究所） 纠错

AI总结 Bench-MFG提出了一套用于评估MFG学习方法的基准测试套件，通过分类问题类型和生成随机实例，提供标准化的实验框架和评估指南。

Soft Contamination Means Benchmarks Test Shallow Generalization

软污染数据的基准测试浅层泛化

Ari Spiesberger, Juan J. Vazquez, Nicky Pochinkov, Tomáš Gavenčiak, Peli Grietzer, Gavin Leech, Nandi Schoots

机构 * Arb Research（Arb研究） ； Charles University, Prague（查尔斯大学） ； University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 研究发现训练数据中存在语义重复污染，导致基准测试性能提升可能反映真实能力提升和测试数据积累的综合作用。

Artificial intelligence is creating a new global linguistic hierarchy

人工智能正在创造一个新的全球语言层级

Giulia Occhini, Kumiko Tanaka-Ishii, Anna Barford, Refael Tikochinski, Songbo Hu, Roi Reichart, Yijie Zhou, Hannah Claus, Ulla Petti, Ivan Vulić, Ramit Debnath, Anna Korhonen

机构 * University of Cambridge（剑桥大学） ； Waseda University（早稻田大学） ； University College London（伦敦大学学院） ； Technion（技术学院） 纠错

AI总结 本文研究了人工智能在语言上的不平等分布，提出语言AI准备指数，旨在促进更公平的语言技术发展。

Who Does What? Archetypes of Roles Assigned to LLMs During Human-AI Decision-Making

谁承担什么角色？人类与大语言模型在人机决策中的角色范式

Shreya Chappidi, Jatinder Singh, Andra V. Krauze

机构 * University of Cambridge（剑桥大学） ； National Cancer Institute, National Institutes of Health（国家癌症研究所，国立卫生研究院） ； Research Centre Trust, UA Ruhr, University Duisburg-Essen（研究信托中心，UA Ruhr，杜伊斯堡-埃森大学） 纠错

AI总结 本文提出人类-LLM范式概念，通过分析113篇论文得出17种角色模式，并探讨其对决策结果的影响及设计权衡。

Comments Accepted to ACM CHI 2026

Deep Kernel Fusion for Transformers

基于变压器的深度核融合

Zixi Zhang, Zhiwen Mo, Yiren Zhao, Robert Mullins

机构 * Imperial College London（帝国理工学院伦敦分校） ； University of Cambridge（剑桥大学） 纠错

AI总结 本研究提出DeepFusionKernel，通过深度融合内核减少HBM流量并提高缓存复用，实现大语言模型在长上下文推理中的性能提升。

ANML: Attribution-Native Machine Learning with Guaranteed Robustness

ANML：具有保证鲁棒性的属性原生机器学习

Oliver Zahn, Matt Beton, Simran Chana

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 ANML通过质量加权训练提升模型性能和归因能力，在多个数据集上显著减少误差。

Comments 27 pages, 6 figures

SKATE, a Scalable Tournament Eval: Weaker LLMs differentiate between stronger ones using verifiable challenges

SKATE，一种可扩展的锦标赛评估：较弱的LLM通过可验证的挑战区分更强的LLM

Dewi S. W. Gould, Bruno Mlodozeniec, Samuel F. Brown

机构 * The Alan Turing Institute（阿尔文·图灵研究所） ； University of Cambridge（剑桥大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Independent（独立研究者） 纠错

AI总结 SKATE通过让LLM相互生成和解决可验证任务，实现可扩展的评估框架，揭示模型间的细微能力差异。

Comments 7 pages and appendices

Shortest-Path Flow Matching with Mixture-Conditioned Bases for OOD Generalization to Unseen Conditions

基于混合条件化的基底的最短路径流匹配用于对抗分布外泛化到未见条件

Andrea Rubbi, Amir Akbarnejad, Mohammad Vali Sanian, Aryan Yazdan Parast, Hesam Asadollahzadeh, Arian Amani, Naveed Akhtar, Sarah Cooper, Andrew Bassett, Pietro Liò, Lassi Paavolainen, Sattar Vakili, Mo Lotfollahi

