Satisfiability Modulo Theory Meets Inductive Logic Programming
可满足性模理论与归纳逻辑编程相会
机构 * The University of Edinburgh（爱丁堡大学）
AI总结 本文提出一种模块化的SMT-ILP架构，结合PyGol与Z3，通过整合可满足性模理论增强归纳逻辑编程在数值约束推理中的能力。
高校专区
University of Edinburgh（爱丁堡大学）
GaussianHeadTalk: Wobble-Free 3D Talking Heads with Audio Driven Gaussian Splatting
GaussianHeadTalk: 无抖动的3D说话头：基于音频驱动的高斯点云法
机构 * University of Edinburgh（爱丁堡大学） ； University College London（伦敦大学学院）
AI总结 本文提出基于音频驱动的3D说话头生成方法，利用高斯点云法和Transformer模型实现高保真、实时的虚拟角色生成。
Comments IEEE/CVF Winter Conference on Applications of Computer Vision 2026
Achieving Trustworthy Real-Time Decision Support Systems with Low-Latency Interpretable AI Models
实现低延迟可解释AI模型的可信实时决策支持系统
机构 * School of Physics and Astronomy（物理与天文学系） ； University of Edinburgh（爱丁堡大学） ； Siebel School of Computing and Data Science（计算与数据科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AI Agent Lab（AI代理实验室） ； Vokram Group（Vokram集团） ； Department of Anatomical Pathology（解剖病理学部） ； Singapore General Hospital（新加坡中央医院） ； Department of Computer Science（计算机科学系） ； Emory University（埃默里大学）
AI总结 本文提出通过低延迟可解释AI模型实现可信实时决策支持系统，探讨资源受限环境下的人机协作方法及边缘计算优化策略。
Same model, better performance: the impact of shuffling on DNA Language Models benchmarking
同一体模型，更好表现：洗牌对DNA语言模型基准测试的影响
机构 * Baillie Gifford Pandemic Science Hub（巴利尔·吉福德流行病科学中心） ； University of Edinburgh（爱丁堡大学）
AI总结 本研究发现数据洗牌对DNA语言模型基准测试性能有显著影响，提出预洗牌解决方案以提高基准可靠性。
Evolving Excellence: Automated Optimization of LLM-based Agents
精益求精：基于大语言模型的代理的自动化优化
机构 * University of Leeds（利兹大学） ； City, University of London（伦敦城市大学） ； University of West London（西伦敦大学） ； University of Edinburgh（爱丁堡大学） ； University of Surrey（萨里大学） ； University of Warwick（沃里克大学） ； King's College London（伦敦国王学院）
AI总结 ARTEMIS通过语义感知的进化算法，自动优化基于大语言模型的代理配置，显著提升多个任务的性能表现。
Machine learning augmented diagnostic testing to identify sources of variability in test performance
机器学习增强的诊断测试以识别测试性能中的变异性来源
机构 * Roslin Institute, University of Edinburgh, Edinburgh, UK（罗斯林研究所、爱丁堡大学、爱丁堡，英国） ； UK Farmcare Ltd., Stone, UK（英国农场护理有限公司、斯通，英国） ； Department of Mathematics and Statistics, University of Strathclyde, Glasgow, UK（数学与统计学系、斯特拉思克莱德大学、格拉斯哥，英国） ； The Animal and Plant Health Agency, Weybridge, Surrey, UK（动植物卫生局、韦桥，英国） ； National Wildlife Management Centre, Animal and Plant Health Agency, Sand Hutton, York, UK（国家野生动物管理中心、动植物卫生局、桑德霍顿，约克，英国） ； School of Physics and Astronomy, University of Edinburgh, Edinburgh, UK（物理与天文学学院、爱丁堡大学、爱丁堡，英国）
AI总结 利用机器学习提高诊断测试灵敏度，以更有效地检测牛群中结核病的感染情况。
Canonical Tail Dependence for Soft Extremal Clustering of Multichannel Brain Signals
脑多通道信号软极值聚类中的标准尾部依赖
机构 * Statistics Program, Computer Electrical and Mathematical Science & Engineering, King Abdullah University of Science and Technology（统计学项目，计算机电气和数学科学与工程，国王阿卜杜勒-阿齐兹大学科学与技术学院） ； School of Mathematics and Maxwell Institute for Mathematical Sciences, University of Edinburgh（数学学院和数学科学麦克斯韦研究所，爱丁堡大学）
AI总结 本文提出了一种基于尾部依赖性的脑信号软聚类方法，用于识别癫痫发作及相关风险。
