Towards Human Motion World Models via Executable Behaviour Representations
通过可执行模型理解人类行为
机构 * School of Informatics The University of Edinburgh（信息学院爱丁堡大学）
AI总结 本文提出EXACT语言，通过可执行神经符号模型分析人类动作，提升动作分割和异常检测的效率与直观性。
Comments Accepted in ECCV2026 Workshop
高校专区
University of Edinburgh（爱丁堡大学）
Program Semantic Inequivalence Game with Large Language Models
基于大语言模型的程序语义不等价博弈
机构 * University of Edinburgh（爱丁堡大学） ； Cisco Systems（思科系统）
AI总结 本研究提出基于语义不等价博弈（SInQ）的方法，通过生成器与评估器智能体半对抗训练合成代码推理数据，在跨语言漏洞检测等基准上显著提升LLMs的代码语义理解能力。
Reasoning about Intent for Ambiguous Requests
意图推理以应对歧义请求
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
AI总结 本文提出生成结构化响应以枚举歧义请求的不同解释，通过强化学习训练模型提升覆盖有效解释的召回率和抑制虚假解释的精确率，实验表明方法在覆盖有效答案方面优于基线方法。
Comments COLM 2026
A Sobering Look at Tabular Data Generation via Probabilistic Circuits
对通过概率电路生成表格数据的冷静审视
机构 * School of Informatics University of Edinburgh（信息学院爱丁堡大学） ； Aindo SpA AREA Science Park（Aindo SpA 面向科学公园） ； AI lab University of Trieste（人工智能实验室特里este大学）
AI总结 本文质疑表格数据生成的进展观念，指出当前评估方法的局限性，并展示概率电路在成本效益上优于现有最先进的模型，同时揭示SotA模型进展的饱和可能源于不充分的指标。
Variance reduction in lattice QCD observables via normalizing flows
通过归一化流减少晶格QCD可观测量的方差
机构 * Center for Theoretical Physics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA ； The NSF AI Institute for Artificial Intelligence ； Fermi National Accelerator Laboratory, Batavia, IL 60510, U.S.A. ； Higgs Centre for Theoretical Physics, School of Physics ； Astronomy, University of Edinburgh, EH9 3FD Edinburgh, United Kingdom ； Albert Einstein Center, Institute for Theoretical Physics, University of Bern, 3012 Bern, Switzerland ； Physics Department, Columbia University, New York, NY 10027, USA
AI总结 本文通过归一化流方法有效降低晶格QCD中胶球相关函数和强子结构相关胶子矩阵元的方差，同时减少计算成本。
Comments 15 pages, 4 figures, 2 tables. v2: update to match published version
HyperDet: 3D Object Detection with Hyper 4D Radar Point Clouds
HyperDet: 基于超4D雷达点云的3D目标检测
机构 * University of Edinburgh（爱丁堡大学） ； HKUST (GZ)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； MIT（麻省理工学院）
AI总结 提出一种与检测器无关的框架HyperDet，通过构建任务感知的超4D雷达点云，利用时空累积、跨传感器验证和多普勒引导的运动补偿以及前景生成增强，显著提升仅用雷达的3D目标检测性能。
Comments 11 pages, 3 figures, 3 tables
Hybrid Mamba-Attention Neural Architecture for Channel Estimation
MambaNet：结合注意力机制的Mamba辅助信道估计神经网络
机构 * Institute for Imaging, Data and Communications, School of Engineering, University of Edinburgh（影像、数据与通信研究所，工程学院，爱丁堡大学） ； James Watt School of Engineering, University of Glasgow（詹姆斯·瓦特工程学院，格拉斯哥大学） ； National Mobile Communications Research Laboratory, Southeast University（国家移动通信研究中心，东南大学） ； Purple Mountain Laboratories, Nanjing（紫金山实验室，南京） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（电气与电子工程系，香港大学） ； Department of Electrical and Electronic Engineering, University of Manchester（电气与电子工程系，曼彻斯特大学）
AI总结 MambaNet通过结合自注意力机制和定制化Mamba架构，实现低复杂度的OFDM信道估计，尤其在大规模子载波配置中表现优异。
LoCA: Forward-Only LLM Tuning after One-Shot Calibration with Local Credit Assignment
LoCA：基于局部信用分配的一次性校准后仅前向的大语言模型调优
机构 * University of Oklahoma（俄克拉荷马大学） ； Imperial College London（伦敦帝国学院） ； University of Michigan（密歇根大学） ； Tencent（腾讯） ； University of Edinburgh（爱丁堡大学） ； University of Southern California（南加州大学） ； Beijing Normal University（北京师范大学） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）
AI总结 本文提出LoCA方法，通过一次性校准替换大语言模型调优的重复反向传播，在多个基准上优于LoRA，降低了GPU峰值内存、CPU稳态内存与前向传递时间。
Symbol Grounding in Neuro-Symbolic AI: A Gentle Introduction to Reasoning Shortcuts
