高校专区
从训练到部署：通过灵敏度比率进行事后因果特征识别
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。
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
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。
通过隐式接触微分实现用于残差MPC的摊销轨迹优化
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
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：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。
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。
解开阿尔茨海默病病理学与感知中的声学线索：语言和性别的作用
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Edinburgh（爱丁堡大学）
AI总结 研究阿尔茨海默病中声学线索，训练模型预测普通话和希腊语、男女说话者的临床AD状态及人类感知分数，用SHAP和统计模型分析，发现病理与感知一致性因语言和性别而异，强调特定人群可解释性审核对临床语音AI公平部署的必要性。
Comments Accepted at Interspeech 2026
KG2Code：通过可执行代码连接知识图谱与大语言模型以进行问答
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（教育部新一代人工智能技术及其交叉应用重点实验室（东南大学）） ； Huawei Technologies（华为技术有限公司） ； University of Manchester（曼彻斯特大学） ； University of Edinburgh（爱丁堡大学）
AI总结 研究针对知识图谱问答中现有方法的局限，提出KG2Code方法，将知识图谱转换为代码表示，在此基础上构建KG2Code-QA框架，把KGQA作为代码生成任务，还构建代码语料库，训练后的模型在KGQA任务中表现优异且泛化性强。
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。
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。
走向合理的鹦鹉：为何大型语言模型应通过设计与我们辩论
机构 * University of Liverpool（利兹大学） ； University of Edinburgh（爱丁堡大学） ； University of Groningen（格罗宁根大学） ； Centrum Wiskunde & Informatica（数学与信息学研究中心） ； Airbus Central R&T（空客中央研发与技术部） ； University of Kassel（卡塞尔大学） ； University of Passau（帕绍大学） ； Universidad de Católica de la Santísima de Concepción（圣地亚哥圣母大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Dundee（邓迪大学） ； Leibniz University Hannover（汉诺威莱布尼茨大学）
AI总结 本文提出通过设计使大型语言模型具备辩论能力，以提升人类批判性思维。
合成语音，真实信号：通过语音克隆实现副语言保留和跨语言增强
机构 * thymia（胸腺公司） ； The University of Edinburgh（爱丁堡大学） ； University of Southampton（南安普顿大学）
AI总结 研究针对语音合成数据增强在副语言任务应用少的问题，对八个语音克隆模型在五个副语言任务上进行基准测试，还将英语临床语音克隆成日语，发现其在低资源语言临床语音数据增强方面有前景。
Comments 5 pages, 3 figures. Accepted at Interspeech 2026
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
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
自回归语言模型的可处理分层控制
机构 * University of Edinburgh（爱丁堡大学）
AI总结 研究如何约束自回归大语言模型生成，核心方法是将其提炼为可处理概率模型，利用有限时长$LR(k)$文法可多项式时间计算满足情况的特性，实现对LLM生成的有效约束与引导，确保输出满足形式句法约束。
Comments 21 pages, 4 figures, 2 algorithms
基于机器学习的基于缠绕数的聚合物链环分类
机构 * School of Physics and Astronomy, The University of Edinburgh（物理与天文学学院，爱丁堡大学） ； School of Mathematics, The University of Edinburgh（数学学院，爱丁堡大学） ； MRC Human Genetics Unit, Institute of Genetics and Cancer, University of Edinburgh（人类遗传学单位，遗传与癌症研究所，爱丁堡大学）
AI总结 研究链环拓扑分类问题，核心方法是基于缠绕数密度矩阵训练前馈神经网络，主要贡献是能高效分类双组件链环，准确率高且在一定条件下稳定，为复杂链环拓扑快速分类提供了有前景的工具。
Comments 8 pages, 4 figures
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
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
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。
