University of Edinburgh（爱丁堡大学）

MIXAR: Scaling Autoregressive Pixel-based Language Models to Multiple Languages and Scripts

MIXAR：将自回归像素基于语言模型扩展到多种语言和文字

Chen Hu, Yintao Tai, Antonio Vergari, Frank Keller, Alessandro Suglia

机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） 纠错

AI总结 MIXAR是首个基于像素的多语言生成模型，通过八种不同语言和文字训练，提升了多语言任务的性能和鲁棒性。

Time is Not a Label: Continuous Phase Rotation for Temporal Knowledge Graphs and Agentic Memory

时间并非标签：连续相位旋转用于时间知识图谱与智能记忆

Weixian Waylon Li, Jiaxin Zhang, Xianan Jim Yang, Tiejun Ma, Yiwen Guo

机构 * University of Edinburgh（爱丁堡大学） ； LIGHTSPEED ； University of St Andrews（圣安德鲁斯大学） ； Independent Researcher（独立研究员） 纠错

AI总结 本文提出RoMem模块，通过连续相位旋转技术解决时间信息在知识图谱中的表示问题，提升时间推理和记忆保持性能，实现状态-of-the-art结果。

Optimal L2 Regularization in High-dimensional Continual Linear Regression

高维连续线性回归中最优L2正则化

Gilad Karpel, Edward Moroshko, Ran Levinstein, Ron Meir, Daniel Soudry, Itay Evron

机构 * Department of Data and Decisions Sciences, Technion（以色列理工学院数据与决策科学系） ； School of Engineering, University of Edinburgh（爱丁堡大学工程学院） ； Department of Computer Science, Technion（以色列理工学院计算机科学系） ； Department of Electrical and Computing Engineering, Technion（以色列理工学院电气与计算机工程系） ； Meta 纠错

AI总结 本文研究了高维连续线性回归中L2正则化对泛化性能的影响，推导了在高维情况下任意线性教师下的泛化损失闭式表达式，证明最优固定正则化强度近似与任务数T成线性关系，为持续学习提供了理论基础。

Comments Accepted to ALT 2026

Mem$^2$Evolve: Towards Self-Evolving Agents via Co-Evolutionary Capability Expansion and Experience Distillation

Mem$^2$Evolve：通过共进化能力扩展与经验蒸馏实现自进化智能体

Zihao Cheng, Zeming Liu, Yingyu Shan, Xinyi Wang, Xiangrong Zhu, Yunpu Ma, Hongru Wang, Yuhang Guo, Wei Lin, Yunhong Wang

机构 * Beihang University（北京航空航天大学） ； Beijing Institute of Technology（北京理工大学） ； Independent Researcher（独立研究者） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文提出Mem$^2$Evolve框架，通过共进化能力扩展与经验蒸馏实现自进化智能体，实验显示其在多个任务和基准上的性能显著优于传统方法。

Comments Accepted by ACL 2026 Main

On Harnessing Idle Compute at the Edge for Foundation Model Training

在边缘计算中利用空闲计算资源进行基础模型训练

Leyang Xue, Meghana Madhyastha, Myungjin Lee, Amos Storkey, Randal Burns, Mahesh K. Marina

机构 * The University of Edinburgh（爱丁堡大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Cisco Research（思科研究院） 纠错

AI总结 本文提出Cleave框架，通过利用边缘设备的异构计算资源，实现与云训练相媲美的性能，并在设备异构性和故障恢复方面取得显著优势。

Comments Extended abstract version of this paper appeared in ACM MobiCom 2025. Workshop version of this paper appeared in EuroMLSys 2026

A Comparative Benchmark of Large Language Models for Labelling Wind Turbine Maintenance Logs

大型语言模型在风力涡轮机维护日志标注中的比较基准

Max Malyi, Jonathan Shek, Alasdair McDonald, Andre Biscaya

机构 * Institute for Energy Systems, School of Engineering, The University of Edinburgh（爱丁堡大学工程学院能源系统研究所） ； Nadara 纠错

AI总结 本文提出一种可复现的框架，用于评估大型语言模型在分类复杂工业记录任务中的性能，通过对比不同模型的可靠性、效率和校准能力，发现最佳模型需结合人类在循环系统提升数据标注质量。

Comments Associated GitHub repository: https://github.com/mvmalyi/wind-farm-maintenance-logs-labelling-with-llms