高校专区
对EHVI与固定标量化在分子设计中的研究
机构 * Valence Labs（Valence实验室） ； University of Cambridge（剑桥大学）
AI总结 本研究比较了EHVI与标量化方法在分子设计中的表现，发现EHVI在帕累托前沿覆盖、收敛速度和化学多样性方面更优，尤其在低数据情况下表现突出。
Comments Accepted to NeurIPS AI4Science Workshop 2025
微型决策者：使用MiniConv库实现设备端决策
机构 * University of Cambridge（剑桥大学）
AI总结 本文提出了一种分拆策略架构，利用设备端编码器和远程策略头部，减少数据传输和延迟，提升边缘设备上的强化学习性能。
Comments 14 Pages, 5 Figures
EIA-SEC：改进的Actor-Critic框架用于智能农业多无人机协同控制
机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（国家信息研究所） ； The University of Cambridge（剑桥大学） ； China Agricultural University（中国农业大学）
AI总结 EIA-SEC框架通过精英模仿和共享批评机制，提升多无人机在智能农业中的协同控制性能。
反向馈送3D重建与视角合成的进展：综述
机构 * NTU（国立台湾大学） ； Caltech（加州理工学院） ； Westlake University（西湖大学） ； UCSD（加州大学圣地亚哥分校） ； University of Oxford（牛津大学） ； Nanjing University（南京大学） ； HKU（香港大学） ； University of Cambridge（剑桥大学） ； Hillbot ； MPI for Informatics（信息研究所） ； Harvard University（哈佛大学） ； MIT（麻省理工学院）
AI总结 本文综述了反向馈送方法在3D重建与视角合成中的进展，涵盖多种表示架构及应用，探讨了关键任务和未来研究方向。
Comments A project page associated with this survey is available at https://fnzhan.com/projects/Feed-Forward-3D
弱监督分割和分类Brightfield中脑图像中的α-突触素聚集物
机构 * Computational Biology, Ecole Normale Sup\'erieure, PSL University, Paris, France. 2 AP-HP, Hôpital Henri Mondor-Albert Chenevier, Service de Neurologie, F-94010 Créteil, France. 3 INSERM U955, Institut Mondor de Recherche Biomédicale, UPEC, Equipe NeuroPsychologie Interventionnelle, F-94010 Creteil, France. 4 Département d'Etudes Cognitives, École normale supérieure, PSL University, 75005 Paris, France. 5 NeurATRIS, Créteil, France. 6 Nuffield Department of Clinical Neurosciences ； the Queen’s College, University of Oxford, UK. 7 Department of Women’s ； Children’s Health, Karolinska Institutet, Sweden. 8 Churchill College, Cambridge University, CB30DS UK.
AI总结 本研究提出了一种基于弱监督分割的自动图像处理流程，用于中脑Brightfield图像中α-突触素聚集物的分割和分类，实现了80%的平衡准确率，为研究其空间分布和与周围细胞的关系提供了新方法。
面向人类指导、数据导向的LLM协同助手
机构 * University of Cambridge（剑桥大学） ； Tsinghua University（清华大学） ； Amsterdam University Medical Centers（阿姆斯特丹大学医学中心）
AI总结 CliMB-DC是一种结合人类指导和数据导向工具的LLM协同助手框架，旨在提升领域专家在复杂数据处理中的能力。
Comments Saveliev, Liu & Seedat contributed equally
用于数学助手的数据：为机器学习呈现证明的更好方式
机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） ； Caltech（加州理工学院） ； Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； FutureHouse Inc.（未来房屋公司） ； Meta ； Vienna University of Technology（维也纳技术大学） ； MIT（麻省理工学院） ； Imperial College London（伦敦帝国学院） ； Collège de France（法兰西学院）
AI总结 本文提出改进数学助手数据集的设计，以更真实反映数学研究实践，从而提升大语言模型的证明学习能力。
Comments 59 pages
缓解零样本科学摘要中的幻觉：一项初步研究
机构 * Department of Chemical Engineering and Biotechnology（化学工程与生物技术系） ； University of Cambridge（剑桥大学）
AI总结 本研究探讨提示工程方法对缓解零样本科学摘要中的幻觉效果，发现上下文重复和随机添加能显著提升摘要与原文的对齐度。
用于数据高效土地覆盖分割的核心集选择
机构 * University of Liverpool（利兹大学） ； Microsoft AI for Good Research Lab（微软AI for Good研究实验室） ； Cardiff University（卡迪夫大学） ； University of Cambridge（剑桥大学） ； Forschungszentrum Jülich GmbH（尤利希研究中心有限公司） ； University of Bonn（波恩大学） ； Department SAR Technology, German Aerospace Center (DLR)（德国航空航天中心（DLR）SAR技术部门）
AI总结 本文提出六种核心集选择方法，通过实验验证其在土地覆盖分割任务中能以更少数据达到甚至超越完整数据集的性能。
