arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Edinburgh(爱丁堡大学)

2026-07-29 至 2026-07-29 共收录 4
2607.25641 2026-07-29 cs.CV cs.AI 新提交

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)

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

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.25546 2026-07-29 cs.AI 新提交

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)

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.25532 2026-07-29 cs.AI 新提交

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)

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.24959 2026-07-29 cs.RO cs.DC cs.LG cs.SY eess.SY math.OC 新提交

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)

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

详情

展开后加载摘要…

URL PDF HTML 收藏