Neural-HSS: Hierarchical Semi-Separable Neural PDE Solver
神经-HSS：分层半分离神经PDE求解器
机构 * Gran Sasso Science Institute, L'Aquila, Italy.（格兰萨索科学研究所） ； University of Edinburgh, UK.（爱丁堡大学）
AI总结 Neural-HSS通过分层半分离矩阵结构高效求解PDEs，展示在低数据条件下优于基线方法的性能。
高校专区
University of Edinburgh（爱丁堡大学）
Thinking by Subtraction: Confidence-Driven Contrastive Decoding for LLM Reasoning
通过减法思考：基于置信度的对比解码用于大语言模型推理
机构 * Peking University, Beijing, China（北京大学） ； University of Edinburgh, Edinburgh, UK（爱丁堡大学）
AI总结 通过置信度驱动的对比解码方法提升大语言模型推理可靠性，减少输出长度并提高准确性。
Analyzing LLM Instruction Optimization for Tabular Fact Verification
分析用于表格事实验证的LLM指令优化
机构 * University of Edinburgh（爱丁堡大学）
AI总结 本文研究了指令优化在表格事实验证中的应用，发现MiPROv2在CoT中表现最佳，SIMBA在ReAct中效果显著，且CoT在小模型中仍有效。
Shortcut learning in geometric knot classification
几何结分类中的捷径学习
机构 * School of Mathematics, University of Edinburgh, Edinburgh, EH9 3FD, UK（爱丁堡大学数学学院） ； School of Physics and Astronomy, University of Edinburgh, Edinburgh, EH9 3FD, UK（爱丁堡大学物理与天文学学院） ； MRC Human Genetics Unit, Institute of Genetics and Cancer, University of Edinburgh, Edinburgh, EH4 2XU, UK（爱丁堡大学人类遗传学单位） ； International Institute for Sustainability with Knotted Chiral Meta Matter (WPI-SKCM$^2$), Hiroshima University, Higashi-Hiroshima, Hiroshima 739-8526, Japan（广岛大学可持续性与结合手性超材料国际研究所）
AI总结 本文研究了机器学习在几何结分类中的捷径方法，揭示训练数据中的非拓扑特征，并提供公开数据集和代码以促进ML在该领域的应用。
Comments 17 pages, 6 figures, submitted to Machine Learning: Science and Technology, IOP
Learning to unfold cloth: Scaling up world models to deformable object manipulation
学习展开布料：将世界模型扩展到可变形物体操控
机构 * University of Edinburgh（爱丁堡大学）
AI总结 本文提出了一种基于改进的DreamerV2架构，在空中操控不同布料，通过改进模型结构和数据增强策略，提升对可变形物体操控的泛化能力。
Comments 8 pages, 5 figures, 3 tables
System Identification under Constraints and Disturbance: A Bayesian Estimation Approach
在约束和干扰下的系统辨识：一种贝叶斯估计方法
机构 * Robot Motor Intelligence (RoMI) Lab, Heriot-Watt University, U.K.（机器人运动智能实验室，赫瑞-沃森大学） ； Informatics School, University of Edinburgh, U.K.（信息学院，爱丁堡大学）
AI总结 本文提出了一种贝叶斯估计方法，用于高精度联合估计机器人状态轨迹和物理参数，通过引入物理一致的约束和能量观测，提升了系统辨识的准确性和鲁棒性。
Fairness over Equality: Correcting Social Incentives in Asymmetric Sequential Social Dilemmas
公平与平等：在不对称序列社会困境中纠正社会激励
机构 * Izmir University of Economics \& University of Edinburgh（伊兹密大学经济学院及爱丁堡大学） ； Middle East Technical University \& Utrecht University（中东部技术大学及乌得勒支大学） ； University of Edinburgh（爱丁堡大学） ； DeepFlow
AI总结 本文提出改进方法，通过重新定义公平性、引入基于代理的加权机制和本地化反馈，以解决不对称序列社会困境中的合作问题。
It's a Matter of Time: Three Lessons on Long-Term Motion for Perception
时间的问题：长期运动的三大启示：感知
机构 * University of Edinburgh（爱丁堡大学）
AI总结 本文通过长期运动信息的三大启示，探讨其在感知任务中的优势与应用。