机构 * Wellcome Sanger Institute（Wellcome桑格研究所） ； Institute for Molecular Medicine Finland (FIMM)（芬兰分子医学研究所） ； University of Helsinki（赫尔辛基大学） ； School of Computing and Information Systems（计算与信息系统学院） ； University of Cambridge（剑桥大学） ； Cambridge Centre for AI in Medicine（剑桥人工智能医学中心） ； MediaTek Research（MediaTek研究） ； Cambridge Stem Cell Institute（剑桥干细胞研究所） 纠错

AI总结 SP-FM通过条件化基础分布和流场提升对抗分布外泛化能力，适用于异质领域如单细胞转录组学和高内涵显微镜药物筛选。

Overlap-weighted orthogonal meta-learner for treatment effect estimation over time

基于重叠权重的正交元学习器用于时间维度上的治疗效应估计

Konstantin Hess, Dennis Frauen, Mihaela van der Schaar, Stefan Feuerriegel

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Cambridge（剑桥大学） ； Alan Turing Institute（艾伦·图灵研究所） 纠错

AI总结 本文提出了一种基于重叠权重的正交元学习器，用于在时间维度上更准确地估计异质治疗效应，通过减少估计方差提升可靠性。

Learning Mixture Density via Natural Gradient Expectation Maximization

通过自然梯度期望最大化学习混合密度

Yutao Chen, Jasmine Bayrooti, Steven Morad

机构 * Faculty of Science and Technology, University of Macau（科技学院，澳门大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出nGEM方法，通过信息几何优化混合密度网络，实现更快的收敛速度和更高的效率。

Modular Multi-Task Learning for Chemical Reaction Prediction

模块化多任务学习用于化学反应预测

Jiayun Pang, Ahmed M. Zaitoun, Xacobe Couso Cambeiro, Ivan Vulić

机构 * University of Greenwich（格林威治大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出使用LoRA进行模块化多任务学习，以提高有机反应预测的准确性和泛化能力。

Comments 19 pages, 7 figures

URBAN-SPIN: A street-level bikeability index to inform design implementations in historical city centres

URBAN-SPIN：一种用于历史城市中心设计实施的街道级自行车适应性指数

Haining Ding, Chenxi Wang, Michal Gath-Morad

机构 * Cambridge Cognitive Architecture, Department of Architecture, University of Cambridge, UK（剑桥认知架构，建筑系，剑桥大学，英国） ； NeuroCivitas Lab for NeuroArchitecture, Centre for Research in the Arts, Social Sciences and Humanities (CRASSH), University of Cambridge, UK（神经文明架构实验室，艺术、社会科学与人文研究中心（CRASSH），剑桥大学，英国） 纠错

AI总结 本研究提出一种基于类型学和数据整合的框架，通过分析街道类型和子分类，构建整合主观和感知维度的自行车适应性指数，以评估和改善历史城市中的骑行条件。

Comments 32 pages, 10 figures

Speech-Audio Compositional Attacks on Multimodal LLMs and Their Mitigation with SALMONN-Guard

针对多模态大语言模型的语音音频组合攻击及其通过SALMONN-Guard的缓解

Yudong Yang, Xuezhen Zhang, Zhifeng Han, Siyin Wang, Jimin Zhuang, Zengrui Jin, Jing Shao, Guangzhi Sun, Chao Zhang

机构 * Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Cambridge（剑桥大学） 纠错

AI总结 针对多模态LLMs的安全性，提出SACRED-Bench评估语音音频组合攻击，并通过SALMONN-Guard将攻击成功率降低至20%。

Deep Network Trainability via Persistent Subspace Orthogonality

通过持久子空间正交性实现深度网络可训练性

Alex Massucco, Davide Murari, Carola-Bibiane Schönlieb

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

AI总结 本研究通过持久子空间正交性方法，设计出能够有效训练深层网络的架构，解决了梯度消失和爆炸问题。

Iterative Importance Fine-tuning of Diffusion Models

扩散模型的迭代重要性微调

Alexander Denker, Shreyas Padhy, Francisco Vargas, Johannes Hertrich

机构 * University College London（伦敦大学学院） ； University of Cambridge（剑桥大学） ； Xaira Therapeutics ； ENS Paris - PSL & Inria Mokaplan（巴黎高等师范学院 - PSL & Inria Mokaplan） 纠错