几何拉普拉斯神经算子
机构 * University of Dundee（邓迪大学） ； Fudan University（复旦大学） ； University of Cambridge（剑桥大学）
AI总结 本文提出几何拉普拉斯神经算子，通过引入拉普拉斯谱表示和网格不变网络架构，实现了在任意黎曼流形上高效求解偏微分方程和常微分方程的能力。
FOD-Diff: 3D多通道补丁扩散模型用于纤维方向分布
机构 * University of Dundee（邓迪大学） ； University of Bath（巴斯大学） ； University of Cambridge（剑桥大学）
AI总结 FOD-Diff通过3D多通道补丁扩散模型，高效生成HAR-FOD，提升白质完整性表征的准确性。
SemanticBridge - 一个用于桥梁3D语义分割及领域差距分析的数据集
机构 * Fraunhofer Institute for Physical Measurement Techniques IPM（弗劳恩霍夫物理测量技术研究所） ； University of Freiburg, Department of Sustainable Systems Engineering INATECH（弗赖堡大学可持续系统工程系） ； University of Cambridge, Department of Engineering（剑桥大学工程系） ； Digital and Intelligent Engineering Research Institute, Sichuan Highway Planning, Survey, Design and Research Institute Ltd（四川省数字智能工程研究 institute）
AI总结 SemanticBridge数据集旨在通过3D语义分割提升桥梁结构健康监测，并分析传感器变化导致的领域差距影响。
PILA：基于物理的低秩增强用于可解释的地球观测
机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Clare Hall, University of Cambridge（剑桥大学克莱尔学院） ； Cyclops AI ； Department of Earth Sciences, University of Cambridge（地球科学系，剑桥大学）
AI总结 PILA通过低秩增强方法提升地球观测中物理模型的可解释性和准确性，有效解决不完整物理模型的反演问题。
平滑是如何成为N-单纯形注意力的？
机构 * University of Cambridge（剑桥大学） ； École des Ponts, IP Paris（巴黎国立理工学院）
AI总结 本文提出N-单纯形注意力机制，通过引入更高阶交互提升模型性能，并探讨了平滑对模型的影响及解决方法。
Comments arXiv preprint
远程可检测的机器人策略水印
机构 * University of Cambridge（剑桥大学）
AI总结 本文提出Colored Noise Coherency（CoNoCo）水印策略，通过嵌入频谱信号实现机器人策略的远程检测，确保非侵入式验证策略来源。
从成对比较中进行排名的模型推断
机构 * Department of Engineering, University of Cambridge, CB2 1PZ, United Kingdom（剑桥大学工程系）
AI总结 本文提出了一种高效算法，用于从噪声的成对比较中推断对象的强度及概率映射函数，通过实验验证了贝叶斯方法的鲁棒性。
大语言模型并非关于自然语言
机构 * University of Cambridge, Department of Psychology（剑桥大学心理学系） ； University School for Advanced Studies（高级研究大学） ； Scuola Normale Superiore（规范大学） ； Macquarie University, Department of Linguistics（麦考瑞大学语言学系） ； University of Arizona, Department of Linguistics（亚利桑那大学语言学系）
AI总结 大语言模型并非基于自然语言构建，而是基于概率模型，而人类语言由内在计算系统生成层次化思维结构。
基于变分方法的抗规格错误的 amortised 模拟基于推断
机构 * Institute of Astronomy, University of Cambridge（天文研究所，剑桥大学） ； Statistical Laboratory, University of Cambridge（统计实验室，剑桥大学） ； Kavli Institute for Cosmology, University of Cambridge（宇宙学研究所，剑桥大学） ； Institute of Astrophysics, FORTH（天体物理学研究所，福蒂斯研究所）
AI总结 本文提出了一种基于变分方法的抗规格错误的amortised模拟推断方法，通过弥合模拟与现实的差距，实现鲁棒的后验推断。
Comments Latex edits, fixed typos
迈向自动形式化的一个共同框架
机构 * Department of Computer Science, Royal Holloway, University of London（伦敦大学皇家霍洛威学院计算机科学系） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系）
AI总结 本文旨在提出一个统一框架，以促进不同领域之间的交叉融合，推动下一代人工智能系统的发展。
Comments Presented at NeLaMKRR@KR, 2025 (arXiv:2511.09575). A shorter version of this work will appear in the Proceedings of the AAAI Conference on Artificial Intelligence (AAAI 2026)
AI 是否应成为代际公民权利？
机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； fortiss - research institute of the free state of Bavaria for intensive software systems（巴伐利亚自由州的fortiss研究所） ； Department of Electrical and Computer Engineering, Democritus University of Thrace（德莫克利特大学特拉克分校电子与计算机工程系）
AI总结 本文提出将AI可及性视为代际公民权利，通过技术与伦理框架实现公平、可持续的AI发展。