神经符号AI中的符号接地：推理快捷方式的入门介绍
机构 * University of Trento（特伦托大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； Sapienza University of Rome（罗马大学） ； University of Edinburgh（爱丁堡大学） ； Huawei Labs（华为实验室）
AI总结 本文探讨神经符号AI中推理快捷方式的问题，分析其成因与影响，并提供解决方法与策略，以提升模型的可靠性和可信度。
Comments Published on JAIR (Integration of Logical Constraints in Deep Learning special track)
Seeking Physics in Diffusion Noise
在扩散噪声中寻求物理规律
机构 * Brown University（布朗大学） ； University of Edinburgh（爱丁堡大学） ； MIT（麻省理工学院）
AI总结 研究通过分析预训练扩散变换器的中间去噪表示，发现物理合理与不合理视频在中层特征空间部分可分离，提出渐进轨迹选择策略提升物理一致性并降低推理成本。
Comments 15 pages
Multi-Task GRPO: Reliable LLM Reasoning Across Tasks
多任务GRPO：跨任务的可靠大语言模型推理
机构 * UCL Department of EEE（伦敦大学学院电子工程系） ； UCL Centre for AI（伦敦大学学院人工智能中心） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； UNIST Graduate School of AI（延世大学人工智能研究生院） ； University of Edinburgh（爱丁堡大学） ； University of Basel（巴塞尔大学）
AI总结 本文提出MT-GRPO算法，通过动态调整任务权重和比例保持采样器，提升多任务场景下大语言模型的可靠推理性能。
Comments Accepted at ICML 2026
A Semiparametric Discrete Hawkes Model with a Collapsed Gaussian-Process Prior
具有坍缩高斯过程先验的非参数离散Hawkes模型
机构 * University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出GP-DHP模型，通过高斯过程先验实现离散时间Hawkes过程的非参数化处理，提升预测性能并保持可解释性。
Deep Learning for Retinal Degeneration Assessment: A Comprehensive Analysis of the MARIO Challenge
利用深度学习评估视网膜退化：对MARIO挑战的全面分析
机构 * University of Western Brittany, Brest, France ； University of Tlemcen, Algeria ； Ophthalmology Department, CHRU Brest, Brest, France ； Imperial College London, United Kingdom ； Biomedical Engineering, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan ； Evolucare Technologies, France ； College of Computer Science, Sichuan University, China ； Medical University of Vienna, Austria ； TNO, The Hague, The Netherlands ； Image Sciences Institute, UMC Utrecht, Utrecht, The Netherlands ； Johannes Kepler University Linz, Austria ； University of Zagreb, Faculty of Electrical Engineering ； Department of Radiology, University of Calgary, Calgary, AB, Canada ； Biomedical Engineering Graduate Program, University of Calgary, Calgary, AB, Canada ； Hotchkiss Brain Institute, University of Calgary, Calgary, AB, Canada ； Alberta Children’s Hospital Research Institute, University of Calgary, Calgary, AB, Canada ； Department of Pediatrics, University of Calgary, Calgary, AB, Canada ； Department of Community Health Sciences, University of Calgary, Calgary, AB, Canada ； Department of Clinical Neuroscience, University of Calgary, Calgary, AB, Canada ； University of Calgary, Calgary, AB, Canada ； German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing, Germany ； Medical Faculty Heidelberg, Heidelberg University, Germany ； Biomedical Image Technologies (BIT), ETSI Telecomunicación, Universidad Politécnica de Madrid, Spain ； Ophthalmology Service of the Provincial Ophthalmic Institute, Hospital Universitario Gregorio Marañón, Madrid, Spain ； University of Edinburgh, Scotland ； Lung Institute, Faculty of Medicine, Imperial College London, United Kingdom ； Hawkes Institute, Department of Computer Science, University College London, London, United Kingdom
AI总结 本文通过MARIO挑战展示了深度学习在AMD监测中的应用，验证了AI在检测AMD进展方面的有效性，但尚未实现对未来演变的预测。
Comments MARIO-MICCAI-CHALLENGE 2024
Reinforced sequential Monte Carlo for amortised sampling
强化序贯蒙特卡洛用于摊销采样
机构 * University of Edinburgh ； Mila -- Qu\'ebec AI Institute ； CIFAR Fellow
