University of Edinburgh（爱丁堡大学）

Information-Preserving Continuous Occupancy Mapping with Variance-Weighted Submap Joining

基于方差加权子图拼接的信息保持连续占据地图构建

Zhuhua Bai, Yingyu Wang, Liang Zhao, Shoudong Huang

机构 * University of Technology Sydney（悉尼科技大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 提出首个连续概率子图拼接框架，通过信息保持稀疏贝叶斯公式压缩观测数据为充分统计量，联合优化子图位姿与全局占据场，实现高精度位姿估计与全局一致性地图。

Comments 12 pages, 7 figures

A Source Domain is All You Need: Source-Only Cross-OS Transfer Learning for APT Anomaly Detection via Semantic Alignment and Optimal Transport

一个源域足矣：基于语义对齐和最优传输的仅源域跨操作系统APT异常检测迁移学习

Sidahmed Benabderrahmanea, Petko Valtchev, James Cheney, Talal Rahwan

机构 * New York University, NYUAD, Division of Science, Computer Science Department（纽约大学，NYUAD，科学学院，计算机科学系） ； University of Quebec in Montreal, Computer Science Department, Montreal（魁北克大学蒙特利尔分校，计算机科学系，蒙特利尔） ； University of Edinburgh, School of Informatics, Edinburgh（爱丁堡大学，信息学院，爱丁堡） 纠错

AI总结 针对跨操作系统APT检测中目标域无标签的挑战，提出基于最优传输的仅源域异常评分框架，通过语义抽象和三种偏差通道实现零目标监督下的异常排序。

Efficient AI-Inspired Reduction of Feynman Integrals via Tube Seeding

基于管状播种的费曼积分高效类脑约化

Justin Berman, Francois Charton, Andres Luna, Matthias Wilhelm, Mao Zeng

机构 * Leinweber Institute for Theoretical Physics, Randall Laboratory of Physics, University of Michigan, Ann Arbor, 450 Church St, Ann Arbor, MI 48109-1040, USA（莱因韦伯理论物理研究所，物理系拉尔登实验室，密歇根大学安娜堡分校） ； Axiom Math, 124 University Avenue, Palo Alto, California, 94301, United States（Axiom数学公司，帕洛阿尔托，加利福尼亚州，94301，美国） ； Niels Bohr International Academy, Niels Bohr Institute, University of Copenhagen, Blegdamsvej 17, 2100 Copenhagen , Denmark（尼尔斯·波尔国际学院，尼尔斯·波尔研究所，哥本哈根大学） ； Center for Quantum Mathematics, Department of Mathematics and Computer Science, University of Southern Denmark, Campusvej 55, 5230 Odense M, Denmark（量子数学中心，数学与计算机科学系，丹麦南部大学） ； Higgs Centre for Theoretical Physics, University of Edinburgh, Edinburgh, EH9 3FD, United Kingdom（希格斯理论物理中心，爱丁堡大学） 纠错

AI总结 利用机器学习发现一种新的种子选择策略，通过稀疏种子线性增长实现高幂次多圈积分的约化，显著降低计算时间和内存占用，适用于唯象应用。

Comments 61 pages, 25 figures, 11 tables

Evaluation Cards: An Interpretive Layer for AI Evaluation Reporting

评估卡：AI评估报告的解释层

Avijit Ghosh, Anka Reuel, Jenny Chim, Wm. Matthew Kennedy, Srishti Yadav, Jennifer Mickel, Yanan Long, Andrew Tran, Anastassia Kornilova, Damian Stachura, Kevin Klyman, Felix Friedrich, Jeba Sania, Jan Batzner, Anoop Mishra, Eliya Habba, Yixiong Hao, Nathan Heath, Shalaleh Rismani, Usman Gohar, Andrea Loehr, David Manheim, Ruchira Dhar, Sree Harsha Nelaturu, Aarush Sinha, Leshem Choshen, Drishti Sharma, Ishan Khire, Amit Saha, Subramanyam Sahoo, Michael Hardy, Michael Alexander Riegler, Kabir Manghnani, Michelle Lin, Yanan Jiang, Yilin Huang, Asaf Yehudai, Jessica Ji, Aris Hofmann, Mubashara Akhtar, Max Lamparth, Nuno Moniz, Yacine Jernite, Stella Biderman, Zeerak Talat, Sanmi Koyejo, Mykel Kochenderfer, Irene Solaiman

机构 * Hugging Face ； Stanford University（斯坦福大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； University of Copenhagen（哥本哈根大学） ； Trustible ； EleutherAI ； TU Darmstadt（达姆施塔特工业大学） ； Weizenbaum Institute & Technical University of Munich（魏森鲍姆研究所与慕尼黑工业大学） ； Harvard University（哈佛大学） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Iowa State University（爱荷华州立大学） ； IBM Research（IBM研究院） ； University of Chicago（芝加哥大学） ； Independent（独立） ； Berkeley AI Safety Institute (BASIS)（伯克利人工智能安全研究所） ； Simula ； University of Edinburgh（爱丁堡大学） ； ETH Zurich & ETH AI Center（苏黎世联邦理工学院与ETH AI中心） ； Oxford Internet Institute（牛津互联网研究所） ； Amherst College（阿默斯特学院） ； University of Nebraska（内布拉斯加大学） ； Syntony Research ； McGill University（麦吉尔大学） ； Evals Consensus ； Israel Institute of Technology（以色列理工学院） ； IOL.Learn & Zuse Institute Berlin（IOL.Learn与柏林祖泽研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； Quebec AI Institute, Université de Montréal（魁北克人工智能研究所，蒙特利尔大学） ； University of Notre Dame（圣母大学） ； Georgetown University（乔治城大学） ； DHBW Stuttgart（斯图加特双元制大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 针对AI评估报告不一致的问题，提出EvalCards作为统一记录层，通过结构化模式、四种解释信号和监控工具，覆盖5816个模型和635个基准，揭示报告实践中的系统性差距。

Enabling Progressive Whole-slide Image Analysis with Multi-scale Pyramidal Network

利用多尺度金字塔网络实现渐进式全切片图像分析

Shuyang Wu, Yifu Qiu, Ines P Nearchou, Sandrine Prost, Jonathan A Fallowfield, Hakan Bilen, Timothy J Kendall

机构 * Institute for Regeneration and Repair, University of Edinburgh（再生与修复研究所，爱丁堡大学） ； School of Informatics, University of Edinburgh（信息学院，爱丁堡大学） ； Indica Labs, 8700 Education Pl NW, Bldg. B Albuquerque, US（Indica实验室，美国阿尔伯克基8700教育大道西北区B座） ； Medical School, University of St Andrews（医学学校，圣安德鲁大学） 纠错

AI总结 提出多尺度金字塔网络（MSPN），一种即插即用模块，仅使用单一高倍输入实现渐进式多尺度全切片图像分析，通过网格重映射和粗引导网络学习粗粒度上下文，在多个任务和框架上一致提升MIL性能。

Lightweight Latent Reasoning for Narrative Tasks

面向叙事任务的轻量级潜在推理

Alexander Gurung, Esmeralda S. Whitammer, Mirella Lapata

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

AI总结 提出LiteReason方法，通过轻量级推理投影器生成连续潜在令牌，在强化学习中动态切换潜在与离散推理，将推理长度减少77-92%，同时保持接近非潜在RL的性能。