Evaluating Long-Term Memory for Long-Context Question Answering
评估长期记忆以实现长上下文问答
机构 * School of Informatics, The University of Edinburgh（信息学院，爱丁堡大学）
AI总结 本文评估了增强记忆方法在长上下文问答任务中的效果，发现通过RAG和事件记忆可显著减少令牌使用并保持准确性。
Comments Accepted as a poster at Metacognition in Generative AI EurIPS workshop
Ergodic Trajectory Optimization on Generalized Domains Using Maximum Mean Discrepancy
在广义域上使用最大均值偏差进行耗散轨迹优化
机构 * Department of Mechanical Engineering, Yale University（耶鲁大学机械工程系） ； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； School of Mathematics, The University of Edinburgh（爱丁堡大学数学学院） ； NVIDIA
AI总结 本文提出了一种基于最大均值偏差的通用耗散轨迹优化方法，无需领域特定知识即可生成覆盖轨迹，适用于多种应用领域。
Comments 6 pages (excluding references), 1 table, 8 figures, submitted to ICRA 2025
Evolutionary Architecture Search through Grammar-Based Sequence Alignment
通过基于语法规则的序列比对进行进化架构搜索
机构 * Carlos III University of Madrid（马德里卡洛斯三世大学） ； University of Edinburgh（爱丁堡大学） ； Instituto de Investigación Sanitaria Gregorio Marañón（Gregorio Marañón卫生研究院） ； Helmholtz-Zentrum Berlin für Materialien und Energie（柏林材料与能源研究中心） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； University of Glasgow（格拉斯哥大学）
AI总结 本文提出基于语法规则的进化架构搜索方法，利用改进的Smith-Waterman算法计算编辑距离，提升搜索效率并发现新颖架构。
Economies of Open Intelligence: Tracing Power & Participation in the Model Ecosystem
开源智能的经济效应：追踪模型生态系统中的权力与参与
机构 * MIT Data Provenance Initiative（MIT数据溯源计划） ； Data Provenance Initiative（数据溯源计划） ； ScaDS.AI Leipzig（ScaDS.AI莱比锡） ； University of Edinburgh（爱丁堡大学） ； University of Southern California（南加州大学） ； UNC at Chapel Hill（北卡罗来纳大学教堂山分校） ； Hugging Face
AI总结 研究分析了开放模型经济中权力和参与的变化，揭示了开发者中介者的作用及市场权力的重新分配。
Emergent Riemannian geometry over learning discrete computations on continuous manifolds
在连续流形上学习离散计算的涌现黎曼几何
机构 * School of Informatics University of Edinburgh（信息学院爱丁堡大学） ； Département d’Etudes Cognitives Ecole Normale Supérieure PSL（认知研究部巴黎高等师范学院PSL） ； Gastsby Unit University College London（加斯特比单位伦敦大学学院） ； Data Science Center Ecole Normale Supérieure PSL（数据科学中心巴黎高等师范学院PSL）
AI总结 本文提出通过分析神经网络的黎曼几何，揭示其在连续流形上执行离散计算的机制与学习过程。
Emergent Coordination and Phase Structure in Independent Multi-Agent Reinforcement Learning
独立多智能体强化学习中的涌现协调与相结构
机构 * School of Physics and Astronomy University of Edinburgh（物理与天文学学院 英格兰爱丁堡大学）
AI总结 该研究通过分析独立多智能体强化学习中的协调与相结构，揭示了规模、密度和内核漂移之间的相互作用对多智能体学习系统动态的影响。
Comments 22 pages, 19 figures
Learning Rules from Rewards
从奖励中学习规则
机构 * School of PPLS, University of Edinburgh（爱丁堡大学PPLS学院）
AI总结 RRTL通过学习关系规则在Atari游戏中实现有效策略，展示强化信号引导结构化表示学习的可行性。
DeXposure: A Dataset and Benchmarks for Inter-protocol Credit Exposure in Decentralized Financial Networks
DeXposure：去中心化金融网络中跨协议信用暴露的数据集和基准测试
机构 * Cambridge Centre for Alternative Finance, Judge Business School, University of Cambridge（剑桥替代金融中心，法官商学院，剑桥大学） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Informatics, King’s College London（伦敦国王学院信息学院）
AI总结 DeXposure数据集和基准测试用于研究去中心化金融网络中跨协议信用暴露，通过分析信用暴露网络的结构演变、行业级动态及时间图链接预测，为金融风险监控和机器学习研究提供支持。