AI总结 本文提出一种摊销方法与粒子方法相结合的采样框架，通过最大熵强化学习训练序贯蒙特卡洛采样器，并利用离线策略学习提高目标分布探索效率，在合成多模态目标和丙氨酸二肽构象玻尔兹曼分布上验证了改进的近似精度与训练稳定性。
Comments ICML 2026. Code: https://github.com/hyeok9855/ReinforcedSMC
Pushing the Frontier on Approximate EFX Allocations
机构 * Department of Informatics, Athens University of Economics and Business（阿提卡经济与商业大学信息学院） ； Archimedes, Athena Research Center（阿提卡研究中心） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
Comments The conference version of this work has been accepted to the Twenty-Fifth ACM Conference on Economics and Computation (EC 2024)
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
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）
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
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）
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
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）
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。
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
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）
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
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）
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。
Entanglement geometry separates circuit cutting, classical hardness, and trainability
纠缠几何分离电路切割、经典硬度和可训练性
机构 * Quantum Software Lab（量子软件实验室） ； University of Edinburgh, UK（爱丁堡大学） ； IBM Research（IBM研究院） ； Centre for Quantum Technologies（量子技术中心） ； National University of Singapore（新加坡国立大学）
AI总结 研究表明纠缠几何约束电路切割等属性，具恒定接缝键维度的MPS和TTN电路可经典模拟，构建的双块电路家族可廉价切割，MPS硬度和可训练性深度范围不兼容，用魔法作硬度资源可避免冲突，浅Clifford+\(T\)电路有相应特性。
Comments 4 pages, 2 figures
A Structural Interpretation of GELU and Threshold-Transmission Activations via the First-Order Loss Function
通过一阶损失函数对GELU和阈值传输激活的结构解释
机构 * Business School, University of Edinburgh（爱丁堡大学商学院）
AI总结 基于高斯互补一阶损失函数对GELU给出互补解释，将损失核算与前向信号传输分离，推广到阈值传输族，实验表明校准或学习的均匀阈值门有竞争力且能改进。
Comments 18 pages, 8 figures, 8 tables
A Counterfactual Cause in Situation Calculus
情境计算中的反事实原因
机构 * State Key Laboratory for Novel Software Technology \& School of Artificial Intelligence, Nanjing University, China School of Informatics, The University of Edinburgh, UK
AI总结 本文提出基于反事实分析的原因概念，扩展到成就原因，并分析其与Batusov和Soutchanski的成就原因及Halpern和Pearl的实际因果性理论的关系。
Comments In Proceedings ICLP 2026, arXiv:2607.17707
Journal ref EPTCS 450, 2026, pp. 500-514
SciTrek: Evaluating and Improving Long-Context Numerical Reasoning over Scientific Articles
谁被引用最多？在科学文章上基准测试长上下文数值推理
机构 * School of Informatics, The University of Edinburgh（信息学院，爱丁堡大学）
AI总结 SciTrek基准测试通过长上下文科学文章问题探索LLM的数值推理能力，发现即使最佳模型在长上下文下也面临显著挑战，尤其在处理引用和复合逻辑问题时表现不佳。
Comments 26 pages
Stress Testing Concept Erasure with Large Language Model Agents
用大语言模型智能体对概念擦除进行压力测试
机构 * School of Engineering, University of Edinburgh（爱丁堡大学工程学院） ； The University of Manchester（曼彻斯特大学） ； The University of Melbourne（墨尔本大学）
AI总结 研究针对概念擦除评估面临的验证挑战，提出STACE框架，利用大语言模型智能体迭代生成并验证压力测试假设，通过一套指标评估性能效率，经实验证明该框架在多方面表现优异且可拓展到其他领域。
Comparative evaluation of training strategies using partially labelled datasets for segmentation of white matter hyperintensities and stroke lesions in FLAIR MRI
使用部分标注数据集训练策略的比较评估：FLAIR MRI中白质高信号和卒中病变分割
机构 * University of Edinburgh（爱丁堡大学）
AI总结 本研究系统评估了六种利用部分标注数据训练联合分割白质高信号和缺血性卒中病变模型的策略，发现伪标签法最有效，可提升模型性能并支持大规模临床研究。
Why Do Vision Language Models Struggle To Recognize Human Emotions?