Process-Supervised Multi-Agent Reinforcement Learning for Reliable Clinical Reasoning
过程监督多智能体强化学习用于可靠的临床推理
机构 * School of Informatics, University of Edinburgh, UK（信息学院，爱丁堡大学）
AI总结 本文提出了一种过程监督的多智能体强化学习框架，用于提升基因-疾病有效性校准的临床推理准确性与过程忠实度。
Ambient Physics: Training Neural PDE Solvers with Partial Observations
环境物理：通过部分观测训练神经PDE求解器
机构 * The University of Edinburgh, Edinburgh, Scotland（爱丁堡大学） ； Massachusetts Institute of Technology, Cambridge, Massachusetts, United States（麻省理工学院）
AI总结 环境物理通过部分观测直接学习PDE系数-解对的联合分布，显著提升重建性能并减少计算成本。
Self-Improving World Modelling with Latent Actions
具有潜在动作的自我改进世界建模
机构 * University of Edinburgh（爱丁堡大学） ； Nvidia Research（Nvidia研究） ； University of Groningen（格罗宁根大学） ； University of Cambridge（剑桥大学）
AI总结 SWIRL通过将动作视为潜在变量，结合前向世界建模和逆动态建模，实现了对LLM和VLM的自我改进世界建模，在多个基准测试中取得了显著提升。
Ara-HOPE: Human-Centric Post-Editing Evaluation for Dialectal Arabic to Modern Standard Arabic Translation
Ara-HOPE：面向方言阿拉伯语到标准阿拉伯语翻译的人本后编辑评估
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Leids Universitair Medisch Centrum & LIACS, Universiteit Leiden（莱顿大学莱顿医学校区及LIACS） ； School of Computer Science, University of Manchester（曼彻斯特大学计算机科学学院）
AI总结 Ara-HOPE提出了一种人本后编辑评估框架，用于评估方言阿拉伯语到标准阿拉伯语翻译的质量，揭示了方言特定术语和语义保持的挑战，为改进方言感知MT系统提供指导。
Active Sampling for MRI-based Sequential Decision Making
基于MRI的序列决策主动采样
机构 * School of Engineering, The University of Edinburgh（爱丁堡大学工程学院） ； School of Medicine, Indiana University（印第安纳大学医学院）
AI总结 本文提出了一种多目标强化学习框架，通过主动采样策略提升MRI在连续决策中的诊断性能，实现更高效、经济的点-of-care应用。
Comments Under Review
SAM3-LiteText: An Anatomical Study of the SAM3 Text Encoder for Efficient Vision-Language Segmentation
SAM3-LiteText: SAM3文本编码器的解剖学研究：用于高效视觉-语言分割
机构 * Visual Information Lab, University of Bristol（布里斯托大学视觉信息实验室） ； University of Amsterdam（阿姆斯特丹大学） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Singapore Management University（新加坡管理大学）
AI总结 SAM3-LiteText通过轻量级文本编码框架优化视觉-语言分割模型，减少88%的参数并保持性能
CSEval: A Framework for Evaluating Clinical Semantics in Text-to-Image Generation
CSEval: 一个用于评估文本到图像生成中临床语义的框架
机构 * School of Engineering, University of Edinburgh, United Kingdom（爱丁堡大学工程学院）
AI总结 CSEval通过语言模型评估文本到图像生成中临床语义的一致性，弥补现有方法在临床相关性评估上的不足。
From Atoms to Trees: Building a Structured Feature Forest with Hierarchical Sparse Autoencoders
从原子到树：构建具有层次稀疏自编码器的结构化特征森林
机构 * School of Mathematical Science, Peking University, Beijing, China（北京大学数学科学学院） ； Beijing International Center for Mathematical Research（北京国际数学研究中心） ； the New Cornerstone Science Laboratory, Peking University, Beijing, China（北京大学新基石科学实验室） ； Center for Machine Learning Research, Peking University, Beijing, China（北京大学机器学习研究中心） ； School of Information and Electronics, Beijing Institute of Technology, Beijing, China（北京理工大学信息与电子学院） ； Institute for Theoretical Sciences, Westlake University, Hangzhou, China（西湖大学理论科学研究院） ； School of Science, Westlake University, Hangzhou, China（西湖大学理学院） ； School of Informatics, University of Edinburgh, Edinburgh, UK（爱丁堡大学信息学院）