Comments Data and code: https://github.com/dthinkr/DeXposure - Visualisation: https://ccaf.io/defi/ecosystem-map/visualisation/graph
Efficient Learning of Object Placement with Intra-Category Transfer
高效学习物体摆放的跨类迁移
机构 * University of Freiburg（弗赖堡大学） ； University of Edinburgh（爱丁堡大学） ； University of Waterloo（滑铁卢大学）
AI总结 本文提出了一种通过跨类别迁移高效学习物体摆放的方法，利用少量示范训练模型，实现对多种物体的高效任务学习。
Comments 12 pages, 8 figures, 3 tables, accepted at RA-L November 2025
Computing Strategic Responses to Non-Linear Classifiers
计算非线性分类器的战略响应
机构 * School of Informatics University of Edinburgh（信息学院爱丁堡大学） ； Department of Engineering Science University of Oxford（工程科学系牛津大学）
AI总结 本文提出了一种通过优化拉格朗日对偶来计算非线性分类器战略响应的新方法，解决了现有方法在非线性设置中的局限性。
EvoEmpirBench: Dynamic Spatial Reasoning with Agent-ExpVer
EvoEmpirBench: 基于智能体经验的动态空间推理
机构 * Guangdong University of Finance and Economics（广东金融学院） ； Chongqing University（重庆大学） ； University of Edinburgh（爱丁堡大学） ； The University of Hong Kong（香港大学）
AI总结 EvoEmpirBench通过动态空间基准评估模型在部分可观测和动态环境下的空间推理与记忆能力，揭示主流模型的限制并提供未来研究平台。
Comments Accepted by AAAI 2026, 29 pages, 3 figures, 7 tables
From Text to Multimodality: Exploring the Evolution and Impact of Large Language Models in Medical Practice
从文本到多模态：探索大型语言模型在医疗实践中的演变与影响
机构 * Kyoto University（京都大学） ； Georgia Institute of Technology（佐治亚理工学院） ； National Taiwan Normal University（台湾师范大学） ； Indiana University（印第安纳大学） ； Hong Kong University of Science（香港科学大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； University of Liverpool（利物浦大学） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学） ； Purdue University（Purdue 大学） ； Emory University, Atlanta, GA, USA（埃默里大学） ； West China Biomedical Big Data Center, West China Hospital, Sichuan University, Chengdu, China（西京生物大数据中心，四川大学西京医院，成都，中国）
AI总结 本文探讨了多模态大型语言模型在医疗实践中的发展与影响，分析其在医疗影像、临床决策支持等领域的应用及面临的挑战。
Comments 12 pages, 1 figure
Large Language Models and Cognitive Science: A Comprehensive Review of Similarities, Differences, and Challenges
大语言模型与认知科学：对相似性、差异性和挑战的全面综述
机构 * Kyoto University（京都大学） ； Indiana University（印第安纳大学） ； National Taiwan Normal University（台湾师范大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Hong Kong University of Science（香港科学大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； University of Liverpool, UK（利物浦大学） ； University of Edinburgh, UK（爱丁堡大学） ； Zhejiang University（浙江大学） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； West China Biomedical Big Data Center, West China Hospital, Sichuan University（四川大学西昌生物大数据中心、西昌医院）
AI总结 本文综述了大语言模型与认知科学的相似性、差异性和挑战，探讨了LLMs在认知领域的应用及改进方法。
Comments 10 pages, 1 figure
Ranking-Enhanced Anomaly Detection Using Active Learning-Assisted Attention Adversarial Dual AutoEncoders
基于排名的异常检测：利用主动学习辅助的注意力对抗双自编码器
机构 * New York University（纽约大学） ； NYUAD, Division of Science（纽约大学亚当分校，科学学院） ； The University of Edinburgh（爱丁堡大学） ； School of Informatics（信息学院）
AI总结 本文提出一种结合主动学习和注意力对抗双自编码器的异常检测方法，通过减少标注成本提升检测精度，适用于APT检测的不平衡数据集。
