University of Edinburgh（爱丁堡大学）

A Single-Fiber Optical Frequency Domain Reflectometry (OFDR)-Based Shape Sensing of Concentric Tube Steerable Drilling Robots

基于单光纤光频域反射计（OFDR）的同心管可操控钻探机器人形状感知

Yash Kulkarni, Mobina Tavangarifard, Daniyal Maroufi, Mohsen Khadem, Justin E. Bird, Jeffrey H. Siewerdsen, Farshid Alambeigi

机构 * Walker Department of Mechanical Engineering and Texas Robotics at The University of Texas at Austin（德克萨斯大学机械工程系与德克萨斯机器人系） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Orthopedic Oncology, Division of Surgery, The University of Texas M.D. Anderson Cancer Center（德克萨斯大学MD安德森癌症中心骨肉瘤科） ； Department of Imaging Physics, Division of Diagnostic Imaging, The University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心影像物理科） 纠错

AI总结 本文提出一种基于OFDR的新型形状感知方法，用于同心管可操控钻探机器人（CT-SDR）。该方法通过集成单根OFDR光纤与扁平NiTi线制作传感组件，实现连续应变测量，提升空间分辨率，并在合成Sawbones仿生体中验证了其准确性和可靠性。

Comments 8 pages, 7 figures

DancingBox: A Lightweight MoCap System for Character Animation from Physical Proxies

DancingBox：一种轻量级的基于物理代理的字符动画系统

Haocheng Yuan, Adrien Bousseau, Hao Pan, Lei Zhong, Changjian Li

机构 * University of Edinburgh 10 Crichton Street Edinburgh United Kingdom ； Inria, Universit\' e C\ o te d'Azur 2004 route des lucioles Valbonne France ； Tsinghua University No. 30 Shuangqing Road, Haidian District Beijing China ； University of Edinburgh ； Inria, Universit\' e C\ o te d'Azur ； Tsinghua University 纠错

AI总结 DancingBox通过将运动捕捉过程转化为数字提线木偶，利用日常物体的粗略运动生成逼真动画，降低了新手动画师的进入门槛。

Comments Accepted to CHI2026

Interpretable Context Methodology: Folder Structure as Agentic Architecture

可解释的上下文方法论：文件夹结构作为代理架构

Jake Van Clief, David McDermott

机构 * Eduba, University of Edinburgh（埃杜巴，爱丁堡大学） 纠错

AI总结 本文提出Model Workspace Protocol，通过文件夹结构替代传统多代理框架，用编号文件夹和Markdown文件实现单代理工作流，减少工程开销，借鉴Unix管道、模块分解等理念。

Comments 28 pages, 5 figures, 2 tables, 54 references

Bootstrapping Embeddings for Low Resource Languages

通过低资源语言进行嵌入补丁

Merve Basoz, Andrew Horne, Mattia Opper

机构 * School of Informatics, University of Edinburgh, UK（爱丁堡大学信息学院） ； Edina, University of Edinburgh, UK（爱丁堡大学埃丁纳分校） 纠错

AI总结 本文探讨利用大语言模型生成合成三元组数据以优化嵌入模型，提出两种新方法（适配器组合和跨语言微调XL-LoRA），在多种任务和语言上取得显著提升。

Comments (v2 - LoResLM Camera Ready)

A Comedy of Estimators: On KL Regularization in RL Training of LLMs

估计器的喜剧：关于在LLM训练中的KL正则化

Vedant Shah, Johan Obando-Ceron, Vineet Jain, Brian Bartoldson, Bhavya Kailkhura, Sarthak Mittal, Glen Berseth, Pablo Samuel Castro, Yoshua Bengio, Nikolay Malkin, Moksh Jain, Siddarth Venkatraman, Aaron Courville

机构 * McGill University（麦吉尔大学） ； LawZero（法零） ； LLNL（劳伦斯利弗莫尔国家实验室） ； University of Edinburgh（爱丁堡大学） ； CIFAR AI Chair（CIFAR人工智能主席） ； CIFAR Fellow 纠错

AI总结 本文研究了在LLM训练中使用KL正则化的估计器方法，分析了不同配置对训练稳定性及下游性能的影响，发现偏导数估计器可能导致训练不稳定，而无偏导数估计器能提升模型在领域内外任务的表现。