为什么视觉语言模型难以识别人类情绪？
机构 * The University of Edinburgh, UK（爱丁堡大学）
AI总结 本文探讨视觉语言模型在识别人类情绪上的不足，指出面部表情识别任务的连续性和动态性导致模型存在连续性和时间信息处理的漏洞，提出改进采样策略和多阶段上下文增强方法以提升情绪识别能力。
Comments European Conference on Computer Vision (ECCV) 2026
Linear convergence of proximal descent schemes on the Wasserstein space
瓦瑟斯坦空间上近端下降格式的线性收敛性
机构 * Center for Advanced Intelligence Project, RIKEN, Tokyo, Japan（日本东京RIKEN先进智能研究中心） ； School of Mathematical and Computer Sciences, Heriot-Watt University, Edinburgh, UK（赫瑞-瓦特大学数学与计算机科学学院） ； Maxwell Institute for Mathematical Sciences, Edinburgh, UK（爱丁堡数学科学麦克斯韦研究所） ； School of Mathematics, University of Edinburgh, UK（爱丁堡大学数学学院） ； School of Mathematics, University of Edinburgh, UK, The Alan Turing Institute, UK（爱丁堡大学数学学院、英国艾伦·图灵研究所）
AI总结 研究在瓦瑟斯坦空间优化熵正则化泛函的近端下降方法，利用平坦凸性假设、一致对数索伯列夫不等式和熵“三明治”引理，建立线性收敛性，避免对演化变分不等式离散时间调整，证明相对费希尔信息定义良好。
Comments Accepted for publication in Annals of Applied Probability
CaloTrilogy: Toward a Breakthrough in One-Step, End-to-End, Physics-Guided Shower Generation for Modern Calorimeters
CaloTrilogy：迈向现代量热器一步式端到端物理引导簇射生成的突破
机构 * School of Physics and Astronomy, University of Edinburgh（爱丁堡大学物理与天文学学院） ； Department of Physics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校物理系） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； State Key Laboratory of Dark Matter Physics, Tsung-Dao Lee Institute & School of Physics and Astronomy, Shanghai Jiao Tong University（上海交通大学暗物质物理国家重点实验室、李政道研究所及物理与天文学学院） ； Key Laboratory for Particle Astrophysics and Cosmology (MOE) & Shanghai Key Laboratory for Particle Physics and Cosmology, Shanghai Jiao Tong University（教育部粒子天体物理与宇宙学重点实验室及上海粒子物理与宇宙学重点实验室，上海交通大学）
AI总结 提出一种结合平均速度场积分器、学习生成先验和物理引导损失项的框架，实现一步或少量评估步骤的高质量簇射生成，性能与最先进的流和扩散模型相当。
An Embarrassingly Simple Way to Optimize Orthogonal Matrices at Scale
一种简单易行的方法用于大规模优化正交矩阵
机构 * Institute for Machine Learning, University of Edinburgh, GB（机器学习研究所，爱丁堡大学）
AI总结 POGO是一种高效优化算法，通过简化方法在大规模问题中有效满足正交约束，提升优化性能。
Comments 24 pages, 10 figures, accepted at ICML 2026