AI总结 本文提出了一种基于自监督学习的扩散模型微调方法，通过迭代优化控制实现高效的条件采样，适用于图像生成和逆问题解决。

Clarifying Shampoo: Adapting Spectral Descent to Stochasticity and the Parameter Trajectory

澄清洗发水：适应随机性和参数轨迹的谱下降

Runa Eschenhagen, Anna Cai, Tsung-Hsien Lee, Hao-Jun Michael Shi

机构 * University of Cambridge（剑桥大学） ； Meta Platforms（Meta公司） 纠错

AI总结 本文通过实验表明，Shampoo在权重矩阵上的应用比Muon更高效，其更新方式在期望上是时间平均的半正交，而非强制半正交性。

Disambiguating Anthropomorphism and Anthropomimesis in Human-Robot Interaction

在人机交互中区分拟人化与拟人模仿

Minja Axelsson, Henry Shevlin

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 本文区分了人机交互中拟人化与拟人模仿的概念，明确两者责任方，为未来研究提供理论基础。

Comments 6 pages, 0 figures. Accepted at Human-Robot Interaction (HRI) conference (ACM/IEEE) 2026, Late-Breaking Reports

Estimating Interventional Distributions with Uncertain Causal Graphs through Meta-Learning

通过元学习估计不确定因果图的干预分布

Anish Dhir, Cristiana Diaconu, Valentinian Mihai Lungu, James Requeima, Richard E. Turner, Mark van der Wilk

机构 * Imperial College London（伦敦帝国学院） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Alan Turing Institute（艾伦·图灵研究所） ； University of Oxford（牛津大学） 纠错

AI总结 通过元学习提出MACE-TNP模型，用于估计不确定因果图的干预分布，优于传统贝叶斯方法。

Quantum advantage for learning shallow neural networks with natural data distributions

在自然数据分布下学习浅层神经网络的量子优势

Laura Lewis, Dar Gilboa, Jarrod R. McClean

机构 * Google Quantum AI（谷歌量子人工智能） ； University of Cambridge（剑桥大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文提出了一种高效量子算法，在非均匀数据分布下实现学习周期神经元的指数级量子优势。

Comments 10 pages, 1 figure + 82-page appendix; updated with stronger classical hardness

Journal ref Nat. Commun. 17, 1341 (2025)

Cutting Through the Noise: On-the-fly Outlier Detection for Robust Training of Machine Learning Interatomic Potentials

在噪声中穿行：面向机器学习互原子势稳健训练的实时异常检测

Terry C. W. Lam, Niamh O'Neill, Christoph Schran, Lars L. Schaaf

机构 * Cavendish Laboratory, Department of Physics, University of Cambridge（卡文迪许实验室，物理系，剑桥大学） ； Lennard-Jones Centre, University of Cambridge（兰纳德-琼斯中心，剑桥大学） ； Yusuf Hamied Department of Chemistry, University of Cambridge（尤苏夫·哈米德化学系，剑桥大学） 纠错

AI总结 本文提出了一种实时异常检测方法，通过自动降低噪声样本权重，提升机器学习互原子势在不完美数据集上的训练鲁棒性。

Comments 12 pages, 6 figures

Belief Offloading in Human-AI Interaction

人类-人工智能交互中的信念卸载

Rose E. Guingrich, Dvija Mehta, Umang Bhatt

机构 * Princeton University（普林斯顿大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文研究了人类在与人工智能交互时，将信念形成过程卸载给AI系统的影响及潜在后果。