University of Edinburgh（爱丁堡大学）

OmniPhys: Knowledge-Graph-Driven Benchmarking and Collective Optimization for Physical Commonsense in Text-to-Image Generation

OmniPhys：文本到图像生成中物理常识的知识图谱驱动基准测试与集体优化

Yajing Xu, Yarong Lan, Jiaoyan Chen, Yichi Zhang, Jeff Z. Pan, Mingchen Tu, Zhizhen Liu, Wen Zhang, Huajun Chen

机构 * Zhejiang University（浙江大学） ； The University of Manchester（曼彻斯特大学） ； The University of Edinburgh（爱丁堡大学） ； Ant Group（蚂蚁集团） 纠错

AI总结 针对文本到图像模型常违反物理常识及现有基准测试不足等问题，引入基于物理知识图谱的OmniPhys基准测试，提出OmniPrompt迭代框架，经对12个模型评估，显著提升了物理一致性。

Comments accepted by KDD 2026 DB track

From Training to Deployment: Post-Hoc Causal Feature Identification via Sensitivity Ratios

从训练到部署：通过灵敏度比率进行事后因果特征识别

Athanasios Vlontzos, Giorgos Papanastasiou, Bernhard Kainz, Sotirios Tsaftaris

机构 * Hologen AI（全息人工智能公司） ； Mathematics Research Centre Academy of Athens（雅典科学院数学研究中心） ； FAU Erlangen Nuremberg（埃尔朗根 - 纽伦堡大学） ； Imperial College London（伦敦帝国理工学院） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究已训练模型所依赖因果与虚假特征的问题，提出归一化灵敏度比率（NSR）方法，在结构化转移情况下可事后诊断。在特定线性结构因果模型下能精确识别，刻画了失败情况及有限样本率，实验验证了该方法在多方面的有效性。

Entangled by Design: Spurious Intra-Variable Signal Routing in Tabular In-Context Learners

设计中的纠缠：表格上下文学习器中的虚假变量内信号路由

Athanasios Vlontzos, Giorgos Papanastasiou, Bernhard Kainz, Sotirios Tsaftaris

机构 * Hologen AI（全息人工智能公司） ； Mathematics Research Centre Academy of Athens（雅典科学院数学研究中心） ； FAU Erlangen Nuremberg（埃尔朗根 - 纽伦堡大学） ； Imperial College London（伦敦帝国理工学院） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究表格上下文学习器中虚假变量内信号路由问题，证明岭回归上下文学习器下该路由不可避免，推导出相关特征。发现更大上下文会放大虚假路由，更具表现力模型更脆弱。引入两种轻量级缓解措施，有效减少虚假路由并提高因果敏感性。

Amortising Trajectory Optimisation for Residual MPC via Implicit Contact Differentiation

通过隐式接触微分实现用于残差MPC的摊销轨迹优化

Daniel Layeghi, Thomas Corbères, Calum Arnott, Aditya Kamireddypalli, Hashim Al-Obaidi, Steve Tonneau, Michael Mistry

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

AI总结 研究针对残差MPC的轨迹优化问题，基于隐函数定理引入AD辅助隐式导数用于正则化平滑接触，避免求解器展开和复杂推导，还引入优化器蒸馏策略，相比标准iLQR显著提高了相关任务的成功率。

Comments Code available from https://github.com/calumarnott/mujoco

BayesContact: Uncertain Pose Estimation via Visuo-Tactile Proposals and Simulation-based Inference

BayesContact：通过视觉触觉提议和基于模拟的推理进行不确定姿态估计

Aditya Kamireddypalli, Matias Mattamala, Joao Moura, Russell Buchanan, Sethu Vijayakumar, Subramanian Ramamoorthy

机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Mechanical and Mechatronics Engineering, University of Waterloo（滑铁卢大学机械与机电工程系） 纠错

AI总结 针对富含接触操作中姿态估计难题，提出BayesContact框架，通过融合视觉与触觉信息及基于模拟的推理来维护物体姿态信念，经模拟预测与真实观测对比更新信念，提升了姿态可观测性与插入成功率。

Comments Update funding sources

PatchWorld: Gradient-Free Optimization of Executable World Models for Agent Environments

PatchWorld：可执行世界模型的免梯度优化

Jiaxin Bai, Yue Guo, Yifei Dong, Jiaxuan Xiong, Tianshi Zheng, Yixia Li, Tianqing Fang, Yufei Li, Yisen Gao, Haoyu Huang, Zhongwei Xie, Hong Ting Tsang, Zihao Wang, Lihui Liu, Jeff Z. Pan, Yangqiu Song

机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Independent Researcher（独立研究员） ； HKUST（香港科技大学） ； Beijing Institute of Technology（北京理工大学） ； Southern University of Science and Technology（南方科技大学） ； Wayne State University（韦恩州立大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 提出 PatchWorld 框架，通过反例引导的代码修复将离线轨迹转化为可执行的 Python 世界模型，实现无需梯度优化的符号信念状态程序，在 AgentGym 环境中达到 76.4% 的宏观成功率。

Beyond Factual Accuracy: Evaluating Global Reasoning Integrity in RAG Systems with LogicScore

超越事实准确性：使用逻辑得分评估RAG系统中的全球推理完整性

Zhichao Yan, Yunxiao Zhao, Jiapu Wang, Jiaoyan Chen, Xiaoli Li, Ru Li, Jeff Z. Pan

机构 * Shanxi University（山西大学） ； Nanjing University of Science and Technology（南京理工大学） ； University of Manchester（曼彻斯特大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 本文提出LogicScore，通过全局推理审查弥补RAG系统在长文本生成中逻辑完整性不足的问题，揭示模型在事实准确性高但全局推理质量差的缺陷。