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。
更小的总是更快的吗？压缩自监督语音Transformer的权衡
机构 * Graduate Institute of Communication Engineering, National Taiwan University, Taiwan（台湾国立台湾大学通信工程研究所） ； University of California, Los Angeles, United States（美国加州大学洛杉矶分校） ； University of Washington, United States（美国华盛顿大学） ； University of Edinburgh, United Kingdom（英国爱丁堡大学）
AI总结 本文研究了压缩自监督语音Transformer的权衡，评估了四种压缩方法并比较了几种最新技术，为实际部署提供指导。
Comments Accepted at ASRU 2025. Code is available at https://github.com/nervjack2/Speech-SSL-Compression
Journal ref 2025 IEEE Automatic Speech Recognition and Understanding Workshop (ASRU), pp. 1-7
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
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
AoA：基于重新设计语言抽象语法树的定理证明智能体
机构 * Nanyang Technological University Singapore（南洋理工大学新加坡分校） ； Imperial College London London, UK（伦敦帝国理工学院伦敦分校） ； University of Edinburgh Edinburgh, UK（爱丁堡大学爱丁堡分校）
AI总结 研究针对交互式定理证明中人工操作限制可扩展性及基于LLM的证明智能体成本高的问题，提出将智能体从源文本提升到抽象语法树的方法，实现了AoA，在多个方面有显著提升且解决更多难题。
Comments 13 pages
看清实际存在的东西：用于在视觉语言模型中对代理视觉证据进行反事实评估的PriVE-Bench和PriVE-Tools
机构 * The University of Manchester（曼彻斯特大学） ； The University of Melbourne（墨尔本大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） ； University of Southern California（南加州大学） ； Fudan University（复旦大学） ； University of Newcastle（纽卡斯尔大学）
AI总结 本文针对视觉语言模型常依先验而非图像回答问题的现象，引入PriVE-Bench和PriVE-Tools。通过配对图像及工具衍生证据评估模型，对比不同输入，发现视觉证据工具在特定情况有帮助，但不能解决所有模型依先验回答的问题。
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。
AutoSurrogate：一种基于LLM的多智能体框架，用于自主构建地下流深度学习代理模型
机构 * School of Physics and Astronomy, The University of Edinburgh（物理与天文学学院，爱丁堡大学） ； Institute of GeoEnergy Engineering, School of Energy, Geoscience, Infrastructure and Society, Heriot-Watt University（地球能源工程研究所，能源、地质科学、基础设施与社会学院，赫瑞斯泰大学） ； Subsurface Energy Transition and Innovation Centre, Heriot-Watt University（地下能源转型与创新中心，赫瑞斯泰大学）
AI总结 AutoSurrogate通过自然语言指令使非ML专家能构建高质量地下流代理模型，利用多智能体协作完成数据分析、架构选择、超参数优化和质量评估，实现自动化代理模型构建。
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
ContactFusion：基于视觉和接触传感的随机泊松曲面地图
机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学） ； Department of Mechanical and Mechatronics Engineering, University of Waterloo（机械与机电工程系，滑铁卢大学）
AI总结 研究针对机器人装配中场景理解噪声影响插入成功率的问题，提出ContactFusion方法，结合全局映射与局部接触信息，通过拒绝采样程序估计接触位置，将接触与视觉信息融合到SPSMap，验证了方法有效性并改善孔位估计。
Comments Version accepted to IROS2026
PiVoT：一种用于在严重杂波下实时大规模多目标检测与跟踪的变分解决方案
机构 * Institute for Imaging, Data and Communications (IDCOM), University of Edinburgh（爱丁堡大学成像、数据与通信研究所（IDCOM）） ； Department of Engineering, University of Cambridge（剑桥大学工程系） ； School of Mathematics, University of Edinburgh（爱丁堡大学数学学院）
AI总结 针对数据稀缺雷达应用中多目标检测跟踪难题，PiVoT通过联合推断目标多方面信息，无需外部聚类或检测器，利用变分推断创新实现快速抗杂波跟踪，实验证明其在多方面性能出色，优于现有贝叶斯跟踪器。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