AI总结 本文提出层次稀疏自编码器HSAE，通过结构约束和随机扰动机制，联合学习LLM中的层次化特征结构，实现语义有意义的多尺度概念分析。
Towards Fair and Comprehensive Evaluation of Routers in Collaborative LLM Systems
迈向协作大语言模型系统中路由器的公平且全面评估
机构 * Southern University of Science and Technology（南方科技大学） ； Institut Polytechnique de Paris（巴黎政治学院） ； Peking University（北京大学） ； Deepexi Technology Co. Ltd.（深醒科技有限公司） ； University of Edinburgh（爱丁堡大学） ； Beihang University（北航） ； Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
AI总结 本文提出RouterXBench框架和ProbeDirichlet路由器，通过内部隐藏状态提升路由能力与跨领域鲁棒性，实现对协作大语言模型系统中路由器的公平全面评估。
Comments Our code is publicly available at https://github.com/zhuchichi56/RouterXBench
TABLET: A Large-Scale Dataset for Robust Visual Table Understanding
TABLET：一个大规模数据集，用于鲁棒的视觉表格理解
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； HiTZ Center - Ixa, University of the Basque Country UPV/EHU（巴斯克国家大学HiTZ中心）
AI总结 TABLET是一个大规模视觉表格理解数据集，包含400万个示例和21项任务，旨在提升模型对真实世界表格可视化的鲁棒性。
TUBO: A Tailored ML Framework for Reliable Network Traffic Forecasting
TUBO：一种定制化的机器学习框架，用于可靠的网络流量预测
机构 * The University of Edinburgh（爱丁堡大学）
AI总结 TUBO是一种定制化的机器学习框架，通过突发处理和模型选择组件提升网络流量预测的可靠性，显著提高预测准确性和突发发生预测精度。
Comments Short version of this paper is presented at ICDCS 2025
AltTS: A Dual-Path Framework with Alternating Optimization for Multivariate Time Series Forecasting
AltTS: 一种具有交替优化的双路径框架用于多变量时间序列预测
机构 * School of Informatics, University of Edinburgh, UK（爱丁堡大学信息学院） ； University of Chicago, USA（芝加哥大学）
AI总结 AltTS 提出一种双路径框架，通过交替优化解耦自回归和跨关系建模，提升多变量时间序列预测的长期内预测性能。
Comments Preprint
Logical Structure as Knowledge: Enhancing LLM Reasoning via Structured Logical Knowledge Density Estimation
逻辑结构作为知识：通过结构化逻辑知识密度估计增强LLM推理
机构 * Huzhou University（湖州大学） ； Zhejiang Key Laboratory of Intelligent Education Technology and Application（浙江智能教育技术与应用重点实验室） ； Banbu AI Foundation（Banbu AI基金会） ； Baichuan Inc（白川公司） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学）
AI总结 本文提出通过结构化逻辑知识密度估计提升LLM推理能力，通过增强逻辑密度而非扩大数据量来提高模型认知潜力。
Language Model Inversion through End-to-End Differentiation
通过端到端微分实现语言模型逆向
机构 * School of Informatics, University of Edinburgh, Edinburgh, UK（信息学院，爱丁堡大学，爱丁堡，英国）
AI总结 本研究提出通过端到端微分实现语言模型的逆向，利用梯度下降优化提示以生成目标输出，验证了方法在不同长度提示和目标上的有效性。
Comments 24 pages, 5 figures, under review
HyperAIRI: a plug-and-play algorithm for precise hyperspectral image reconstruction in radio interferometry