带有先验拟合网络的 amortized 因果发现
机构 * University of Cambridge（剑桥大学） ； University of Warsaw（华沙大学） ； Poznan University of Technology（波兹南技术大学）
AI总结 本文提出了一种基于先验拟合网络的因果发现方法，通过改进似然估计来提升结构学习的可靠性。
对黑盒语言模型的令牌重要性可视化
机构 * University of Cambridge（剑桥大学）
AI总结 本文提出DBSA方法，用于可视化黑盒语言模型中各输入令牌的重要性，以评估模型输出对输入的依赖性。
Journal ref Proceedings of the 28th International Conference on Artifi- cial Intelligence and Statistics (AISTATS) 2025, Mai Khao, Thailand. PMLR: Volume 258
在一般向量包上计算Hermitian Yang-Mills连接：几何与物理Yukawa耦合
机构 * Department of Computer Science \& Technology, University of Cambridge, Cambridge CB3 0FD, UK
AI总结 本文提出了一种基于几何机器学习的交替优化方法，用于计算一般向量包上的Hermitian Yang-Mills连接，并在异向性弦紧化中计算物理Yukawa耦合。
Comments 51 pages, Associated code open--sourced at https://github.com/Justin-Tan/cymyc
适应变化：持续学习与迁移学习在建筑热动态建模中的比较研究
机构 * Technical University of Applied Sciences Rosenheim（应用技术大学罗斯海姆） ； Technical University of Munich（慕尼黑技术大学） ； University of Cambridge（剑桥大学）
AI总结 本研究比较了持续学习与迁移学习在建筑热动态建模中的效果，提出了一种更高效的季节性记忆学习方法，提升了预测精度并应对动态变化。
Comments Currently under review
ImageTalk: 设计一种由图像识别和自然语言生成驱动的多模态AAC文本生成系统
机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； Department of Computing, Imperial College London（伦敦帝国学院计算机系）
AI总结 ImageTalk通过图像识别和自然语言生成设计多模态AAC文本生成系统，实现95.6%的按键节省率和高用户满意度。
Comments 24 pages, 10 figures
无需训练的双双曲适配器用于更高效的跨模态推理
机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Department of Electrical and Electronic Engineering, Southern University of Science and Technology（南方科技大学电子与电气工程系） ； Department of Applied Mathematics and Theoretical Physics, University of Cambridge（剑桥大学应用数学与理论物理系） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学应用数学中心）
AI总结 本文提出无需训练的双双曲适配器方法，通过双曲空间嵌入提升跨模态推理性能，实现更高效的领域泛化和少样本识别。
Comments Accepted in IEEE Transactions on Multimedia (TMM)
在解决奥数几何问题上超越金牌得主的AlphaGeometry2
机构 * Google DeepMind（谷歌DeepMind） ； University of Cambridge（剑桥大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Brown University（布朗大学） ； Seoul National University（首尔国立大学）
AI总结 AlphaGeometry2通过改进的语言模型和知识共享机制，显著提升了解决几何问题的能力，达到超越金牌得主的水平，并推动了自动系统在几何问题解决中的应用。
Comments 28 pages, 16 figures. V2: Clarified abstract, rewritten introduction, updated results on diagram generation, added acknowledgement section. V3: Added clarifications and a new section "Inequality rules", re-organized sections, added code link, now 34 pages
在观察性时间到事件数据中识别治疗反应亚组
机构 * University of Cambridge（剑桥大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； University of Oxford（牛津大学）
AI总结 本文提出了一种基于结果导向的亚组分析策略，用于在随机对照试验和观察性研究中识别治疗反应不同的患者亚组，从而提升医疗决策的精准性。
Comments Presented at ML4H 2025
Tessellation GS：基于神经网格高斯的鲁棒单目动态物体重建
机构 * University of Cambridge（剑桥大学） ； Tsinghua University（清华大学）
AI总结 Tessellation GS通过基于网格面的神经高斯方法实现单目动态物体的鲁棒重建，显著提升了稀疏视角和动态场景下的重建性能。
多尺度蛋白质结构建模与几何图U-网络
机构 * University of Cambridge（剑桥大学）
AI总结 本文提出几何图U-网络，通过递归粗化和细化蛋白质图，实现多尺度结构建模，显著提升蛋白质折叠分类性能。
Comments Presented at Machine Learning in Structural Biology, 2025. Open-source code: https://github.com/VirtualProteins/GNN_UNet
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