University of Edinburgh（爱丁堡大学）

Retrievit: In-context Retrieval Capabilities of Transformers, State Space Models, and Hybrid Architectures

Retrievit: Transformer、状态空间模型和混合架构的上下文检索能力

Georgios Pantazopoulos, Malvina Nikandrou, Ioannis Konstas, Alessandro Suglia

机构 * University of Edinburgh（爱丁堡大学） ； Heriot-Watt University（赫瑞斯泰特大学） 纠错

AI总结 研究Transformer、状态空间模型(SSM)及其混合架构在上下文检索任务中的性能，发现混合模型在数据效率和泛化上优于SSM且接近或超越Transformer，但Transformer在位置检索上仍占优。

Revisiting Text Ranking in Deep Research

重新审视深度研究中的文本排序

Chuan Meng, Litu Ou, Sean MacAvaney, Jeff Dalton

机构 * The University of Edinburgh（爱丁堡大学） ； University of Glasgow（格拉斯哥大学） 纠错

AI总结 本文通过复现实验，从检索单元、流水线配置和查询特性三个角度评估文本排序方法在深度研究中的有效性，并提出Q2Q方法缓解查询不匹配问题。

Comments Accepted at the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 2026)

Interpretable machine learning of halo gas density profiles: a sensitivity analysis of cosmological hydrodynamical simulations

晕气体密度分布的可解释机器学习：宇宙流体动力学模拟的敏感性分析

Daniele Sorini, Sownak Bose, Mathilda Denison, Romeel Davé

机构 * Institute for Computational Cosmology, Department of Physics, Durham University（计算宇宙学研究所，物理系，杜伦大学） ； Department of Physics and Astronomy, University of Pennsylvania（物理与天文学系，宾夕法尼亚大学） ； Institute for Astronomy, University of Edinburgh（天文研究所，爱丁堡大学） ； Department of Physics and Astronomy, University of the Western Cape（物理与天文学系，南非开普敦西部大学） 纠错

AI总结 利用随机森林算法预测晕内径向气体密度分布，并通过Sobol敏感性分析量化不同星系属性对气体分布的影响，发现晕总质量和中心星系气体质量与气体分布关联最强。

Comments Published in the Open Journal of Astrophysics

Journal ref The Open Journal of Astrophysics, Vol. 9, 23rd June 2026

Test-Time Alignment of Text-to-Image Diffusion Models via Null-Text Embedding Optimisation

文本到图像扩散模型的测试时对齐：通过空文本嵌入优化

Taehoon Kim, Henry Gouk, Timothy Hospedales

机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Samsung AI Center, Cambridge（三星人工智能中心） 纠错

AI总结 提出Null-TTA方法，通过优化无分类器引导中的无条件嵌入实现测试时对齐，避免奖励黑客问题，在保持语义一致性的同时达到最先进性能。

Journal ref Published at CVPR2026

Explanations for Automatic Speech Recognition

自动语音识别的解释

Xiaoliang Wu, Peter Bell, Ajitha Rajan

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

AI总结 针对基于神经网络的自动语音识别，提出通过解释来提升系统理解和信任，采用统计故障定位和因果方法生成最小且充分的音频帧子集作为转录解释。

Comments Accepted by Speech Track, ICASSP 2023