Sparse Techniques for Regression in Deep Gaussian Processes
深度高斯过程中的稀疏技术
机构 * University of Manchester（曼彻斯特大学） ； University of Edinburgh（爱丁堡大学） ； Maxwell Institute for Mathematical Sciences（数学科学研究所） ； Heriot-Watt University（赫瑞斯泰特大学）
AI总结 本文提出一种结合变分学习与MCMC的粒子期望最大化方法，用于高效准确地训练大规模数据上的深度高斯过程。
View-Consistent Diffusion Representations for 3D-Consistent Video Generation
用于3D一致视频生成的视图一致扩散表示
机构 * University of Edinburgh（爱丁堡大学） ； University of Bristol（布里斯托大学）
AI总结 ViCoDR通过学习多视图一致的扩散表示，提升视频生成的3D一致性，适用于图像到视频、文本到视频和多视图生成任务。
Preventing Shortcut Learning in Medical Image Analysis through Intermediate Layer Knowledge Distillation from Specialist Teachers
通过专家教师的中间层知识蒸馏防止医学图像分析中的捷径学习
机构 * Canon Medical Research Europe（康特拉医疗研究欧洲公司） ； School of Engineering, The University of Edinburgh（爱丁堡大学工程学院）
AI总结 通过专家教师的中间层知识蒸馏方法，有效缓解医学图像分析中的捷径学习问题，提升模型鲁棒性和临床实用性。
Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:020
Journal ref Machine.Learning.for.Biomedical.Imaging. 3 (2025)
Robust Graph Condensation via Classification Complexity Mitigation
通过分类复杂性缓解实现鲁棒图压缩
机构 * SKLCCSE, School of Computer Science and Engineering, Beihang University（北京航空航天大学信息与电子技术学院） ； Laboratory for Foundations of Computer Science, University of Edinburgh（爱丁堡大学计算机科学基础实验室） ； Key Lab of Education Blockchain and Intelligent Technology, Guangxi Normal University（广西师范大学教育区块链与智能技术重点实验室） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学光荣人工智能学院） ； Department of Computer Science, University of Illinois, Chicago（伊利诺伊大学芝加哥分校计算机科学系）
AI总结 本文提出MRGC框架，通过引入流形约束模块，提升图压缩在对抗攻击下的鲁棒性。
Comments Accepted by Neurips 2025 (Spotlight)
MGen: Millions of Naturally Occurring Generics in Context
MGen：数以百万计的自然出现的泛化表达
机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）
AI总结 MGen 是一个包含 400 万自然泛化句子的数据集，用于研究泛化表达的计算方法和应用。
Comments Presented at SCiL 2025
Journal ref Society for Computation in Linguistics, Volume 8 (2025)
MoE-CAP: Benchmarking Cost, Accuracy and Performance of Sparse Mixture-of-Experts Systems
MoE-CAP：稀疏专家混合系统成本、准确率和性能的基准测试
机构 * University of Edinburgh（爱丁堡大学） ； Microsoft Research（微软研究院） ； Peking University（北京大学） ； NVIDIA Co-leading authors（NVIDIA）
AI总结 MoE-CAP通过引入CAP雷达图和稀疏性能指标，系统性地评估稀疏混合专家系统在成本、准确率和性能之间的权衡。
CoTKR: Chain-of-Thought Enhanced Knowledge Rewriting for Complex Knowledge Graph Question Answering
CoTKR: 基于链式推理的增强型知识重写用于复杂知识图谱问答
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（新一代人工智能技术及其交叉应用国家重点实验室） ； China Mobile Research Institute（中国移动研究院） ； Monash University（墨尔本大学） ； University of Manchester（曼彻斯特大学） ； University of Edinburgh（爱丁堡大学）
AI总结 CoTKR通过链式推理增强知识重写方法，提升复杂知识图谱问答性能。
Terra Nova: A Comprehensive Challenge Environment for Intelligent Agents
机构 * The University of Edinburgh（爱丁堡大学）
Fusing Foveal Fixations Using Linear Retinal Transformations and Bayesian Experimental Design
机构 * School of Informatics University of Edinburgh, UK（信息学院爱丁堡大学）
Comments 19 pages, 3 figures
Journal ref Neural Computation 37(12) 2235-2256 (2025)
