University of Edinburgh（爱丁堡大学）

Learning the Koopman Operator using Attention Free Transformers

使用无注意力变换器学习Koopman算子

Mohammed Nagdi, Evangelos-Marios Nikolados, Alexey Yermakov, Mars Gao, Nathan Kutz, Filippo Menolascina

机构 * Institute for Bioengineering, School of Engineering and Centre for Engineering Biology, University of Edinburgh（爱丁堡大学生物工程研究所、工程学院与工程生物学中心） ； Electrical and Computer Engineering and Applied Mathematics, University of Washington（华盛顿大学电气与计算机工程与应用数学系） ； Electrical and Computer Engineering and Computer Science & Engineering, University of Washington（华盛顿大学电气与计算机工程及计算机科学与工程系） 纠错

AI总结 针对Koopman自编码器长期预测中流形漂移导致误差累积的问题，提出无注意力潜在记忆块和动态重编码两种方法，在三个基准系统上显著降低长时域误差并保持低推理延迟。

Comments 28 pages, 10 figures, 9 tables. Code: https://github.com/MohammedNagdi/Attended-Koopman

Constrained Variable Projection for Structured Problems

结构化问题的约束变量投影

Emanuele Zangrando, Sara Venturini, Francesco Rinaldi, Francesco Tudisco

机构 * Gran Sasso Science Institute（格兰萨索科学研究所） ； MOBS Lab（MOBS实验室） ； Northeastern University（东北大学） ； University of Padova（帕多瓦大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 提出约束变量投影框架，将变量投影推广到带凸约束的分离非线性最小二乘问题，推导精确降梯度公式并设计条件梯度算法，在稀疏自编码等任务上提升效率。

Sexualised synthetic personas encode and amplify gendered power asymmetries through voice

性化合成人格通过声音编码并放大性别权力不对称

Alice Ross, Ariadna Sanchez, Elin Kanhov, Catherine Lai, Éva Székely

机构 * University of Edinburgh（爱丁堡大学） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

AI总结 研究商业平台性化AI语音，通过听众实验发现女性声音被性化和服从化，男性声音与支配和正面特质关联，揭示性别表达的二元和异性恋规范。

Comments Accepted at Interspeech 2026

Quantum ring all-reduce: communication and privacy advantages for distributed learning

量子环全归约：分布式学习的通信与隐私优势

María Gragera Garcés, Lirandë Pira

机构 * University of Edinburgh（爱丁堡大学） ； Centre for Quantum Technologies（量子技术中心） 纠错

AI总结 提出量子环全归约协议，利用预共享纠缠和超密编码将每链路在线通信量减半，并通过验证纠缠实现信息论安全的可组合ε-安全聚合，同时获得通信与隐私优势。

Comments 23 pages, 1 figure / v2: Minor expository corrections; results unchanged

The Sparse Frontier: Sparse Attention Trade-offs in Transformer LLMs

稀疏前沿：Transformer大语言模型中稀疏注意力的权衡

Piotr Nawrot, Robert Li, Renjie Huang, Sebastian Ruder, Kelly Marchisio, Edoardo M. Ponti

机构 * University of Edinburgh（爱丁堡大学） ； Cohere ； Meta 纠错

AI总结 通过大规模实证分析，研究了六种免训练稀疏注意力方法在多个模型和任务上的效率-准确性权衡，发现稀疏注意力有效、细粒度预填充不实用、长序列容忍更高稀疏度。