University of Edinburgh（爱丁堡大学）

Disentangling Acoustic Cues in Alzheimer's Pathology and Perception: The Roles of Language and Gender

解开阿尔茨海默病病理学与感知中的声学线索：语言和性别的作用

Liu He, Yuanchao Li, Yin-Long Liu, Rui Feng, Yiming Wang, Jiaxin Chen, Yizhe Wang, Jiahong Yuan

机构 * University of Science and Technology of China（中国科学技术大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究阿尔茨海默病中声学线索，训练模型预测普通话和希腊语、男女说话者的临床AD状态及人类感知分数，用SHAP和统计模型分析，发现病理与感知一致性因语言和性别而异，强调特定人群可解释性审核对临床语音AI公平部署的必要性。

Comments Accepted at Interspeech 2026

KG2Code: Bridging Knowledge Graphs and Large Language Models via Executable Code for Question Answering

KG2Code：通过可执行代码连接知识图谱与大语言模型以进行问答

Yike Wu, Nan Hu, Guilin Qi, Guohui Xiao, Chen Jiang, Xinchun Zou, Yuchen Lu, Songlin Zhai, Yongrui Chen, Yuyang Zhang, Xiaoguang Li, Lifeng Shang, Jiaoyan Chen, Jeff Z. Pan

机构 * Southeast University（东南大学） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（教育部新一代人工智能技术及其交叉应用重点实验室（东南大学）） ； Huawei Technologies（华为技术有限公司） ； University of Manchester（曼彻斯特大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究针对知识图谱问答中现有方法的局限，提出KG2Code方法，将知识图谱转换为代码表示，在此基础上构建KG2Code-QA框架，把KGQA作为代码生成任务，还构建代码语料库，训练后的模型在KGQA任务中表现优异且泛化性强。

It does what it says on the tin: safe synthetic data from coarsened margins

名副其实：来自粗化边际的安全合成数据

Gillian M Raab

机构 * University of Edinburgh（爱丁堡大学） ； Scottish Centre for Administrative Data Research（苏格兰行政数据研究中心） 纠错

AI总结 提出一种通过粗化边际并应用迭代比例拟合算法生成合成数据的方法，确保透明性和无披露风险。

Forgetting is Everywhere

遗忘无处不在

Ben Sanati, Thomas L. Lee, Trevor McInroe, Aidan Scannell, Esmeralda S. Whitammer, David Abel, Amos Storkey

机构 * Institute for Machine Learning, School of Informatics, University of Edinburgh（机器学习研究院，信息学院，爱丁堡大学） ； CIFAR Fellow（CIFAR研究员） 纠错

AI总结 本文提出了一种算法和任务无关的理论，将遗忘定义为预测分布中自我一致性不足，并通过实验展示了遗忘在深度学习中的普遍性及其对学习效率的影响。

Toward Reasonable Parrots: Why Large Language Models Should Argue with Us by Design

走向合理的鹦鹉：为何大型语言模型应通过设计与我们辩论

Elena Musi, Nadin Kokciyan, Khalid Al-Khatib, Davide Ceolin, Emmanuelle Dietz, Klara Gutekunst, Annette Hautli-Janisz, Cristian Manuel Santibañez Yañez, Jodi Schneider, Jonas Scholz, Cor Steging, Jacky Visser, Henning Wachsmuth

机构 * University of Liverpool（利兹大学） ； University of Edinburgh（爱丁堡大学） ； University of Groningen（格罗宁根大学） ； Centrum Wiskunde & Informatica（数学与信息学研究中心） ； Airbus Central R&T（空客中央研发与技术部） ； University of Kassel（卡塞尔大学） ； University of Passau（帕绍大学） ； Universidad de Católica de la Santísima de Concepción（圣地亚哥圣母大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Dundee（邓迪大学） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

AI总结 本文提出通过设计使大型语言模型具备辩论能力，以提升人类批判性思维。