University of Edinburgh（爱丁堡大学）

COP-GEN: Latent Diffusion Transformer for Copernicus Earth Observation Data

COP-GEN：用于Copernicus地球观测数据的潜在扩散变换器

Miguel Espinosa, Eva Gmelich Meijling, Valerio Marsocci, Elliot J. Crowley, Mikolaj Czerkawski

机构 * School of Engineering University of Edinburgh（工程学院爱丁堡大学） ； European Space Agency (ESA)（欧洲航天局） ； Asterisk Labs（Asterisk实验室） 纠错

AI总结 COP-GEN通过建模异质地球观测模态的联合分布，实现了多模态潜在扩散变换器，支持灵活的任意到任意条件生成，包括无需重新训练的零样本模态翻译。

Can We Trust LLMs for Mental Health Screening? Consistency, ASR Robustness, and Evidence Faithfulness

我们能信任LLMs进行心理健康筛查吗？一致性、ASR鲁棒性和证据忠实性

Erfan Loweimi, Sofia de la Fuente Garcia, Samira Loveymi, Hadi Daneshvar, Saturnino Luz

机构 * Usher Institute, Edinburgh Medical School, University of Edinburgh, Edinburgh, UK（埃瑟尔研究所、爱丁堡医学院、爱丁堡大学、爱丁堡） ； Department of Computer Engineering, Ahvaz Campus, Islamic Azad University, Ahvaz, Iran（计算机工程系、阿瓦兹校区、伊斯兰Azad大学、阿瓦兹，伊朗） ； School of Health and Social Care, Edinburgh Napier University, Edinburgh, UK（健康与社会护理学院、爱丁堡纳皮尔大学、爱丁堡，英国） 纠错

AI总结 研究评估三种LLM在英语参与者上的表现，发现Phi-4和Gemma-2-9B在ASR下保持高一致性，而Llama-3.1-8B在ASR下表现不稳定，证据忠实性也较低，揭示了评分与证据之间的脱节问题。

The Cancellation Hypothesis in Critic-Free RL: From Outcome Rewards to Token Credits

无评论强化学习中的取消假设：从结果奖励到令牌信用

Tianhao Cheng, Zeyu Huang, Zihan Qiu, Yu Cheng, Edoardo Ponti, Yinghui Xu, Ivan Titov, Zenglin Xu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Edinburgh（爱丁堡大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Qwen Team, Alibaba Group（阿里集团Qwen团队） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 本文从令牌层面研究无评论强化学习，揭示令牌翻转现象，并提出取消假设，解释令牌层面信用分配机制，通过实验验证该假设并提出改进训练的方法。

Human-LLM Dialogue Improves Diagnostic Accuracy in Emergency Care

人类与大语言模型对话提高急诊护理的诊断准确性

Burcu Sayin, Ngoc Vo Hong, Ipek Baris Schlicht, Jacopo Staiano, Pasquale Minervini, Sara Allievi, Nicola Susca, Nicola Osti, Alberto Maino, Vito Racanelli, Andrea Passerini

机构 * Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系） ； Department of Medicine, Azienda Sanitaria Universitaria Integrata del Trentino (ASUIT)（特伦托大学整合卫生机构医学部） ； Center for Medical Sciences (CISMed), University of Trento（特伦托大学医学科学中心） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； The University of Edinburgh（爱丁堡大学） 纠错

AI总结 本研究探讨人类与大语言模型对话在急诊护理中的应用，通过对比基线和AI辅助会话，发现住院医师在复杂病例中的诊断准确性显著提升，且交互式LLM支持显著增强了诊断推理能力。

Comments Paper under review

FedAdaVR: Adaptive Variance Reduction for Robust Federated Learning under Limited Client Participation

FedAdaVR: 适应性方差减少用于有限客户端参与下的鲁棒联邦学习

S M Ruhul Kabir Howlader, Xiao Chen, Yifei Xie, Lu Liu

机构 * School of Computing and Mathematical Sciences, University of Leicester（利兹大学计算与数学科学学院） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） 纠错

AI总结 FedAdaVR通过引入自适应优化器与方差减少技术，解决客户端参与不足导致的异质性问题，实验表明其在多种数据集上均优于现有方法。