University of Edinburgh（爱丁堡大学）

In-context learning to predict critical transitions in dynamical systems

在情境学习中预测动态系统中的临界转变

Yunus Sevinchan, Juan Nathaniel, Kai Ueltzhöffer, Carla Roesch, Tobias Weber, Vaios Laschos, Hang Fan, Gregor Ramien, Johannes Haux, Pierre Gentine, Benjamin Herdeanu

机构 * Columbia University（哥伦比亚大学） ； University of Edinburgh（爱丁堡大学） ； kausable Heidelberg（海德堡kausable） 纠错

AI总结 本文提出TipPFN框架，通过拟合先验数据的网络预测动态系统接近临界转变，展示在未见临界转变、模拟到现实和真实世界中的鲁棒检测性能。

Comments 14+38 pages, 5+23 figures

Maximin Robust Bayesian Experimental Design

最大最小鲁棒贝叶斯实验设计

Hany Abdulsamad, Sahel Iqbal, Christian A. Naesseth, Takuo Matsubara, Adrien Corenflos

机构 * UvA–Bosch Delta Lab（UvA–Bosch Delta实验室） ； Department of Statistics（统计系） ； University of Amsterdam（阿姆斯特丹大学） ； University of Oxford（牛津大学） ； School of Mathematics（数学学院） ； University of Edinburgh（爱丁堡大学） ； University of Warwick（沃里克大学） 纠错

AI总结 本文通过将问题建模为实验者与对抗性自然之间的最大最小博弈，提出基于Sibson的α-互信息的鲁棒目标，以应对贝叶斯实验设计在模型失规范定下的脆弱性。

Predicting Psychological Well-Being from Spontaneous Speech using LLMs

从自发言语预测心理幸福感使用大语言模型

Erfan Loweimi, Sofia de la Fuente Garcia, Saturnino Luz

机构 * University of Edinburgh（爱丁堡大学） ； Centre for Medical Informatics (CMI) Usher Institute University of Edinburgh（医学信息学中心（CMI）乌舍研究所爱丁堡大学） 纠错

AI总结 研究利用大语言模型对自发语音进行零样本预测，探索其在心理幸福感评分中的应用，发现模型能提取语义信息，实现高达0.8的相关性，并通过统计分析和词云分析提升可解释性。