HyperAIRI: 一种用于射电干涉成像中高精度超光谱图像重建的即插即用算法
机构 * University of Edinburgh, EPCC（爱丁堡大学, EPCC） ； Heriot-Watt University, Institute of Sensors, Signal（赫里奥特-瓦特大学, 传感器与信号研究所）
AI总结 HyperAIRI是一种基于学习的即插即用算法，用于高精度超光谱图像重建，通过结合幂律光谱模型和动态范围匹配的去噪器，实现高分辨率和高动态范围的射电干涉成像。
Comments 24 pages, 10 figures, accepted by ApJS
Provable Emergence of Deep Neural Collapse and Low-Rank Bias in $L^2$-Regularized Nonlinear Networks
可证明的深度神经塌陷与低秩偏差在$L^2$正则化非线性网络中的涌现
机构 * Gran Sasso Science Institute（格拉斯索科学研究所） ； Concordia University（康科迪亚大学） ； University of Edinburgh（爱丁堡大学）
AI总结 本文研究了$L^2$正则化非线性网络中深度神经塌陷与低秩偏差的理论联系，揭示了权重衰减对优化几何的影响。
Hardware Co-Design Scaling Laws via Roofline Modelling for On-Device LLMs
通过屋顶线建模为设备端大语言模型设计硬件协同缩放定律
机构 * AI Lab, The Yangtze River Delta Institution of Automation, Chinese Academy of Sciences（人工智能实验室，长江三角洲自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； University College London（伦敦大学学院） ； Institution of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； The University of Edinburgh（爱丁堡大学）
AI总结 本文提出通过屋顶线建模为设备端大语言模型设计硬件协同缩放定律，通过训练170个模型建立架构与训练损失的缩放关系，实现准确度与延迟的直接对应，降低架构选择时间并提升模型性能。
Signature-Kernel Based Evaluation Metrics for Robust Probabilistic and Tail-Event Forecasting
基于签名核的稳健概率和尾事件预测评估指标
机构 * School of Informatics, University of Edinburgh, Edinburgh, UK（信息学院，爱丁堡大学，爱丁堡，英国） ； School of Mathematics, University of Edinburgh, Edinburgh, UK（数学学院，爱丁堡大学，爱丁堡，英国）
AI总结 本文提出基于签名核的Sig-MMD和CSig-MMD两种评估指标，用于改进概率和尾事件预测的鲁棒性与准确性。
Comments Main Paper: 8 pages 3 figures Including Appendix and References: 19 pages 7 figures
The Theory and Practice of MAP Inference over Non-Convex Constraints
非凸约束下MAP推断的理论与实践
机构 * School of Informatics, University of Edinburgh, UK（信息学院，爱丁堡大学，英国） ； DISI, University of Trento, Trento, Italy（信息科学与工程学院，特伦托大学，意大利）
AI总结 本文提出了一种在非凸约束下高效进行MAP推断的方法，结合信息传递算法与数值优化，适用于复杂密度的求解。
Quantum advantage for learning shallow neural networks with natural data distributions
在自然数据分布下学习浅层神经网络的量子优势
机构 * Google Quantum AI（谷歌量子人工智能） ； University of Cambridge（剑桥大学） ； University of Edinburgh（爱丁堡大学）
AI总结 本文提出了一种高效量子算法，在非均匀数据分布下实现学习周期神经元的指数级量子优势。
Comments 10 pages, 1 figure + 82-page appendix; updated with stronger classical hardness
Journal ref Nat. Commun. 17, 1341 (2025)
Magnitude Distance: A Geometric Measure of Dataset Similarity
数据集相似性的几何度量：幅度距离
机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）
AI总结 本文提出幅度距离作为衡量数据集相似性的几何度量，通过可调参数控制尺度敏感性，并在高维空间中保持判别能力，用于生成模型的训练目标。
Bolmo: Byteifying the Next Generation of Language Models
Bolmo：字节化下一代语言模型
机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Edinburgh（爱丁堡大学）
AI总结 Bolmo通过两阶段转换将现有子词模型转换为字节级模型，实现性能和细粒度理解的平衡。
